AIオーディオ生成：原稿1本を、音声にも1曲にも

Atlas Cloudは6つのオーディオモデルに対応しています。音声はxAI TTS v1、Gemini 3.1 Flash TTS、Gemini 2.5 Flash TTS、Gemini 2.5 Pro TTS、音楽はMiniMax Music 3.0とMiniMax Music 2.6です。

モデルによります。xAI TTS v1は20言語で80種類以上の声を挙げており、Gemini TTSの各モデルはKore、Puck、Charonなど30種類のプリセット音声を備え、自然文の指示でトーンを調整できます。

Gemini TTSの各モデルは1リクエストあたり10,000文字まで、xAI TTS v1は15,000文字まで対応しているので、たいていのナレーション原稿は一度で通ります。

使えます。AI作曲ツールとして使う場合、MiniMax Music 3.0と2.6はスタイルの説明と[Verse]や[Chorus]などのタグ付き歌詞を受け取り、最長5分ほどのボーカル入り楽曲を返します。音楽だけが必要なときは、インストゥルメンタルモードに切り替えてください。

音声はGeminiの各モデルが24 kHzのWAV、xAI TTS v1がMP3、WAV、PCMで返します。音楽モデルは16 kHzから44.1 kHzのサンプルレートで、MP3、WAV、PCMを返します。

使えます。音声ファイルをダウンロードし、アバタータブのモデルに音声トラックとしてアップロードすれば、ポートレートが録音に合わせて口を動かします。

テキスト読み上げは1,000文字あたり、音楽は1生成あたりで課金されます。選んだモデルの正確な料金は、実行前にワークスペースに表示されます。

あります。このページの音声・音楽モデルはすべてAtlas Cloud APIから利用でき、認証は画像・動画のAPIと同じです。オーディオモデルのページから開発をはじめてください。