POST /api/v1/voice/voices oppretter en stemme fra et WAV-opptak av én taler (multipart audio, name, language, consent=true). Det svarer 202 med status running; spør GET /api/v1/voice/voices til den er ready, og sett deretter en agents voice_id til stemmens voice_id. language er språket som snakkes i opptaket, hvilket som helst av agentspråkene ovenfor; stemmen snakker dem alle, også kinesisk, og den ligner mest på taleren i opptaket på opptakets språk. Hver klonede stemme koster kreditter, som panelet viser før du oppretter en.
