Langsung ke konten
CSuite
Fitur · Audio

Suara, musik, dan efek: dalam satu panel.

Narasikan naskah dengan suara yang alami, beri iringan musik hasil generasi, lalu tambahkan efek suaranya: tiga jenis pembuatan audio dalam satu ruang kerja, dengan editor gelombang suara bawaan untuk merapikannya. Ruang kerja yang sama juga mentranskripsikan rekaman atau soundtrack video menjadi teks dan subtitle. Model cloud berjalan dengan kunci API Anda sendiri, ucapan dan transkripsi bisa berjalan sepenuhnya offline, dan pengeditan berjalan secara lokal di perangkat Anda.

Pilih

Tiga jenis suara, satu pemilih.

Ganti composer antara ucapan, musik, dan efek suara. Pemilih model hanya menampilkan model yang mendukung jenis yang aktif, dan setiap kategori menyimpan default-nya sendiri, termasuk Auto. ElevenLabs untuk narator yang hangat, Lyria untuk musik latar, SFX 1.5 untuk foley: satu kunci API per platform (Runware, OpenRouter, atau Replicate) membuka semuanya, kunci dari vendor seperti OpenAI, Google, atau ElevenLabs menambahkan model milik vendor itu sendiri, dan Supertonic TTS berbicara secara offline tanpa kunci sama sekali. Jenis keempat, Transkripsi, mengalihkan pemilih ke model ucapan ke teks seperti Whisper, GPT-4o Transcribe, dan Scribe v2.
Ucapkan

Naskah masuk, narasi keluar.

Tempel naskahnya, pilih model dan suara, lalu hasilkan. Suara berasal dari daftar suara milik setiap model, dengan kontrol per suara (kecepatan, stabilitas, kemiripan) pada model yang menyediakannya. Tekan tombol putar di samping pemilih untuk mendengarkan suara sebelum memakainya untuk seluruh naskah: dengaran pertama hanya memakan sepersekian sen, dan setiap dengaran berikutnya tersimpan di cache dan gratis. Pada model yang mendukung kloning, berikan sampel beserta transkripnya, dan model akan membacakan naskah Anda dengan suara itu.Klip di bawah mockup adalah hasil asli ElevenLabs v3 dari CSuite tanpa retouch. Tekan putar. Prompt di bilah adalah naskah persis yang dibacakannya.
Hasil asli · ElevenLabs v3narration.mp3
0:00 / 0:10
Gubah

Gambarkan suasananya, dapatkan musiknya.

Instrumentasi, tempo, tekstur: jelaskan seperti brief untuk musisi sesi, dan model akan menggubahnya. Lyria 3 juga menerima gambar referensi, jadi mood board bisa menentukan nuansanya, dan pada Music 2.6 serta ACE-Step v1.5, kolom Lirik yang terpisah menjaga kata-kata Anda persis seperti yang ditulis. Urusan royalti tidak akan membayangi Anda: ini hasil generasi Anda, dibuat dengan kunci Anda.Klip 30 detik di bawah adalah komposisi asli Lyria 3 dari prompt persis yang ditampilkan, brief yang sama yang dijawab setiap model musik di katalog pada halaman detailnya.
Hasil asli · Lyria 3ambient.mp3
0:00 / 0:30
Foley

Efek suara sesuai permintaan.

Pintu yang dibanting, suasana hutan, dengung proyektor: jelaskan suaranya alih-alih mengubek-ubek pustaka sampel, atau berikan video sumber ke SFX 1.5 dan model akan membuat suara yang pas dengan gambarnya. Masukkan hasilnya langsung ke komposisi video atau ekspor untuk editor Anda.Di bawah ini ada hasil asli SFX 1.5 dari prompt yang ditampilkan, yaitu pintu kayu berat di lorong batu.
Hasil asli · SFX 1.5impact.mp3
0:00 / 0:10
Transkripsi

Rekaman masuk, transkrip keluar.

Ganti jenisnya ke Transkripsi, lalu unggah atau taruh file audio atau video, dan CSuite akan mengambil soundtrack dari video itu untuk Anda. Model menulis file teks di samping rekaman, plus file subtitle SRT jika model mengembalikan stempel waktu. Transkrip tampil di bawah pemutar, dan mengklik baris yang berstempel waktu akan melompatkan pemutaran ke momen itu. Whisper Base, Small, dan Large V3 Turbo berjalan di perangkat Anda sendiri tanpa kunci, dan Scribe v2 dengan kunci ElevenLabs Anda bisa memberi label pada setiap pembicara.Pada model yang membaca petunjuk, seperti Whisper dan GPT-4o Transcribe, kotak prompt menerima nama dan istilah khusus agar ejaannya keluar dengan benar.
Sempurnakan

Ketik idenya, dapatkan brief lengkapnya.

Untuk musik dan efek, tekan tongkat ajaib dan model teks Anda sendiri mengubah satu baris menjadi brief lengkap: pertama tentang apa lagunya, lalu genre, instrumentasi, tempo, dan suasana. Lirik ditempatkan di mana pun model membacanya. Ucapan tidak punya tongkat ajaib, karena teks yang Anda ketik itulah yang diucapkan.Musik ditagih per generasi, jadi versi yang Anda buang adalah bagian yang mahal.
Edit

Rapikan tanpa meninggalkan aplikasi.

Editor gelombang suara yang terpasang di pemutar menangani perapian yang biasa, tanpa perlu mengekspor ke alat lain. Setiap edit di-render secara lokal di perangkat Anda dan disimpan di file aslinya atau sebagai salinan baru, dengan format file yang sama sehingga MP3 yang dipotong tetap menjadi MP3.

Potong ke versi yang pas

Buang bagian hening di kedua ujung rekaman, atau ambil satu versi yang bersih dari sesi yang panjang. Seret pegangan pada gelombang suara, dan semua yang di luar pilihan akan dibuang.

Fade in, fade out

Beri musik latar hasil generasi awal dan akhir yang mulus sebelum diletakkan di bawah narasi. Atur panjang fade-nya, dan kurvanya diterapkan ke gelombang suara.

Perbaiki levelnya

Narasi yang pelan di samping musik latar yang keras adalah masalah mixing yang paling umum. Naikkan atau turunkan volume klip sampai levelnya pas.

Ubah kecepatannya

Ubah rekaman kuliah 42 menit menjadi 28 menit pada 1,5×, atau perlambat versi yang terlalu cepat. Durasinya ikut diperbarui sesuai kecepatan.

Konversi formatnya

Berikan WAV atau FLAC lossless ke editor Anda, atau kecilkan sebuah sesi menjadi MP3 atau OGG untuk dibagikan. Pilih targetnya, dan file ditranskode langsung dari file sumber, tanpa bolak-balik lossy di antaranya.
Komposisi

Bukan sekadar klip, tapi episode utuh.

Komposisi adalah mode kreasi kedua untuk podcast, wawancara, dan cerita bernarasi: tulis naskah, beri setiap pembicara suaranya sendiri, campurkan musik dan efek suara di bawahnya pada linimasa multitrack, lalu ekspor satu file MP3, M4A, atau WAV. Naskah, pemeran, dan mixer dibahas lengkap di halaman komposisi.
Ruang kerja

Perlengkapan lain di bilik rekaman.

Hal-hal kecil di sekitar tombol hasilkan: mendengarkan suara lebih dulu, mengetahui harganya, dan kembali ke prompt yang berhasil.

Dengarkan suara lebih duluPutar suara mana pun di daftar langsung dari pemilih sebelum Anda memakainya untuk naskah. Dengaran pertama memakan sepersekian sen, setiap dengaran berikutnya tersimpan di cache dan gratis, dan di Supertonic TTS setiap pratinjau gratis karena dibuat di perangkat.
Kloning suaraPada model yang mendukungnya, lampirkan sampel beserta transkripnya, dan model akan membacakan naskah Anda dengan suara itu alih-alih suara preset.
Tulis brief dengan AIUntuk musik dan efek, ketik intinya lalu tekan tongkat ajaib: model teks Anda mengembangkannya menjadi subjek, genre, instrumentasi, tempo, dan suasana, sekaligus menulis liriknya pada model yang bernyanyi dari prompt. Ucapan dibiarkan apa adanya, karena teks itulah yang diucapkan.
Ketahui biayanya lebih duluComposer menampilkan perkiraan harga sebelum Anda menghasilkan (per klip untuk musik, dari jumlah karakter yang terus diperbarui untuk ucapan), dan baris status melacak prosesnya.
Pakai lagi yang berhasilPrompt terbaru tampil sebagai chip di atas composer, dan setiap klip yang dihasilkan mengingat model dan pengaturan di baliknya, yang bisa dimuat ulang dengan sekali klik.
File tetap milik AndaKlip adalah file biasa di folder proyek Anda. Seret rekaman ke dalamnya, saring daftar panjang berdasarkan nama, dan buka atau cadangkan dengan alat apa pun yang Anda suka.
Katalog

Model & penyedia yang tersedia.

Setiap model audio di katalog ada di sini, mencakup teks ke ucapan, musik, efek suara, dan ucapan ke teks. Model-model ini berjalan di cloud melalui Runware, OpenRouter, dan Replicate, atau langsung dari vendor seperti OpenAI, Google, ElevenLabs, dan lainnya, dengan kunci Anda sendiri, serta di perangkat melalui runtime Hugging Face bawaan. Setiap model yang menghasilkan audio punya klip contoh asli di halaman detailnya.

OpenAICloud · kunci API Anda
OpenRouterCloud · kunci API Anda
ReplicateCloud · kunci API Anda
GoogleCloud · kunci API Anda
RunwareCloud · kunci API Anda
xAICloud · kunci API Anda
ElevenLabsCloud · kunci API Anda
MiniMaxCloud · kunci API Anda
Fish AudioCloud · kunci API Anda
Hugging FaceLokal · perangkat keras Anda
KlingCloud · kunci API Anda
OllamaLokal · perangkat keras Anda
GPT-4o Mini TTS
Cloud

OpenAI's steerable speech model: ten natural voices you can direct with free-text instructions for tone, accent and pacing.

OpenAI
Gemini 3.8 Flash TTS
Cloud

Google's most expressive Gemini speech model, for long-form narration and two-speaker scenes in 130 languages, with inline vocal cues such as sighs and laughs.

Google · OpenRouter · Replicate
Gemini 3.8 Flash-Lite TTS
Cloud

A faster, lower-cost Gemini speech model for high-volume narration and voice agents in 101 languages, with the same voices and vocal cues as 3.8 Flash TTS.

Google · OpenRouter · Replicate
Grok Text-to-Speech
Cloud

xAI's expressive text-to-speech model with multiple voices and 20-language support.

xAI · Runware · Replicate
Lyria 3.5
Cloud

Google's music model for full-length songs with structure, vocals or instrumentals, guided by a text prompt, optional lyrics and reference images.

Google · Replicate
Lyria 3
Cloud

Enhanced Lyria model with improved musical coherence and audio quality.

Google · OpenRouter · Replicate
Lyria 3 Pro
Cloud

Google's professional-grade music model with enhanced fidelity and musical expression.

OpenRouter · Replicate
v4
Cloud

ElevenLabs' most expressive speech model, with closer voice cloning, audio tags for delivery and more than 90 languages.

ElevenLabs · OpenRouter
v4 Turbo
Cloud

The low-latency tier of ElevenLabs v4, with the same audio tags and more than 90 languages at half the per-character price.

ElevenLabs · OpenRouter
v3
Cloud

ElevenLabs' most expressive voice model with rich emotional and tonal range.

ElevenLabs · OpenRouter · Replicate
v3 Conversational
Cloud

A variant of ElevenLabs' v3 voice model tuned for natural dialogue in conversational agents, in more than 70 languages.

ElevenLabs · OpenRouter
Music
Cloud

ElevenLabs music generation model for creating original AI-composed tracks.

ElevenLabs · Replicate
Music 2.6
Cloud

MiniMax music model for full-arrangement AI compositions with rich instrumentation.

Runware · Replicate
SFX 1.5
Cloud

Mirelo sound effects model for generating custom audio SFX from text prompts.

Runware
Speech 2.8
Cloud

MiniMax's studio-grade speech model with 332 voices, emotion control, voice cloning, and a 50,000-character input limit.

MiniMax · Runware · Replicate
Drama 3
Cloud

Fish Audio's text-to-speech model for directed voice performances: you describe how each line should be delivered in square brackets, add sounds and pauses, and script several speakers in one call.

Fish Audio · OpenRouter
Voice
Cloud

HeyGen's text-to-speech model with preset voices on OpenRouter and Runware; on Runware it can also clone a voice from a recording.

OpenRouter · Runware
Voice Turbo
Cloud

A lower-latency version of HeyGen Voice with the same preset voices on OpenRouter and Runware, and voice cloning on Runware.

OpenRouter · Runware
Voxtral TTS 3
Cloud

Mistral's text-to-speech model with preset voices in eight languages; emotion and pace tags written into the text, such as [emotion=happy] or [pace=slow], direct the delivery. In public preview.

OpenRouter
S2.1 Pro
Cloud

Fish Audio's recommended production TTS with natural-language cues in brackets, multi-speaker synthesis in one call, and zero-shot voice cloning across 83 languages.

Fish Audio · OpenRouter · Runware
S2.1 Pro Free
Cloud

Fish Audio's S2.1 Pro model at $0 for development and testing under fair-use limits, with the same bracket cues, multi-speaker synthesis and voice cloning but no latency or data-processing guarantees.

Fish Audio
S2 Pro
Cloud

Fish Audio's previous-generation open S2 TTS with natural-language cues in brackets, multi-speaker dialogue and zero-shot voice cloning across 80+ languages.

Fish Audio · OpenRouter
Seed Audio 1.0
Cloud

ByteDance's audio generation model that reads a script word for word or builds a whole scene from one prompt, with a described voice, ambience, music and sound effects, and clones a voice from short reference clips.

OpenRouter · Runware
MAI-Voice-2.1
Cloud

Microsoft AI's highest-fidelity text-to-speech model, with detailed prosody and a consistent speaker over long passages. It reads in 23 languages through preset voices across 28 locales, and the voice you pick sets the language.

OpenRouter
MAI-Voice-2.1 Flash
Cloud

Microsoft AI's low-latency text-to-speech model, built for real-time responsiveness. It reads in 23 languages through the same preset voices as MAI-Voice-2.1, across 28 locales, and the voice you pick sets the language.

OpenRouter
ACE-Step v1.5
Cloud

Open full-track music generation with lyric editing, remix, cover generation, and voice cloning in 50+ languages.

Runware
Flash v2.5
Cloud

ElevenLabs' fastest speech model, with about 75 ms latency across 32 languages at half the per-character price of Multilingual v2.

ElevenLabs · OpenRouter · Replicate
Multilingual v2
Cloud

ElevenLabs' previous-generation voice model for lifelike, consistent long-form narration such as voice-overs and audiobooks, in 29 languages.

ElevenLabs · OpenRouter
Flash v2
Cloud

ElevenLabs' English-only speech model with very low latency, suited to conversational and real-time use.

ElevenLabs · OpenRouter
Sound Effects v3
Cloud

ElevenLabs' newest text-to-sound-effects model: foley, ambiences and impacts up to 30 seconds that follow several cues in one prompt, handle music and vocals, and loop seamlessly.

ElevenLabs
GPT Transcribe
Cloud

OpenAI's high-accuracy transcription model for recorded audio, which follows a hint for names and terms and returns plain text without timestamps.

OpenAI · OpenRouter
Whisper Large V3
Cloud

OpenAI's open-weight Whisper Large V3, which transcribes speech in close to a hundred languages and returns timed segments for subtitles.

OpenRouter · Replicate
Whisper Large V3 Turbo
CloudLokal

A faster, slimmed-down Whisper Large V3 that keeps most of its accuracy and returns timed segments for subtitles.

OpenRouter · Hugging Face
Transcribe 1 Pro
Cloud

Fish Audio's speech-to-text model for multi-speaker conversations, which labels who is speaking and keeps emotion and vocal-event cues such as laughter in the transcript.

Fish Audio · OpenRouter
Muse Voice Transcribe 1.0
Cloud

Meta's speech-to-text model for push-to-talk and speaker-aware transcription, which returns plain text.

OpenRouter
MAI-Transcribe 2
Cloud

Microsoft AI's multilingual transcription model, which covers 60 languages with automatic language detection and returns plain text.

OpenRouter
Voxtral Small Transcribe 3
Cloud

Mistral's flagship transcription model, which returns a timestamped transcript and detects the language on its own. In public preview.

OpenRouter
Voxtral Mini Transcribe 3
Cloud

Mistral's compact transcription model, a lower-cost sibling of Voxtral Small Transcribe 3 with timestamps and language detection. In public preview.

OpenRouter
Universal-3.6 Pro
Cloud

AssemblyAI's speech-to-text model and the successor to Universal-3.5 Pro, served through its synchronous API for clips of up to two minutes. The app sends a longer recording in two-minute pieces and returns plain text.

OpenRouter
TTS 1
Cloud

AssemblyAI's text-to-speech model for voice agents, narration and multilingual applications, with twenty preset voices here in English, Spanish, French and German.

OpenRouter
Gemini 3.5 Transcribe
Cloud

Google's speech-to-text model for fast synchronous transcription with automatic language detection; this route returns plain text.

Google · OpenRouter
Scribe v2
Cloud

ElevenLabs' batch transcription model, which returns word-level timing for subtitles and can label who is speaking.

ElevenLabs · OpenRouter
Scribe v2 Medical
Cloud

ElevenLabs' batch transcription model tuned for clinical and medical terminology, which returns word-level timing for subtitles and can label who is speaking.

ElevenLabs · OpenRouter
Kling Text to Audio
Cloud

Kuaishou's Kling sound effects model, generating 3 to 10 second clips from a short text description.

Kling
Kling TTS
Cloud

Kuaishou's Kling text-to-speech model, reading up to 1,000 characters aloud in English or Chinese system voices.

Kling
Phonon
Lokal

Gradium's 31M-parameter English text-to-speech model, run on device by Ollama on Apple silicon Macs. It reads text as written, so numbers and dates are best spelled out.

Ollama
LFM3-Audio 2B
Lokal

Liquid AI's 2B audio model, run on device by Ollama: it speaks text in 19 languages with a female or male voice per language, and transcribes speech.

Ollama
Supertonic TTS
Lokal

On-device English text-to-speech that runs entirely in the app, with ten preset voices and no API key.

Hugging Face
Whisper Base
Lokal

A small on-device Whisper model that transcribes speech in the app with no API key, trading accuracy for speed.

Hugging Face
Whisper Small
Lokal

A mid-sized on-device Whisper model that transcribes speech in the app with no API key, balancing speed and accuracy.

Hugging Face
FAQ

Pertanyaan seputar audio, terjawab.

Cara kerja ucapan, musik, efek suara, dan transkripsi di CSuite: suara, biaya, pengeditan, dan format.

Bayar sekali. Milik Anda selamanya.

Tanpa langganan. Tanpa biaya per pengguna. Tanpa perpanjangan. Beli CSuite sekali, dan semua pembaruan berikutnya sudah termasuk.

Pembayaran aman melalui Stripe. Sudah punya lisensi? Unduh aplikasinya