Voice Cloner：30秒のサンプルからAIボイスを生み出す

ボイスクローンとは、短い音声サンプルでAIモデルを学習させ、その声で新しいテキストを読み上げられるようにする処理です。Musely Voice Clonerは10〜30秒のクリアなサンプルがあれば、約30秒で再利用可能な音声モデルを構築し、クローンボイスから35言語超で新しいテキスト読み上げを生成できます。クローンはパーソナルボイスライブラリに保存され、Muselyの各ツールで再利用できます。

クローンする許可を明示的な書面で得ている声の10〜30秒の音声または動画サンプルをアップロードし、ゲートで同意を確認すると、Muselyがクラウドサーバー上でサンプルを処理し、約30秒で音声モデルを構築します。音声入力はMP3、WAV、M4A、FLAC、動画入力はMP4、MOV、WebMに対応し、音声トラックは自動抽出されます。クローンはパーソナルボイスライブラリに保存され、35言語超で新しいTTSを生成できます。

はい。クローンできるのは使用について明示的な書面の許可を得ている声のみで、たとえばご自身の声や、所有者から同意を得ている声に限られます。すべてのアップロードはクローン開始前に同意ゲートを通過し、Muselyの利用規約により話者の許可に関する書類を保管することが求められます。不正利用の疑いがあればMuselyの不正報告窓口までご連絡ください。

いいえ。Musely Voice Cloneは、著名な公人（政治家、著名人、経営者）の声をデニーリストによってモデルレベルでブロックしています。認識された公人の声のサンプルをアップロードしようとすると、同意ゲートの段階で拒否されます。不正利用を見つけた場合はMuselyの不正報告窓口までご連絡ください。

Muselyは英語、スペイン語、フランス語、ドイツ語、イタリア語、ポルトガル語、日本語、韓国語、北京語、広東語などアジア言語のカバレッジに強い35言語超に対応しています。受け付ける音声入力はMP3、WAV、M4A、FLAC（サンプルあたり最大25MB）、動画入力はMP4、MOV、WebMで、音声トラックは自動抽出されます。10〜30秒のクリアなサンプルが最良のクローンを生成します。

音声サンプルと生成音声はMuselyプライバシーポリシーに基づきMuselyのクラウドサーバー上で処理されます。ボイスクローンはMuselyアカウントに紐づき、共有しない限りご自身だけがアクセスできます。MuselyはHIPAA、SOC 2、エンドツーエンド暗号化を主張していません。機微な録音をアップロードする前に、プライバシーポリシーとご自身のコンプライアンス要件をご確認ください。

Muselyは充実した無料枠を用意しており、声のクローンと短いTTSクリップの生成を試せます。大量利用には月額19.9ドルからのCreatorプランがあり、より長い生成、ライブラリに保存できるクローン数の増加、優先処理が利用できます。すべての階層にフェアユースポリシーが適用されます。