ボイス設定

このドキュメントは英語の原文から自動翻訳されています。表現に不自然な箇所がある場合があります。正確な内容は英語の原文もあわせてご確認ください。

voice_settings はすべての TTS リクエストで指定できる任意のオブジェクトで、オーディオの発話表現 — ピッチ、抑揚、速度、そしてフラッグシップモデル向けのいくつかの高度なパラメータ — を調整します。

クイックリファレンス

Setting	Range	Default	What it does
`pitch_shift`	-24 → 24	0	半音単位のピッチシフトです。±12 で 1 オクターブ分にあたります。
`pitch_variance`	0 → 2	1	ピッチの変動幅です — 値が小さいほど平板に、大きいほど抑揚豊かになります。
`speed`	0.5 → 2	1	再生速度の倍率です。`duration` の後に適用されます。
`duration`	0 → 60	0	生成オーディオを目標長さ（秒）に合わせます（0 = 目標なし）。
`similarity`	1 → 5	3	出力が元のキャラクターボイスにどれだけ近いかを制御します。
`text_guidance`	0 → 4	1	テキスト内容に対して発話特性がどの程度敏感に適応するかを制御します。
`subharmonic_amplitude_control`	0 → 2	1	生成音声のサブハーモニック振幅量です。

ボイスパラメータの設定

Python
TypeScript
cURL

VOICE_ID = "20160a4c5ba38967330c84"  # replace with your voice ID

response = client.text_to_speech.create_speech(
    voice_id=VOICE_ID,
    text="Let me tell you a story.",
    language="en",
    model="sona_speech_1",
    voice_settings={
        "pitch_shift": 2,
        "pitch_variance": 1.3,
        "speed": 0.95,
    },
)

const VOICE_ID = "20160a4c5ba38967330c84"; // replace with your voice ID

const response = await client.textToSpeech.createSpeech({
  voiceId: VOICE_ID,
  apiConvertTextToSpeechUsingCharacterRequest: {
    text: "Let me tell you a story.",
    language: "en",
    model: "sona_speech_1",
    voiceSettings: {
      pitchShift: 2,
      pitchVariance: 1.3,
      speed: 0.95,
    },
  },
});

VOICE_ID="20160a4c5ba38967330c84"

curl -X POST "https://supertoneapi.com/v1/text-to-speech/$VOICE_ID" \
  -H "x-sup-api-key: $SUPERTONE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Let me tell you a story.",
    "language": "en",
    "model": "sona_speech_1",
    "voice_settings": {
      "pitch_shift": 2,
      "pitch_variance": 1.3,
      "speed": 0.95
    }
  }' \
  --output speech.wav

モデル別のサポート状況

すべてのモデルがすべての設定に対応しているわけではありません。サポートされていない設定は 黙って無視されます — たとえば supertonic_api_3 に subharmonic_amplitude_control を指定してもエラーにはならず、単に出力に影響しないだけです。

Setting	`sona_speech_2`	`sona_speech_2_flash`	`supertonic_api_3`	`supertonic_api_1`	`sona_speech_1`
`pitch_shift`	✅	✅	—	—	✅
`pitch_variance`	✅	✅	—	—	✅
`speed`	✅	✅	✅	✅	✅
`duration`	✅	✅	—	—	✅
`similarity`	✅	—	—	—	✅
`text_guidance`	✅	—	—	—	✅
`subharmonic_amplitude_control`	—	—	—	—	✅

パラメータの相互作用

pitch_shift は半音単位です。 +12 で 1 オクターブ上がります。自然な調整には小さい値（±1 〜 ±4）を使ってください。大きな値ではロボット的な響きになります。
pitch_variance は表現力を制御します。 0 にすると単調になり（インストラクショナル動画やニュース読み上げに向きます）、最大 2 にすると非常に表情豊かな発話になります。
duration の次に speed。 両方を指定すると、エンジンはまず duration 秒を目標とし、その後 speed を倍率として適用します。duration=5 と speed=2 を指定すると、おおよそ 10 秒のオーディオになります。
similarity と text_guidance は、クローンボイスや sona_speech_2 / sona_speech_1 でもっとも効果を発揮します。similarity を上げるとソースボイスにより忠実になり、text_guidance を上げると発話がテキストの感情トーンに合わせて変化しやすくなります。

レシピ

穏やかでゆっくりしたナレーション:

{ "pitch_variance": 0.7, "speed": 0.9 }

興奮した、速いテンポの発話:

{ "pitch_shift": 1, "pitch_variance": 1.5, "speed": 1.15 }

目標クリップ長に合わせる（例: 6 秒のシーンの吹き替え）:

{ "duration": 6 }

モデル

どのモデルがどの Voice settings に対応しているかを確認します。

API リファレンス

リクエストとレスポンスの完全なスキーマ。

Announcement

クイックリファレンス

ボイスパラメータの設定

モデル別のサポート状況

パラメータの相互作用

レシピ

関連項目

モデル

API リファレンス

​クイックリファレンス

​ボイスパラメータの設定

​モデル別のサポート状況

​パラメータの相互作用

​レシピ

​関連項目

モデル

API リファレンス

クイックリファレンス

ボイスパラメータの設定

モデル別のサポート状況

パラメータの相互作用

レシピ

関連項目