ブラックフライデーチャージボーナス
対象のチャージごとに無料クレジットが付き、他の特典とも併用できます。
11月30日まで
クローンした声は録音から始まります。1人がはっきり話す3〜15秒の音声です。一度 POST /v1/audio/voices にアップロードすれば voice_… というIDが得られます。そのIDを voice として POST /v1/audio/speech に渡せば、どんなテキストもその声で、モデルが話すあらゆる言語で返ってきます。声の保存は無料です。料金がかかるのは、その声で生成した音声だけで、1分あたり$0.036、テキスト読み上げAPIでプリセットの声を使う場合と同じです。
AI エージェントに任せる
このプロンプトを Claude Code、Cursor、Codex などのコーディングエージェントに貼り付けてください。ドキュメントの場所と API キーの使い方をエージェントに伝えます。
Clone a voice with the Lovely Router voices API and use it for speech. - Docs (read first): https://lovelyrouter.com/docs/api/audio.md and https://lovelyrouter.com/docs/models/speech.md - Save a voice once with POST https://lovelyrouter.com/v1/audio/voices (a short clean sample, `consent: true` = I confirm I may use this voice), then pass its id as `voice` to POST https://lovelyrouter.com/v1/audio/speech. A one-off clone can send `reference_audio` with the speech request instead. - Only clone voices I have the right to use; ask me to confirm before saving one. - Auth: read my API key from the LOVELY_API_KEY environment variable and send it as `Authorization: Bearer $LOVELY_API_KEY`. Never print or commit the key. If it is not set, ask me to create one at https://lovelyrouter.com/app/keys. - Billing is prepaid: every call is charged to my balance, so test with a small request before running anything large. - Every docs page is plain Markdown; the full index is https://lovelyrouter.com/llms.txt. My task: <the voice sample, whose voice it is and what it should say>
うまくクローンできるサンプルを録音する
サンプルが入力のすべてです。その品質がそのままクローンの品質になります。
: 3〜15秒の発話。
、はっきり話し、音楽も背後に別の声もないこと。
transcript として送ります。Qwen3-TTSはトランスクリプトがあるとより忠実にクローンします。ない場合は声の響きだけを合わせます。ZONOS2には不要です。
: WAV、MP3、M4A、OGG/Opus、FLAC、WebM、最大10 MB。
クローンしてから話す
声を保存する
クリップはmultipartの
fileとして、またはaudioにhttpsかdata:URLを設定したJSONとして送ります。consent: trueが必須です。cURLcurl https://lovelyrouter.com/v1/audio/voices \ -H "Authorization: Bearer $LOVELY_API_KEY" \ -F name="Narrator" \ -F transcript="Thanks for listening. See you next week on the show." \ -F consent=true \ -F file=@narrator.wav応答は
201で、voiceオブジェクトを返します。JSON{ "id": "voice_8f2c4a1e9b7d3f60a5c2e1d4", "object": "voice", "name": "Narrator", "transcript": "Thanks for listening. See you next week on the show.", "type": "audio/wav", "bytes": 482044, "audio_url": "https://lovelyrouter.com/v1/audio/voices/voice_8f2c4a1e9b7d3f60a5c2e1d4/audio", "created_at": 1792915200 }その声で話す
どちらのモデルでも、IDを
voiceとして使います。qwen3-ttsではinstructionsを追加して、クローンした声の話し方を変えられます。Pythonimport os from openai import OpenAI client = OpenAI(base_url="https://lovelyrouter.com/v1", api_key=os.environ["LOVELY_API_KEY"]) with client.audio.speech.with_streaming_response.create( model="qwen3-tts", voice="voice_8f2c4a1e9b7d3f60a5c2e1d4", input="Today we talk about the history of tea.", instructions="Relaxed, like the start of a podcast", ) as response: response.stream_to_file("episode.mp3")あるいは別の言語で話す
同じ保存済みの声が、そのモデルが話すあらゆる言語で機能します。短いテキストには
languageを設定します。Node.jsimport fs from 'node:fs'; import OpenAI from 'openai'; const client = new OpenAI({ baseURL: 'https://lovelyrouter.com/v1', apiKey: process.env.LOVELY_API_KEY }); const audio = await client.audio.speech.create({ model: 'zonos2', voice: 'voice_8f2c4a1e9b7d3f60a5c2e1d4', input: 'Merci de nous avoir écoutés. À la semaine prochaine !', language: 'fr', emotion: 'happy', }); fs.writeFileSync('outro-fr.mp3', Buffer.from(await audio.arrayBuffer()));
どのエンジンでクローンするか
どちらのモデルも同じ保存済みの声からクローンするので、一方を試してから、再アップロードなしで切り替えられます。
zonos2は忠実なクローンを作り、トランスクリプトを必要としません。40以上の言語を話し、英語・中国語・日本語が最も得意で、44.1 kHzです。emotionフィールドで、声はそのままに話し方を変えられます。qwen3-ttsはサンプルにtranscriptがあるとより忠実にクローンし、instructionsに平易な言葉で書いてクローンした声を操れます。10言語を24 kHzで話します。
保存した声か、単発のクリップか
| 保存した声 | 単発のクリップ | |
|---|---|---|
| 方法 | POST /v1/audio/voices の後、voice: "voice_…" | 音声リクエストの reference_audio |
| クリップ | 一度アップロードし、削除するまで保持 | リクエストごとに送信: https URL、data: URL、またはbase64 |
| トランスクリプト | 声の transcript | リクエストの reference_text |
| 同意 | 保存時に consent: true | 毎リクエストで consent: true |
| 向いている用途 | ナレーター、ブランドの声、繰り返し使うキャラクター | サンプルの試用、保存したくない声 |
curl https://lovelyrouter.com/v1/audio/speech \
-H "Authorization: Bearer $LOVELY_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "qwen3-tts",
"input": "This line is spoken in the voice from the clip.",
"reference_audio": "https://example.com/sample.wav",
"reference_text": "Hi, this is a short sample of how I speak.",
"consent": true
}' \
--output line.mp3reference_audio は同じリクエスト内で voice と併用できません。
声を管理する
| リクエスト | 動作 |
|---|---|
GET /v1/audio/voices | 保存した声を新しい順に |
GET /v1/audio/voices/{id} | 1つの声。別アカウントの声は 404 を返す |
GET /v1/audio/voices/{id}/audio | アップロードしたままのサンプルをダウンロード |
PATCH /v1/audio/voices/{id} | 名前か transcript を変更 |
DELETE /v1/audio/voices/{id} | 声とサンプルを完全に削除 |
保存した声は無料で、アカウントだけに公開され、削除するまで保持されます。アカウントあたり最大100件です。
設計した声を残す
安定した声を得るのに、実在の人物の録音は必要ありません。voice を使わずに instructions で qwen3-tts に声を描写すると、その説明に合わせて新しい声を設計します。設計された声は毎回少しずつ変わるので、良いと思ったらその音声を POST /v1/audio/voices で保存し、以後はそのIDを使ってください。以降のすべてのセリフが同じ話者のままになります。
動画キャラクター用の声
保存した声は保存済みキャラクターに紐づけられます。動画ショットでは、声を持つタグ付きキャラクターがその声で、音色・ピッチ・話し方までそのままにセリフを話します。1ショットにつき最大3人の声付きキャラクターです。ライブ動画も音声クリップを受け付けます。ライブ動画APIはストリーム全体を通して1人の話者の声を保ちます。
同意と責任
すべてのクローンには、保存した声でも単発のリクエストでも consent: true が必要です。これにより、その声が自分のものであるか、クローンする話者の許可を得ていることを確認し、使い方に責任を持ちます。人を欺いたりなりすましたりするために声をクローンしないでください。利用ポリシーがすべてのリクエストに適用されます。
よくある質問
声のサンプルはどのくらいの長さにすべきですか?+
1人がはっきり話す、音楽なしの3〜15秒です。qwen3-tts で最も忠実にクローンするには、クリップの内容を transcript として送ってください。
声のクローンにはいくらかかりますか?+
声の保存は無料です。クローンした声での音声は1分あたり$0.036で、秒単位で課金され、他の声と同じです。
クローンした声は他の言語を話せますか?+
はい。保存した声はそのモデルが話すあらゆる言語で機能します。qwen3-tts は10言語、zonos2 は40以上です。
声はいくつ保存できますか?+
アカウントあたり最大100件です。アカウントだけに公開され、削除するまで保持されます。
声をクローンするのに同意は必要ですか?+
はい。保存する声と単発のクリップのすべてに consent: true が必要で、声が自分のものか、話者の許可を得ていることを確認します。
クローンした声の感情を変えられますか?+
はい。zonos2 では emotion を設定し、qwen3-tts では instructions で話し方を描写します。話者は変わりません。
音声ガイドにはさらに例があり、音声APIリファレンスにはすべてのフィールドとエラーがあります。