短い返答への対応
「はい」「わかりました」「少々お待ちください」などの短いドイツ語の返答を、同じ音声で明瞭かつ一貫して生成できるよう設計されています。
細部が重要な音声インタラクション向け音声合成
Kugel 3.5は、KugelAudioが音声エージェントや電話応対向けに開発した音声合成モデルです。短い返答、名前や地名の発音、発信者が応答する時間を確保するポーズ、文字単位で読み上げる必要があるコードなど、通話者とのやり取りに影響する細部に重点を置いています。
このモデルは、Kugel 3で使用されている音声、言語、辞書、APIを引き継いでいます。文書化された設定方法は、ダッシュボードでKugel 3.5を選択するか、APIリクエストでmodel_idをkugel-3-5に設定することです。製品ページには正確な識別子としてkugel-3.5が記載されています。料金はVAT別で音声1分あたり€0.0525、秒単位で課金され、表示されているKugel 3の料金より25%低く設定されています。
主な機能
IPA発音辞書
発音辞書にIPA表記を追加すると、綴りから推測するのではなく、指定した発音に従って名前、ブランド名、地名を読み上げます。
タイミング付きポーズ
breakタグを使うと、次の文の前にポーズを挿入できます。製品ページでは、発話中のポーズが指定した長さに近く保たれると説明されています。
コードの文字単位読み上げ
注文番号、ナンバープレート、予約コードをspellタグ内に配置すると、各文字を分けて、記載順に読み上げます。
Kugel 3との互換性
Kugel 3.5は、Kugel 3に関連付けられた音声、言語、辞書、APIを継承しているため、文書化された移行方法では、連携を再設計するのではなくモデル識別子を変更します。
秒単位の課金
音声は分単位で価格設定され、秒単位で課金されます。Kugel 3.5の表示料金は、VAT別で1分あたり€0.0525です。
実用的な用途
音声エージェントの通話ターン
発音や話し方を導くために長いテキストコンテキストに頼ることなく、自動応答で簡潔な確認、了承、発話交代のフレーズを生成します。
名前とブランド用語
発音辞書の項目を使用し、綴りから推測するのではなく、指定したIPA表記に従って顧客名、会社名、製品名、地名を読み上げます。
会話のペース調整
通話中に発信者が考えたり、質問に答えたり、指示に従ったりする時間が必要な場合、次の文の前に指定したブレークを挿入します。
取引コード
spellタグを使って、注文番号、予約番号、ナンバープレートなどの識別子を1文字ずつ読み上げます。
Pros and Cons
Pros
- 短い返答、発音辞書、タイミング付きポーズ、スペルアウトされたコードなど、音声エージェントに実用的な細部を対象としています。
- Kugel 3の音声、言語、辞書、APIを継承しており、移行方法としてモデルIDを変更する手順が文書化されています。
- VAT別で音声1分あたり€0.0525、秒単位で課金され、Kugel 3より25%低い料金として表示されています。
- 公開されたベンチマーク結果では、短いドイツ語の返答、IPA発音、ポーズのタイミング、スペルアウトされたコードについて、Kugel 3を上回る改善が示されています。
Cons
- 利用可能な製品資料には、出力形式、認証、リクエストとレスポンスのスキーマ、クォータ、デプロイ手順が記載されていません。
- 公開されているベンチマークの強力な根拠は、ドイツ語と英語の発音および電話応対の細部に重点を置いており、より広範な言語やワークフローへの対応範囲は明記されていません。
- Enterprise向けの料金とより高い同時実行数のオプションは別途扱われていますが、上限やアカウント管理の詳細は提供されていません。
FAQ
Kugel 3.5とは何ですか？
Kugel 3.5は、音声エージェントや電話応対向けのKugelAudioの音声合成モデルです。短い返答、IPA発音、タイミング付きポーズ、コードの文字単位での読み上げに重点を置き、Kugel 3で使用されている音声、言語、辞書、APIを継承しています。
Kugel 3.5の利用を開始するにはどうすればよいですか？
APIリクエストでmodel_idをkugel-3.5に設定するか、ダッシュボードのモデル一覧からKugel 3.5を選択します。製品ページによると、既存の音声、言語、辞書、breakタグ、spellタグはこれまでと同じように使用できます。
Kugel 3.5の料金体系を教えてください。
Kugel 3.5の料金はVAT別で音声1分あたり€0.0525、秒単位で課金されます。表示価格は、VAT別で1分あたり€0.07のKugel 3より25%低く設定されています。その他のEU諸国の消費者には現地のVAT税率が適用され、支払い前に表示されます。
発音、ポーズ、コードにはどのような制御機能がありますか？
このモデルは、発音辞書へのIPAエントリ、指定したポーズ用のbreakタグ、コードの文字単位読み上げ用のspellタグに対応しています。モデルの選択以外のリクエスト・レスポンス形式、出力形式、デプロイ手順については、情報源に記載されていません。
Kugel 3.5はすべてのアカウントで利用できますか？
KugelAudioによると、Kugel 3.5はすべてのアカウントで利用できます。Enterpriseプランは料金ページで別途設定されていますが、参照可能な情報源には、アカウントのクォータ、同時実行数の上限、チーム管理機能の詳細は記載されていません。
Quick Facts
- カテゴリ
- 音声合成API
- プロバイダー
- KugelAudio
- 主な用途
- 音声エージェントと電話応対
- モデル識別子
- kugel-3.5
- 料金
- 音声1分あたり€0.0525、VAT別、秒単位で課金
- 利用可能状況
- すべてのアカウントで利用可能。Enterpriseプランは別料金
Kugel 3.5の代替品
Fylom
Fylomは、トピックや質問をリサーチ済みのナレーション付きエピソードに変換するAIポッドキャスト生成ツール。入力・音声プロンプト、声の選択、定期配信型の番組視聴に対応。
Gemini 3.8 Text-to-Speech
Gemini 3.8 Text-to-Speechは、台本をカスタマイズ可能な音声に変換するGoogleの表現力豊かな音声モデル。声の設計や行ごとの演出、コンテンツ・吹き替え・音声エージェント向けの会話生成に対応。
Gemini 3.1 Flash TTS
Gemini 3.1 Flash TTSは、表現力の高いAI音声を生成し、スタイルや話し方を細かく制御できるGoogleのプレビュー音声合成モデルです。Gemini API、Google AI Studio、Vertex AI、Google Vidsで利用できます。
蓝藻AI
蓝藻AIは、テキストを音声に変換できるオンラインAI音声合成・配音ツールです。自助式の音声クローンにも対応し、短編動画やオーディオブックのナレーションに最適です。
Ondoku
Ondokuは、ブラウザで使える文字起こし・音声化ソフトです。テキストを.mp3でダウンロードでき、無料枠と有料プラン、多言語読み上げ、画像読み上げ、条件付き商用利用に対応します。
Typecast
Typecastは、テキストを感情豊かな自然な音声に変換するオンラインAI音声生成ツールです。高精細な音声をブラウザで手軽に作成できます。