Vai al contenuto
CSuite
Funzionalità · Audio

Voce, musica e suoni: un unico pannello.

Fai leggere un copione a una voce naturale, accompagnalo con musica generata e aggiungi gli effetti sonori: tre tipi di generazione audio in un’unica area di lavoro, con un editor della forma d’onda integrato per le rifiniture. La stessa area di lavoro trascrive anche una registrazione o la colonna sonora di un video in testo e sottotitoli. I modelli cloud usano le tue chiavi API, voce e trascrizione possono funzionare completamente offline e le modifiche avvengono in locale sul tuo computer.

Scegli

Tre tipi di suono, un unico selettore.

Passa nella barra del prompt da parlato a musica a effetti sonori. Il selettore dei modelli mostra solo quelli che supportano il tipo attivo, e ogni categoria conserva il proprio modello predefinito, Auto compreso. ElevenLabs per un narratore dalla voce calda, Lyria per una colonna sonora, SFX 1.5 per il foley: una sola chiave API per piattaforma (Runware, OpenRouter o Replicate) li sblocca tutti, una chiave di un produttore come OpenAI, Google o ElevenLabs aggiunge i modelli di quel produttore, e Supertonic TTS parla offline senza alcuna chiave. Un quarto tipo, Trascrizione, porta il selettore sui modelli di riconoscimento vocale come Whisper, GPT-4o Transcribe e Scribe v2.
Parlato

Dal copione alla voce fuori campo.

Incolla il copione, scegli un modello e una voce, e genera. Le voci provengono dall’elenco di ciascun modello, con controlli per ogni voce (velocità, stabilità, somiglianza) sui modelli che li offrono. Premi il pulsante di riproduzione accanto al selettore per ascoltare una voce prima di affidarle un intero copione: il primo ascolto costa una frazione di centesimo, e tutti quelli successivi sono in cache e gratuiti. Sui modelli che supportano la clonazione, fornisci invece un campione e la sua trascrizione e il modello legge il tuo copione con quella voce.La clip sotto l’anteprima è una vera generazione di ElevenLabs v3 fatta in CSuite, senza ritocchi. Premi play. Il prompt nella barra è esattamente il copione che ha letto.
Output reale · ElevenLabs v3narration.mp3
0:00 / 0:10
Componi

Descrivi l’atmosfera, ottieni la musica.

Strumentazione, tempo, trama sonora: descrivila come faresti con un musicista in studio e il modello la compone. Lyria 3 accetta anche immagini di riferimento, così una moodboard può dare il tono, e su Music 2.6 e ACE-Step v1.5 un campo Testo del brano separato mantiene le tue parole esattamente come le hai scritte. Le questioni sui diritti non ti inseguono: è una tua generazione, fatta con la tua chiave.La clip di 30 secondi qui sotto è una vera composizione di Lyria 3 ottenuta dal prompt esatto mostrato, la stessa traccia a cui risponde ogni modello musicale del catalogo nella sua pagina di dettaglio.
Output reale · Lyria 3ambient.mp3
0:00 / 0:30
Foley

Effetti sonori su richiesta.

La porta che sbatte, l’atmosfera del bosco, il ronzio del proiettore: descrivi il suono invece di frugare tra le librerie di campioni, oppure dai a SFX 1.5 un video di partenza e crea il suono a tempo con le immagini. Inserisci il risultato direttamente in una composizione video o esportalo per il tuo programma di montaggio.Qui sotto: una vera generazione di SFX 1.5 dal prompt mostrato, una pesante porta di legno in un corridoio di pietra.
Output reale · SFX 1.5impact.mp3
0:00 / 0:10
Trascrivi

Dalla registrazione alla trascrizione.

Imposta il tipo su Trascrizione, poi carica o trascina un file audio o un video, e CSuite estrae per te la colonna sonora dal video. Il modello scrive un file di testo accanto alla registrazione, più un file di sottotitoli SRT quando restituisce i tempi. La trascrizione compare sotto il lettore, e facendo clic su una riga con il suo tempo la riproduzione salta a quel momento. Whisper Base, Small e Large V3 Turbo girano sul tuo computer senza chiave, e Scribe v2 con la tua chiave ElevenLabs può etichettare ogni speaker.Sui modelli che leggono un suggerimento, come Whisper e GPT-4o Transcribe, la casella del prompt accetta nomi e termini tecnici, così vengono scritti correttamente.
Migliora

Scrivi l’idea, ottieni la traccia completa.

Per musica ed effetti, premi la bacchetta e il tuo modello di testo trasforma una sola riga in una traccia completa: prima l’argomento del brano, poi genere, strumentazione, tempo e atmosfera. Il testo del brano finisce dove il modello lo legge. Per il parlato non c’è la bacchetta, perché il testo che scrivi è proprio ciò che viene pronunciato.La musica si paga a generazione, quindi la parte costosa sono le versioni che scarti.
Modifica

Rifinisci senza uscire dall’app.

Un editor della forma d’onda integrato nel lettore copre le rifiniture abituali, senza esportare in un altro strumento. Ogni modifica viene elaborata in locale sul tuo computer e si salva sul file stesso o come nuova copia, mantenendo il formato del file, così un MP3 rifilato resta un MP3.

Rifila fino alla ripresa giusta

Togli il silenzio da entrambe le estremità di una registrazione, o estrai una ripresa pulita da una sessione lunga. Trascina le maniglie sulla forma d’onda e tutto ciò che sta fuori dalla selezione sparisce.

Dissolvenza in entrata e in uscita

Dai a un sottofondo musicale generato un’entrata e un’uscita morbide prima di metterlo sotto una voce fuori campo. Imposta la durata delle dissolvenze e l’inviluppo viene applicato alla forma d’onda.

Sistema il livello

Una voce fuori campo bassa accanto a un sottofondo musicale forte è il problema di mix più comune che ci sia. Alza o abbassa il volume della clip finché i livelli non sono equilibrati.

Cambia la velocità

Trasforma la registrazione di una lezione di 42 minuti in un ascolto di 28 minuti a 1,5×, oppure rallenta una ripresa troppo veloce. La durata si aggiorna insieme alla velocità.

Converti il formato

Consegna a chi monta un WAV o un FLAC senza perdita, oppure riduci una sessione in MP3 o OGG per condividerla. Scegli il formato di destinazione e la conversione parte direttamente dal file di origine, senza passaggi intermedi con perdita di qualità.
Composizioni

Non solo clip, episodi interi.

Le composizioni sono una seconda modalità di creazione per podcast, interviste e storie narrate: scrivi un copione, dai a ogni speaker la sua voce, mixa musica ed effetti sonori sotto le voci su una timeline multitraccia ed esporta un unico MP3, M4A o WAV. Copione, cast e mixer sono descritti per intero nella pagina delle composizioni.
Area di lavoro

Il resto della cabina di registrazione.

Le piccole cose intorno al pulsante Genera: ascoltare prima una voce, conoscere il prezzo, ritrovare il prompt che ha funzionato.

Ascolta una voceRiproduci qualsiasi voce dell’elenco direttamente dal selettore prima di affidarle un copione. Il primo ascolto costa una frazione di centesimo, tutti quelli successivi sono in cache e gratuiti, e con Supertonic TTS ogni anteprima è gratuita, perché viene generata sul dispositivo.
Clona una voceSui modelli che lo supportano, allega un campione e la sua trascrizione e il modello legge il tuo copione con quella voce invece che con una predefinita.
Scrivi la traccia con l’IAPer musica ed effetti, scrivi l’idea di base e premi la bacchetta: il tuo modello di testo la espande in argomento, genere, strumentazione, tempo e atmosfera, e scrive anche il testo del brano sui modelli che cantano a partire dal prompt. Il parlato resta com’è, perché il testo è proprio ciò che viene pronunciato.
Conosci il costo in anticipoLa barra del prompt mostra il prezzo stimato prima della generazione (per clip per la musica, in base al conteggio dei caratteri in tempo reale per il parlato), e una riga di stato segue l’operazione.
Riusa ciò che ha funzionatoI prompt recenti restano come chip sopra la barra del prompt, e ogni clip generata ricorda il modello e le impostazioni con cui è nata, che puoi ricaricare con un clic.
File che restano tuoiLe clip sono normali file nella cartella del progetto. Trascina dentro le registrazioni, filtra un elenco lungo per nome e apri le clip o fanne il backup con lo strumento che preferisci.
Catalogo

Modelli e provider disponibili.

Qui trovi tutti i modelli audio del catalogo, per sintesi vocale, musica, effetti sonori e riconoscimento vocale. Girano nel cloud tramite Runware, OpenRouter e Replicate, o direttamente da produttori come OpenAI, Google, ElevenLabs e altri, con le tue chiavi, e sul dispositivo tramite il runtime Hugging Face incluso. Ogni modello che genera audio ha clip di esempio reali nella sua pagina di dettaglio.

OpenAICloud · la tua chiave API
OpenRouterCloud · la tua chiave API
ReplicateCloud · la tua chiave API
GoogleCloud · la tua chiave API
RunwareCloud · la tua chiave API
xAICloud · la tua chiave API
ElevenLabsCloud · la tua chiave API
MiniMaxCloud · la tua chiave API
Fish AudioCloud · la tua chiave API
Hugging FaceLocale · il tuo hardware
KlingCloud · la tua chiave API
OllamaLocale · il tuo hardware
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
CloudLocale

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
Locale

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
Locale

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
Locale

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

Hugging Face
Whisper Base
Locale

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

Hugging Face
Whisper Small
Locale

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

Hugging Face
FAQ

Audio: domande e risposte.

Come funzionano parlato, musica, effetti sonori e trascrizione in CSuite: voci, costi, modifica e formati.

Pagamento unico. Tuo per sempre.

Nessun abbonamento. Nessuna licenza per postazione. Nessun rinnovo. Acquista CSuite una volta sola, aggiornamenti futuri inclusi.

Pagamento sicuro tramite Stripe. Hai già una licenza? Scarica l’app