Voix de Brainiall (Précédent de la Terre)

Deux tiers, une surface API

Brainiall Voice navires comme un seul endpoint avec deux tiers de qualité sélectionnés par demande via le tier Paramètres : Défaut edge (12 voix anglaises, 24 kHz, ~ 150 ms latence). Le « Pro » pour le clonage, le contrôle émotionnel, 99 langues, et 48 kHz de production de studio - chargé uniquement sur les demandes qui optent.

Capacités pro-tier

Utiliser les cas

Comment nous comparons

Les références de qualité de la voix indépendantes sur les échantillons anglais, portugais, japonais et mandarin, évaluées sur la naturalité (MOS) et la cohérence de la marque.

Quickstart – clonez une voix en deux requêtes

# 1. Create a voice clone from a 5-second reference
curl -X POST https://api.brainiall.com/v1/voice/clones \
  -H "Authorization: Bearer $BRAINIALL_KEY" \
  -F "name=brand_founder" \
  -F "audio=@reference_5s.wav"
# → { "voice_id": "vc_a3f9...", "name": "brand_founder", "ready": true }

# 2. Synthesize with the cloned voice + emotional control
curl -X POST https://api.brainiall.com/v1/tts/synthesize \
  -H "Authorization: Bearer $BRAINIALL_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Welcome to our 2026 product launch.",
    "voice": "vc_a3f9...",
    "tier": "pro",
    "language": "en",
    "style": "excited",
    "format": "wav_48khz"
  }' \
  --output launch.wav

Section d'honnêteté - ce que Pro tier ne fait pas

• Chant ou performance musicale. L'objectif pro-tier est le discours naturel. contrôle Pitch via SSML « Procédé » C’est une chanson, mais pas une chanson mélodique.
• En temps réel sous 100 ms TTFT. Pour les cas d'utilisation d'agent nécessitant <200 ms premier cadre audio, utilisez le niveau Edge (~150 ms TTFT).
• La clonation vocale des figures publiques ou des voix protégées par le droit d’auteur. Les clones vocales nécessitent le consentement écrit du porte-parole (verifié via le formulaire d’attestation pendant la création du clone).Les voix des figures publiques, les personnes décédées sans consentement immobilier et les personnages des médias protégés par le droit d’auteur sont bloqués à la couche de modération.
• 100% d’inférences émotionnelles. Le style Le paramètre est une directive, pas une garantie — les états extrêmes (terror, ecstasy) sont tendus vers des interprétations naturalistiques subduites pour éviter une production impitoyable.
• Sub-1 s end-to-end sur la flotte actuelle de CPU. Les numéros de temps en premier byte de streaming ci-dessus (~150 ms Edge, ~500 ms Pro) décrivent quand le premier chunk audio quitte le serveur, pas quand l'outterance complète est rendue. 3.8 s Pour le contenu fréquemment réutilisé (prompts IVR, alertes d'applications, réponses de voix-agent caned), cache l'audio rendu sur votre côté - le second coup est alors un fichier de fichiers, pas une synthèse.

prix