POST /api/v1/voice/voices tworzy głos z nagrania WAV jednej osoby (multipart audio, name, language, consent=true). Odpowiada 202 ze statusem running; odpytuj GET /api/v1/voice/voices, aż będzie ready, a potem ustaw voice_id agenta na voice_id głosu. language to język nagrania, dowolny z języków agentów wymienionych wyżej; głos mówi wszystkimi z nich, także po chińsku, i najbardziej przypomina osobę z nagrania w języku nagrania. Każdy sklonowany głos kosztuje kredyty, które panel pokazuje przed jego utworzeniem.
