音声ノード

音声ノードは声とサウンドを扱います。テキスト読み上げ、複数話者の対話、音楽、デジタルヒューマン、音声クローン、そして動画と組み合わせて使う音声ツールです。

音声生成（TTS）

「ノードを追加」メニューで「オーディオ」を開くと、音声、対話、音楽、デジタルヒューマンのノードを作成できます（利用できるモデルがない項目は表示されません）。音声生成ノードでは：

• 読み上げるテキストを入力し、音声とパラメーターを選んで、音声を生成します。
• 速度・ピッチ・音量のスライダーと、間・口調・感情のマークアップボタンは、選んだモデルが対応している場合にだけ表示されます。
• テキストの長さの上限は、選んだモデルによって決まります。

音声クローンとデザイン

• 音声の選択画面には「音声ライブラリ」「マイ音声」「お気に入り」があります。
• 音声をクローン：ブラウザでサンプルの文章を読み上げて録音し（約 10–20 秒）、選んだモデルに紐づく自分だけの音声を登録して、音声合成に使います。
• 音声デザイン：参照音声なしで、説明から新しい音声を設計します。
• 料金はモデルによって異なります。作成時に登録料がかかるもの、初回の合成時に課金されるもの、無料のものがあります。登録はバックグラウンドで行われ、状態が「登録中」から「利用可能」に変わると選べるようになります。長期間使われていない音声は自動で整理されます。

音声関連のツール

多くの音声機能は、実際には動画ノードのツールバーにあります（「動画ノード」を参照）。音声と映像の分離、オーディオミックス、ボーカル分離などで音を取り出したり差し替えたりでき、ほとんどが無料です。