NodaroAccount
Nodaro ドキュメント
ドキュメントノードリファレンスモデルテンプレートAI エージェント(MCP)開発者向けセルフホスティングリサーチ比較
オーディオモデル

オーディオモデル

Nodaro で実行できるすべてのオーディオモデルと、それぞれの機能とクレジット料金の一覧です。

Nodaro では 24 個のオーディオモデルを実行できます。各行のリンク先ページで、モデルの設定、クレジット料金、プロンプトのコツを確認できます。

ElevenLabs

モデル開発元モードクレジット詳細
ElevenLabs v3ElevenLabsテキストから音声5 から表現力の高い ElevenLabs のテキスト音声モデルで、感情や話すテンポを指定する[オーディオタグ]に対応しています。ElevenLabs の API を直接使います。
ElevenLabs v4ElevenLabsテキストから音声5 からテキストから音声を生成する ElevenLabs の最新モデルで、[オーディオタグ]、安定性と類似度の調整に対応し、1 回のリクエストで最大 10,000 文字まで扱えます。ElevenLabs の API を直接使います。
ElevenLabs v4 TurboElevenLabsテキストから音声3 から忠実度と引き換えに、より速く、より安く使える ElevenLabs v4 で、[オーディオタグ]、安定性と類似度の調整に対応し、料金は Turbo と同じです。品質を重視するなら v4 を選んでください。ElevenLabs の API を直接使います。
ElevenLabs Turbo v2.5ElevenLabsテキストから音声3 からElevenLabs の API を直接使って、高速かつ安価にテキストから音声を生成します。ナレーションに向いています。
ElevenLabs Multilingual v2ElevenLabsテキストから音声5 からElevenLabs の API を直接使って、多言語でテキストから音声を生成します。
ElevenLabs Dialogue v3ElevenLabs複数話者の会話5 からElevenLabs の API を直接使って複数話者の会話を作るモデルで、台本を渡すと役ごとに声を当てます(既製のボイス、ライブラリのボイス、クローンしたボイスのどれでも使えます)。
ElevenLabs Dialogue v4ElevenLabs複数話者の会話5 からElevenLabs v4 による複数話者の会話で、[オーディオタグ]、安定性と類似度の調整に対応しています。ElevenLabs の API を直接使います。
ElevenLabs Voice DesignElevenLabsボイスデザイン55説明文から合成ボイスをデザインします(リファレンスのクリップは不要です)。
ElevenLabs Voice ChangerElevenLabsボイスチェンジャー44音声から音声への変換で、韻律(抑揚やリズム)を保ったまま、ある声を別の声に変えます。
ElevenLabs STTElevenLabs文字起こし25単語単位のタイムスタンプ(常にオン)、話者の識別、効果音イベントのタグ付きで文字起こしをします。文字起こしを字幕に使うときは、このエンジンを選んでください。
ElevenLabs Voice IsolationElevenLabs音声の分離82ボーカルトラックから、背景のノイズや音楽を取り除きます。
ElevenLabs DubbingElevenLabs吹き替え44オーディオや動画全体を別の言語に翻訳して吹き替え、動画を入力すると吹き替えた動画が出力されます。処理は非同期です。
ElevenLabs Dubbing v2ElevenLabs吹き替え1,210オーディオや動画全体を別の言語に翻訳して吹き替え、動画を入力すると吹き替えた動画が出力されます。処理は非同期です。
ElevenLabs Forced AlignmentElevenLabs強制アライメント33既存の文字起こしをオーディオに合わせ、単語単位のタイムスタンプを付けます。
ElevenLabs Sound EffectsElevenLabs効果音2 からテキストのプロンプトから短い効果音を生成します。

OpenAI

モデル開発元モードクレジット詳細
Incredibly Fast WhisperOpenAI文字起こし44Whisper による高速な文字起こしです。指定すると単語単位のタイムスタンプを返すため、その文字起こしを字幕に使えます。
WhisperOpenAI文字起こし44Whisper による文字起こしで、返すのはフレーズ単位のセグメントのみ、単語のタイムスタンプはありません。文字起こしや静的な字幕には十分ですが、単語ごとにタイミングを合わせる(キネティックな)字幕には向きません。

NVIDIA

モデル開発元モードクレジット詳細
Nemotron 3.5 TranscribeNVIDIA文字起こし4NVIDIA による 40 言語の音声の文字起こしで、言語は自動で検出され、単語の誤り率が低いのが特長です。指定すると単語ごとに話者ラベルを付けた単語単位のタイムスタンプを返すので文字起こしを字幕に使えるほか、文字起こしの代わりに音声を翻訳することもでき(英語への翻訳か英語からの翻訳で、ほかの言語の音声は英語に、英語の音声は 31 言語のいずれかに訳します)、その場合は単語のタイミングは付きません。ファイルは最大 60 分、200 MB までです。料金はオプションにかかわらず、ファイルの長さを 1 分単位(端数は切り上げ)で数えて決まり、掲載の料金は 4 分の場合です。

Suno

モデル開発元モードクレジット詳細
Suno v4Suno音楽33Suno v4 による音楽生成で、ボーカル入りのフルソングをさまざまなジャンルで作ります。
Suno v5Suno音楽33Suno v5 は、v4 よりボーカルの品質が高く、対応するジャンルも増えています。料金は同じです。
Suno v5.5Suno音楽33Suno v5.5 は、v5 より音質と表現力が向上しています。
Suno V6Suno音楽33Suno V6 は、より自然なボーカルと豊かなディテールで、音楽表現がさらに向上しています。フラッグシップで、デフォルトのモデルです。
Suno V6 WildSuno音楽33Suno V6 Wild は創造性の限界を押し広げ、より大胆で個性的な音楽表現を目指すモデルで、結果のばらつきが大きく、予測しにくくなります。
Suno V6 MiniSuno音楽33Suno V6 Mini は、軽量かつ高速で、品質と速度のバランスが取れており、手軽に制作できます。

最終更新