ブレイニアの声 (プロ・テア)

二分の三、一の API 表面

Brainiall Voice は単一の端点として、2 つの質のテアが要求に応じて選択されます。 tier デフォルト:デフォルト edge (12英語の音、24kHz、～150msの遅延)。 トップ > プロ > クローニング、感情コントロール、99言語、および48kHzのスタジオパフォーマンスは、選択するリクエストのみで請求されます。

プロテア能力

ケース利用

どのように比較するか

英語、ポルトガル語、日本語、マンダリン語のサンプルで独立した音質基準、自然性(MOS)とブランド一貫性で得点。

Quickstart - 2 つのリクエストで声をクローンする

# 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

正直なセクション - プロテアがやらないこと

• 歌やミュージカル演奏。 プロレベルは自然なスピーチをターゲットにします ピッチコントロールはSSMLを通じて 「プロソディー」 歌ってますが、メロディックな歌ではありません。
• リアルタイム サブ100ms TTFT プロレベルのストリームは ~500 ms TTFT で割り当てられます. エージェントの使用の場合には、最初の音声フレーム <200 ms を必要とする場合は、Edge レベル (~150 ms TTFT) を使用します。
• 公衆人物や著作権を有する声のクローン化。 音声クローンは、ソーススピーカーの書面による同意を必要とします(クローン作成中に認証フォームを通じて確認)。公衆人物の声、財産の同意なしで亡くなった人々の声、著作権メディアのキャラクターは、測定層にブロックされます。
• 100パーセントの実感的な結論 ☆☆☆☆ style パラメーターは指令であり、保証ではありません - 極端な状態(テロ、エクスタシー)は、不幸な生産を避けるために、屈辱的な自然主義的解釈に向かって傾いている。
• Sub-1 s は現在のCPU フライトの端から端へ。 上記のストリーミングタイム・ファースト・ビット番号(~150 ms Edge、~500 ms Pro)は、最初のオーディオチャンクがサーバーを離れるとき、完全な出力がリリースされるときではなく、説明します。 3.8 s 頻繁に再利用されたコンテンツ(IVR プロンプト、アプリ 警告、音声 エージェント キャニード 回答)のために、あなたの側にリリースされたオーディオをキャッシュします - 第二のヒットは、ファイル フェッチではなく合成です。

価格