音声合成

DOTV でナレーションや音声効果を作成する方法はいくつかあります。テキストを読み上げさせたり、声クローンを使ったり、ファイルをノイズ除去したりできます。このセクションではオーディオ生成について説明します。

音声入力バー中央に読み上げるテキストを書きます。下の行はモデルと音色、右側はパラメータ設定の歯車と文字数です。

中央に読み上げるテキスト、下の行にモデルとボイス、右側にパラメーター設定の歯車と文字数。

読み上げるテキスト —— そのまま書きます。途中にポーズや間投詞を挟めます（5.5 参照）。このバーが合成するのはプレーンテキストなので、@ 参照は無効です —— 参照したものもただ読み上げられるだけです。
モデル —— 2 つから選びます。Minimax-speech-2.8-hd（デフォルト、より安定）と Minimax-speech-2.8-turbo（より高速）です。
ボイス —— 入れ替えアイコンの付いたカプセルです。押すとボイス選択ダイアログが開きます（5.3 参照）。
パラメーター設定 —— 右側の歯車です。展開すると話速 / ピッチ / 音量などの一整面が出ます（下記参照）。
文字数 —— 歯車の右側に「N/10000」と表示されます。1 回の合成で読めるのは最大 10000 文字です。
⚡ と送信 —— 音声合成は文字数で課金されるので、その数字は入力に合わせて変わります。

3 ブロック：基本調整、音色効果調整、効果音。

ブロック	項目	範囲
基本調整	速度	0.5 ~ 2、デフォルト 1
	ピッチ	−12 ~ 12、デフォルト 0
	音量	0.1 ~ 10、デフォルト 1
音色効果調整	ピッチシフト、強さ、声質調整	それぞれ −100 ~ 100、デフォルト 0
効果音	なし / 空間エコー / 講堂スピーカー / ローファイ電話 / ロボットボイス	デフォルトはなし

各行は「スライダー + 数値入力」で、両方が同じ値に連動しています。正確な数値を指定したいときは数値ボックスに直接入力します。
2 つのブロックはそれぞれ折りたたむことができます。右上のすべてリセットを押すと、すべてのパラメーター（効果音も含む）がデフォルトに戻ります。
パネルには言語の項目もあります：デフォルトは自動で、中国語 / 広東語 / 英語 / 日本語…にも固定できます。訛りのあるボイスを選ぶと、それに合わせて自動で切り替わります —— ボイスだけ変えて言語を変えないと、広東語ボイスで標準中国語を読ませるようなことになります。

読み直すと、文字数に応じて再びクレジットがかかります。一方、切り出しと速度変更はすでにある音声を直接編集するので、クレジットはかかりません。

カードに描かれている波形がその音声です。カードをクリックするとその場で再生されます（5.1 参照）。
変更したいとき：ノードを選ぶと入力バーはそのまま残っています。文章やパラメーターを変えてもう一度送信すると、新しく読み直し、古いものを置き換えます。
すでに読み上げられたこの音声の一部を触りたいだけの場合（一部を切り取る、速くするなど）は、読み直す必要はありません —— 切り出しと速度変更を使います（5.6 参照）。

DOTV で試す読むだけより触ってみるのが早い：DOTV を開いて、このセクションの機能で AI動画を1本作ってみましょう。