CassetteAI

CassetteAIは、音楽、効果音、TTS向けの単一APIを提供します。サイトによると、開発者APIはJavaScript、Python、cURLで利用でき、オンデバイスアクセスのない開発者向けにホステッドAPIも利用できます。

音楽生成では、30秒のサンプルを2秒未満、3分のフルトラックを10秒未満で返すと説明されています。一方、SFX生成では最大30秒の音声を、およそ1秒の処理時間でレンダリングします。

サイトでは従量課金を説明しており、音楽は出力1分あたり0.02ドル、効果音は1生成あたり0.01ドルです。料金ページには、月次契約や開発者シートがないとも記載されています。

ホームページと料金に関する説明では、製品はエッジハードウェアまたはデバイス上で実行できるよう設計されており、ホステッドAPIも利用できると示されています。Aboutページでは、モデルがアプリバンドルに収まると説明し、低レイテンシーのストリーミングレスポンスを強調しています。

サイトではTTSモデルを「近日提供予定」とし、ウェイトリストにも言及しています。そのため、現在利用できるモダリティは音楽とSFXで、テキスト読み上げはまだ提供開始前です。