概要
Alibaba Cloud Model Studioが提供する、統合音声生成向けのAudioGenモデル。テキスト、タイムスタンプ、参照音声を基に、人の声、効果音、環境音などを一度に生成する。単独話者の発話、複数人の対話、ポッドキャスト、映像向け音響、環境音や効果音に対応し、動画、映画・テレビ、ゲームなどの音声制作に利用できる。(alibabacloud.com)
機能と制限
- 入力はテキストと参照音声、出力は音声。対応言語は中国語と英語で、日本語は対応言語として記載されていない。
- テキストプロンプトは最大3,000文字。1リクエストの生成時間はポッドキャストで最大240秒、その他は最大120秒。
- 参照音声は最大3クリップ、各クリップ最大30秒・10 MB。形式はWAV、MP3、OGG Opusで、Raw PCMは参照音声として使用できない。
- 出力形式はWAV、MP3、PCM。非ストリーミング方式で、HTTPS APIから完成した音声ファイルを受け取る。(help.aliyun.com)
公開日
2026年9月21日。公式更新一覧の北京リージョンに同日付で掲載されている。シンガポールの一覧では2026年10月22日付で掲載されている。(alibabacloud.com)
料金
入力・出力トークンを別々に課金する通常価格。以下は2026年11月16日確認時点の公式掲載額であり、国内サイトと国際サイト、リージョンごとの料金は別条件である。為替換算はしていない。
- 中国国内サイト・北京:入力100万トークンあたり6 CNY、出力100万トークンあたり12 CNY。無料枠は100万トークンで、有効期間は百練の開通、モデル公開、利用申請承認のうち最も遅い日から90日。(help.aliyun.com)
- 中国国内サイト・シンガポール:入力100万トークンあたり6.781 CNY、出力100万トークンあたり5.104 CNY。(help.aliyun.com)
- 国際サイト・シンガポール:入力100万トークンあたり0.93 USD、出力100万トークンあたり1.87 USD。無料枠は100万トークンで、有効期間はサービス開通、モデル公開、利用申請承認のうち最も遅い日から90日。(alibabacloud.com)
- 国際サイト・北京:入力100万トークンあたり0.848 USD、出力100万トークンあたり1.696 USD。(alibabacloud.com)