音声モデル

VocalLabは4つの音声モデルを提供しています。使用するボイスは同じで、変わるのは表現力、対応言語、速度、コストです。ジェネレーター（音声設定 → モデル）でモデルを選択すると、その生成に適用されます。

4つのモデル

• VocalLab Studio — 最新のモデルで、Freeを含むすべてのプランで標準のモデルです。ステアリング対応で、[say quietly in a low tone] のような平易な英語の演技指示や、[laugh] のような非言語タグに従います（ボイスステアリングを参照）。さらに200以上の言語とロケールに対応しているため、主要15言語以外を扱う場合はこのモデルを使用します。
• VocalLab Studio Flash — Studioと同世代のモデルで、速度に最適化されています。話し始めるまでが約5倍高速で、コストはポイントの¾です。Studioと同じ200以上の言語に対応し、インスタントボイスクローンでも使えます。[laugh] のような非言語タグも引き続き読み取ります。できないのはステアリング指示に従うことです — 演技をディレクションしたい場合はStudioを使用してください。
• VocalLab Pro — 主要15言語で最も自然かつ高品質な読み上げになるよう調整されています。ステアリング指示には従わず、そのまま文字通り読み上げられるため、演技をディレクションしたい場合はStudioを使用してください。
• VocalLab Lite — より軽量で高速なモデルで、コストはポイント半分です。下書き、大量生成のジョブ、予算が重要な長尺音声に最適です。

言語カバレッジ

4つのモデルすべてが、同じ主要15言語をネイティブ話者レベルの品質でカバーしています。

アラビア語、中国語、オランダ語、英語、フランス語、ドイツ語、ヘブライ語、ヒンディー語、イタリア語、日本語、韓国語、ポーランド語、ポルトガル語、ロシア語、スペイン語。

• VocalLab ProとVocalLab Liteは、この主要15言語に対応しています。
• VocalLab StudioとVocalLab Studio Flashは、主要15言語に加えて、90以上の実験的言語と200以上の地域ロケールに対応しています。主要15言語以外ではこのモデルを使ってください。実験的言語はリサーチプレビューで、品質は良好ですが、主要15言語に比べて安定性が劣る場合があります。

ボイスクローンも同じ言語セットに対応しています。音声サンプルに合う言語を選ぶ（どの言語も名前で選べます）か、サンプルから自動検出を選ぶと、録音からモデルが判断します。

どれを使うべき？

• 感情、強調、特定の読み上げ方が欲しい？ → VocalLab Studio。
• 主要15言語に含まれない言語で生成する？ → VocalLab Studio（200以上に対応しているのはこれだけ）。
• 主要言語以外で大量に生成する、または早く仕上げたい？ → VocalLab Studio Flash。
• 最もクリーンで自然なデフォルトの読み上げが欲しい？ → VocalLab Pro。
• 大量に生成する、または下書きをしていてポイントを節約したい？ → VocalLab Lite。

提供状況とコスト

• 4つのモデルすべてがFreeを含むすべてのプランで利用できます。VocalLab Studio は初期設定で選択されており、音声設定 → モデルでいつでも切り替えられます。
• VocalLab Studio Flash はStudioとProの¾、VocalLab Lite は半分のポイントで課金されます。コストは常にテキストの長さに基づきます — クレジットと分数を参照してください。

APIとAIツールでの利用

APIとMCPサーバーは4つすべてのモデルを使用できます（APIとMCPへのアクセスはProプランとMaxプランに含まれます）。POST /api/v1/tts に model を渡します — v-studio、v-flash、v-pro、v-lite のいずれかです — または GET /api/v1/models を呼び出して一覧を取得します。model を省略した場合、APIは v-pro を使用するため、既存の連携はこれまでと同じ声のままです。アプリの標準設定を使うには v-studio を渡してください。APIリファレンスとMCPサーバーを参照してください。