ブラックフライデーチャージボーナス·$50以上のチャージで$10プレゼント · $100以上のチャージで$25プレゼント·11月30日までチャージ →
テキスト読み上げ

3〜15秒のクリップから声をクローンする音声クローンAPI

短い録音から声をクローンし、一度保存すればQwen3-TTSやZONOS2でどんなテキストもその声で話せます。保存した声は無料、音声は分単位の課金です。

最終更新日 2026-11-05

プリペイド、サブスクなしREST でも MCP でもモデル・データ・エージェントを 1 つのキーで
voices$ curl https://lovelyrouter.com/v1/audio/voices -F sample=@me.wav -… ✓ voice saved · voc_…$ curl https://lovelyrouter.com/v1/audio/speech -d '{"voice": "voc_… any text, in your voice ✓ 200 OK
ブラックフライデー

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

$50をチャージ
+$10
20%ボーナス
$100をチャージ
+$25
25%ボーナス
登録して受け取る

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>
01

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。

長さ

: 3〜15秒の発話。

話者は1人

、はっきり話し、音楽も背後に別の声もないこと。

話している言葉。

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。

フォーマット

: WAV、MP3、M4A、OGG/Opus、FLAC、WebM、最大10 MB。

02

クローンしてから話す

  1. 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。

    cURL
    curl 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
    }
  2. 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。

    Python
    import 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")
  3. 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.js
    import 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()));
03

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。
04

保存した声か、単発のクリップか

search_toolsrun_toolget_run
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
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.mp3

reference_audio は同じリクエスト内で voice と併用できません。

05

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。

06

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。

07

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。

09

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。

モデル・データ・エージェントを 1 つのプリペイドキーで

サブスクリプションなし。チャージして必要な分だけ使い、すべての請求をログで確認できます。