入力音声の声をリアルタイムで抽出するか、事前に作成した音声を使用するよう設定し、事前作成音声の API を参照します。
qwen3.8-livetranslate-flash-realtime と qwen3.5-livetranslate-flash-realtime は、翻訳中に入力音声から声を抽出するか、事前に作成した固定音声を使用できます。リアルタイム音声クローニングに追加のクローニング料金はかかりません。音声の事前作成には別途料金がかかります。モデル呼び出しは引き続きトークン使用量で課金されます。詳しくは、課金をご覧ください。
セッションの設定
session.update で enable_voice_clone、voice_clone_options.frequency、voice を設定します。次の例は WebSocket 経由で qwen3.8-livetranslate-flash-realtime を使用します。qwen3.5-livetranslate-flash-realtime では、output_modalities を modalities に置き換えてください。その他の音声クローニングパラメーターは同じです。
| メソッド | frequency | voice | 説明 |
|---|---|---|---|
| リアルタイムで 1 回クローン | once | default | セッション開始時に入力音声から声を 1 回抽出し、その後の出力で再利用します。 |
| リアルタイムで継続的にクローン | always | default | 各出力の前に入力音声から声を抽出します。複数人の対話に適しています。 |
| 事前に作成した音声を使用 | never | 事前に作成した音声の ID | 今回の翻訳中に新しい声を抽出せず、事前に作成した固定音声を使用します。 |
frequency が once または always の場合、voice は default にする必要があります。事前作成音声の対象モデルは、セッションモデルと一致する必要があります。
1 回のみのリアルタイムクローニング
{
"type": "session.update",
"session": {
"output_modalities": ["text", "audio"],
"voice": "default",
"translation": {"language": "en"},
"enable_voice_clone": true,
"voice_clone_options": {"frequency": "once"}
}
}
継続的なリアルタイムクローニング
{
"type": "session.update",
"session": {
"output_modalities": ["text", "audio"],
"voice": "default",
"translation": {"language": "en"},
"enable_voice_clone": true,
"voice_clone_options": {"frequency": "always"}
}
}
事前作成音声の使用
{
"type": "session.update",
"session": {
"output_modalities": ["text", "audio"],
"voice": "VOICE_ID",
"translation": {"language": "en"},
"enable_voice_clone": true,
"voice_clone_options": {"frequency": "never"}
}
}
事前作成音声の作成
事前作成音声の作成 API を使用します。target_model は、その後の翻訳セッションで使用するモデルと一致する必要があります。
リクエストボディ
フィールドの定義は、事前作成音声 APIをご覧ください。
リクエストの例
リクエストとレスポンスの完全な例は、事前作成音声の作成をご覧ください。
事前作成音声の削除
事前作成音声の削除 API をご覧ください。
その他の対話手順は、リアルタイム音声・映像翻訳をご覧ください。