Inworld TTS

概要

Inworld TTSは、音声合成技術の最前線に位置するプロダクトでありながら、業界最安値での提供が特徴です。1百万文字あたりわずか5ドルで、他の音声技術と比べて20倍のコスト削減を実現しています。

主な機能

• リアルタイム遅延：中央値200msのレスポンス
• 無償のゼロショット音声クローン
• 多言語および異言語サポート
• 感情やスタイルに応じたオーディオマークアップ
• 高品質な音声生成（言葉のエラー率とスピーカーの類似性が業界トップクラス）
• オープンソースのトレーニングコードの提供

開発の背景

Inworld TTSは、開発者が音声技術に伴う高コストという障壁を克服できるように設計されました。大規模言語モデルを音声合成に活用し、従来の音声合成技術の枠を超えた効果的なアプローチを採用しています。

使用方法

APIを通じて利用可能で、TTS Playgroundで自ら試すこともできます。今日はサインアップすることで、無料で2M文字を体験することができます。