CassetteAI メディアギャラリー
🎬
まだメディアはありません

CassetteAIとは何ですか？

CassetteAIは、開発者やクリエイター向けの生成オーディオモデルを提供しています。音楽モデルは、ムード、ジャンル、参考例を記述したプロンプトからトラックを生成します。効果音モデルは、記述されたイベントから100ミリ秒から12秒の短いクリップを作成します。

サイトではモデルの低レイテンシ動作をうたい、44.1 kHzのステレオ音声を出力するとしています。サインアップ不要のライブプレイグラウンドも利用できます。ボイスクローニングと感情タグに対応した音声合成という第3のモダリティは近日公開予定と記載されています。

サイトにはブログと、ビジネスに関するお問い合わせ用のページへのリンクもあります。料金は従量課金制で、音楽は出力1分あたり0.02米ドル、効果音は1回の生成につき0.01米ドルです。CassetteAIのモデルはfal.ai経由でも利用可能と記載されています。

利点と欠点

利点

  • APIとプレイグラウンドを通じて、テキストプロンプトから音楽と効果音を生成できます。
  • 44.1 kHzのステレオ音声を出力し、プレイグラウンドはサインアップなしで試せます。

欠点

  • 音声クローンを使ったテキスト読み上げは近日公開予定で、まだ利用できません。

よくある質問

現在、価格情報は利用できませんので、CassetteAIのウェブサイトをご確認ください。

最新の情報によると、残念ながらこのツールには現在生涯契約がないようです。

音楽モデルは、雰囲気、ジャンル、または参考となるものを説明したプロンプトからトラックを生成します。効果音モデルは、説明した出来事から100ミリ秒から12秒までの短いクリップを生成します。サイトでは出力を44.1 kHzのステレオ音声としています。

サイトによると、モデルはAPIとライブのプレイグラウンドを通じて提供されています。プレイグラウンドはサインアップ不要なので、製品に組み込む前に生成を試せます。掲載情報では、fal.aiからもモデルを利用できるとされており、これも利用経路の一つです。

掲載情報によると、まだです。音声クローンと感情タグに対応した3つ目のテキスト読み上げモードは「近日公開」とされており、掲載時点では利用できません。プロジェクトを計画する前に、最新のリリース状況を公式サイトで確認してください。

サイトではモデルが低遅延で動作すると紹介されており、短い生成なら素早く結果が得られることが示唆されています。掲載情報には具体的な応答時間がないため、導入を決める前に公式サイトを確認するか、プレイグラウンドで自分のワークフローに合う速度かを試してください。

CassetteAI の比較