A POST /api/v1/voice/voices egyetlen beszélő WAV-felvételéből hoz létre hangot (multipart audio, name, language, consent=true). 202 választ ad running állapottal; kérdezd le a GET /api/v1/voice/voices hívással, amíg ready nem lesz, majd állítsd egy ügynök voice_id értékét a hang voice_id értékére. A language a felvételen beszélt nyelv, a fent felsorolt ügynöknyelvek bármelyike; a hang mindegyiket beszéli, a kínait is, és a felvétel nyelvén hasonlít leginkább a felvételen szereplő beszélőre. Minden klónozott hang krediteket költ, amelyeket a vezérlőpult a létrehozás előtt megmutat.
