注意点も正直に書く↓
【まだ全員は使えない】
順次展開中。エージェント設定に「Voice mode」が出なければ、まだ使えない。
【クローンの中身】
・中身は複数の個別モデルをつないだカスケード構成(公式FAQ)。中のLLMや音声モデルは選べない
・自分のクローン声が使えるかは公式に明記なし
・日本語の品質は自分の用途で要検証
【数字とコスト】
・0.57秒は公式の平均値。電話回線での実力はまだ未公表
・料金は分単位(追加1分0.08ドル)+トークン課金。MaxはMiniより高い
・Realtime APIはWebSocket接続のみ
【使う側のマナー】
AIだと伝えて使う。他人の声を無断で使わない。
クローンはすごい。でも最後に責任を持つのは、いつだって人間側。