Arui.AIは、アップロードした音声を、元のテンポ、間、感情を保ったまままったく新しい声に変換するAIボイスチェンジャーです。最大21種類のプリセットボイスから選ぶか、アップロードしたサンプルからターゲットボイスをクローンできます。録音をアップロードしてボイスを選び、変換後のファイルを動画・ポッドキャスト・オーディオブック向けにダウンロードできます。
3つのスピーチツースピーチティアが、同じアップロード音声を新しい声に変換します。すべてのティアでターゲットボイスが変わっても、元のテンポ、間、感情は保たれます。
音声ファイルをアップロードしてボイスを選び、変換後のトラックをダウンロードするだけ。スタジオもマイクも音声編集スキルも不要です。
3つのスピーチツースピーチティアがターゲットボイスを形づくります。スタンダードではアップロードしたサンプルからクローン、プロでは9種類のプリセットボイスから選択、マスターでは21種類のプリセットから選択できます。各ボイスは単純なピッチシフトではなく、AIトレーニングによる音声合成で生成されるため、世界中の視聴者に向けて自然な発音を実現します。
スピーチツースピーチ変換は、音声をターゲットボイスで再構築しながら、元の録音のすべての間、強調、感情のニュアンスを1回の変換で引き継ぎます。最大5分の実行でも話し方は損なわれません。従来のピッチシフトツールは表現力ある話し方を一切保持できません。感情はテンポや強調パターンに宿るものであり、音声合成モデルだけが再生成できるからです。
ボイスサンプルを1つアップロードするだけ — mp3、wav、m4a、ogg、webm、最大60MB — で、それがターゲットの音色になり、プリセットは不要です。スタンダードティアではサンプルがボイスライブラリのすべてです。参照音声をストックしたクリエイターは、新しく1テイクも録音せずにターゲットボイスを切り替えられ、プロではサンプルで任意のプリセットを上書きできます。
各実行の前に長さティア（1分、3分、5分）を選択します。クレジットはモデルティアに応じて8〜750です。プロの変換はスタジオ品質の48kHz wavにアップサンプリングされるため、5分のポッドキャストセグメントも、繋ぎ合わせたクリップの山ではなく、1本の完成したマスターとして仕上がります。
処理はすべてサーバーインフラ上で実行され、ほとんどのファイルは2分以内に完了します。ローカルリソースを消費するデスクトップオーディオエディタとは異なり、コンピューターのCPUに負荷をかけません。変換後のファイルは恒久的なダウンロードリンクとして提供され、あらゆる動画・ポッドキャストプロジェクトに取り込めます。
録音済み音声を新しいAIボイスに変換する5つのユーザー層です。
クリエイターは、仮のナレーション音声をアップロードし、再録音なしで洗練されたAIボイスに変換できます。調子の悪い日の録音を修正したり、同じ台本で最大21種類のプリセットから別のナレーターを試したり、1つのアップロードから別バージョンのカットを制作したりできます。1回の録音から複数の最終版が生まれます。
ポッドキャストチームは、ホストが不在のときやゲストが匿名を希望するときに、録音済みセグメントを一貫したナレーターボイスに変換します。5分のセグメントは数分で再合成され、再録音セッションの調整や波形の手動編集よりはるかに高速です。
インディー開発者やMOD制作者は、ラフな録音をアップロードしてキャラクターごとに異なるAIボイスを生成し、最上位ティアでは最大21種類のプリセットボイスから選択できます。複数の声優をキャスティングする代わりに、1回のマイク収録でクエストライン全体のダイアログを制作できます。
VTuberやVRChat制作者は、1回あたり最大5分のアバター用ボイスラインを事前収録し、キャラクターモデルにマッチした声に変換できます。元の話し方が保たれるため、表現力のあるテイクは表現豊かなまま、落ち着いた読みは落ち着いたまま仕上がります。サーバーサイド処理により、レンダリング中もVRソフトウェアのリソースを圧迫しません。
サーバー運営者やコミュニティマネージャーは、最大5分の録音済みアナウンスをアップロードし、イベント、アップデート、ボットの挨拶用にキャラクターボイスへ変換できます。オーディオクリップは数分でどのチャンネルにも投稿できる状態になり、録音ブースもマイクのセットアップも不要です。
技術的な設定は不要。アップロードして、ボイスを選んで、ダウンロードするだけです。
オンラインのボイスチェンジャーを開き、変換したい録音をアップロードします。mp3、wav、m4a、ogg、webmファイルすべてに対応し、1ファイルあたり最大60MBです。入力も設定も不要で、変換は録音された音声に直接作用し、1回の実行は最大5分まで対応します。
ターゲットボイスを選びます。ティアに応じて最大21種類のプリセットから選択するか、アップロードしたボイスサンプルからクローンします。次に、録音の長さに合わせて1分から5分の長さティアを設定します。
サーバー側の合成により、ほとんどのファイルは2分以内に完了します。コンピューターに負荷はかかりません。完成した音声は恒久的なダウンロードリンクとして届き、あらゆる動画エディタ、ポッドキャストアプリ、プロジェクトのタイムラインに取り込めます。
難しい専門用語なしで、率直にお答えします。
3つのティア、1つのワークフロー — 音声をアップロードしてターゲットボイスを設定し、元のテンポ、間、感情を保った変換をダウンロードします。
録音をアップロードして最大21種類のプリセットボイスから選ぶか自分のサンプルをクローンし、変換後のファイルをダウンロード。ほとんどの実行は2分以内に完了します。
