よくある質問
APIはどのように動作しますか?
POSTリクエストでテキストを送信すると、音声ファイルが返されます。OpenAI SDKのbase_urlを変更するだけで利用可能で、tts-1やtts-1-hdモデルを選択できます。1リクエストあたり最大4096文字まで送信でき、それを超える場合は分割して結合してください。
音声ファイルの形式はどれがありますか?
mp3、wav、opus、flac、pcmの5形式に対応しています。用途に合わせて適切な形式を選択してください。APIレスポンスとして直接ファイルが返されます。
音声の速度は変更できますか?
speedパラメータで0.25から4.0の範囲で速度を変更できます。デフォルトは1.0です。これにより、ニュース配信やアプリのUIに合わせて読み上げのテンポを細かく調整することが可能です。
どの言語に対応していますか?
英語、日本語、中国語など23言語に対応しています。言語を指定しない場合はスクリプトから推測されますが、非英語のラテン文字の場合は明示的にlanguageパラメータを設定してください。ベトナム語やタイ語などは未対応です。
音声ライセンスはどのようなものですか?
音声はLibriTTS-R(CC BY 4.0)およびLibriVoxの公衆ドメイン録音に基づいています。生成されたファイルには合成音声を示す不可視のウォーターマークが含まれます。
文字数はどのようにカウントされますか?
スペースや句読点も含むすべての文字がカウントされます。料金は100万文字あたり10ドル(1000文字あたり0.01ドル)です。APIキーの発行ページで残高と使用状況を確認できます。
失敗したリクエストは課金されますか?
合成に失敗したリクエストは無料です。課金は成功したリクエストのみに適用され、失敗した場合は料金が全額返金されます。これはAPIの利用コストを正確に抑えるための仕組みです。
音声にはウォーターマークが入りますか?
はい、生成されるすべての音声ファイルには不可視のウォーターマークが入ります。これは人工的な音声であることを示すために付けられています。聴覚的には問題ありませんが、音声の性質を明確にするために重要です。
カスタム音声の作成は可能ですか?
カスタム音声の作成や独自のボイスアップロードは提供していません。8つのプリセットボイス(aria、novaなど)から選択してください。カスタムクローニング機能は現在、このAPIでは利用できません。
ストリーミング再生はサポートしていますか?
ストリーミングやWebSocket、リアルタイムの部分的な音声配信はサポートしていません。テキストを送信すると、生成が完了した音声ファイル全体がレスポンスとして返されます。ファイルのダウンロード後に再生してください。
SSMLタグは使用できますか?
SSMLタグは使用できません。速度や言語、音声の種類をパラメータで指定するのみです。カスタム発音辞書や感情タグ、詳細な制御タグは現在サポート対象外です。シンプルなAPI設計を維持しています。
音声クローニングは提供していますか?
音声クローニングは提供していません。既存の8ボイスから選択してください。顧客用のカスタムクローニングや、自身の声をアップロードする機能はありません。
企業向けSLAはありますか?
SLAや稼働率保証、エンタープライズ契約は提供していません。インディー開発者向けにシンプルに設計されています。必要な場合にのみ利用でき、契約や保証なしでAPIを利用開始できます。
サポートは電話で受けられますか?
電話サポートやライブチャットは提供していません。サポートはメールのみです。質問や問題が発生した場合は、コンタクトページからメールで連絡してください。迅速な返信を心がけています。
最初のリクエスト
curl
curl https://api.playu34.com/v1/audio/speech \
-H "Authorization: Bearer $TTS_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"tts-1","voice":"aria","input":"Hello from the API.","response_format":"mp3"}' \
--output hello.mp3開発者が選ぶ理由
ニュース配信やアプリ開発で「文章の読み上げ」を必要とするインディー開発者のためのAPIです。複雑な設定なく、OpenAI SDKの延長線上で音声ファイルを生成できます。
OpenAI SDKとの互換性
base_urlを https://api.playu34.com/v1 に変更するだけで、公式OpenAI SDKがそのまま動作します。既存のコードベースを大幅に変更することなく、TTS機能を追加できます。
シンプルなREST API
POSTリクエストでテキストを送信し、音声ファイルを受け取るだけのシンプルな設計です。認証はBearerトークンによるHTTPヘッダーのみで、複雑なフローは不要です。
透明な従量制課金
100万文字あたり$10(1文字$0.00001)の従量制です。失敗したリクエストは課金されません。月額プランや最低利用額もありません。
主な機能と特徴
複雑な設定や独自SDKの学習コストを抑え、開発の焦点をアプリ本体に集中させます。8種類のプリセット音声と23言語の対応により、ニュース配信からアプリ開発まで幅広いユースケースに対応します。
mp3, wav, opus, flac, pcm の5形式に対応しているため、配信環境や再生アプリの要件に合わせた柔軟な音声出力が可能です。
8つのプリセット音声
aria, nova, luna, sage, felix, milo, atlas, orion の8つのプリセットから選べます。LibriTTS-RやLibriVoxの録音データに基づいており、必要に応じて読み上げたいトーンに合わせて最適なものを選択できます。
- aria: 暖かくクリアなナレーター
- nova: 明るく活発なトーン
- luna: 物語を語るような柔らかい声
- sage: 落ち着いた教育・説明調
- felix: エネルギー溢れるプロモーション風
- milo: フレンドリーな会話調
- atlas: ニュース風の中立な声
- orion: ドキュメンタリー風の深みのある声
23言語の多言語対応
英語、日本語、中国語、フランス語、ドイツ語など23言語をサポートします。言語コードを指定しない場合はスクリプトから自動検出されますが、ラテン文字の非英語テキストには言語指定を推奨します。
- Arabic, Chinese, Danish, Dutch, English, Finnish, French, German, Greek, Hebrew, Hindi, Italian, Japanese, Korean, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swahili, Swedish, Turkish
mp3, wav, opus, flac, pcm の5形式
mp3, wav, opus, flac, pcm の5形式から選択できます。配信帯域やアプリの再生仕様に応じて、最適なファイル形式を指定して音声データを取得してください。
ニュース配信への活用
ニュース配信やアプリ開発において、テキスト読み上げは欠かせない要素です。APIキーを取得し、REST APIにテキストを送るだけで、音声ファイルが生成されます。複雑な設定は不要で、OpenAI SDKの延長線上で利用可能です。
記事の音声化
4,096文字までの記事をAPIに送信するだけで、音声ファイルが生成されます。長い記事は自動的に分割され、音声ファイルが結合されるため、ユーザーはシームレスな聴取体験を得られます。
- 最大4,096文字のテキスト送信
- 音声ファイルの自動結合
アクセシビリティの向上
視覚的な情報だけでなく、音声でもコンテンツを提供することで、多様なユーザーに配慮できます。23言語に対応しており、英語や日本語のニュース配信において、アクセシビリティの向上に貢献します。
自動音声コンテンツの生成
ニュース記事の更新に合わせて、自動的に音声コンテンツを生成・配信できます。開発者はAPIを通じて最新の情報を音声化し、アプリやウェブサイトへ反映させられます。
音声リストン
音声の質感は選定において重要です。Yomikaseでは、用途に合わせた8つのプリセットから最適な声を選択できます。
特にニュース配信やアプリ開発では、聴き手が長く耳を傾けるための「心地よさ」が求められます。以下の代表音声の特性をご紹介します。
ARIAの声
温かみがあり、クリアなナレーターです。ニュース記事の読み上げや、情報を正確に伝える必要がある場面で適しています。
NOVAの声
明るくアップビートな印象の声です。アプリの案内や、軽快なトーンが求められるコンテンツに向いています。
LUNAの声
柔らかく、ストーリーテリングに適した声です。静かに聴かせるコンテンツや、リラックス感を重視する際に有効です。
対応言語と地域
Yomikaseは23言語に対応しており、ニュース配信やアプリ開発のグローバル展開をサポートします。単なる日本語・英語だけでなく、多様な言語環境でも安定した音声合成が可能です。
言語設定を明示することで、予測誤りを防ぎ、より正確な読み上げを実現できます。
英語・日本語対応
英語と日本語はデフォルトで最適化されています。特に日本語のニュース記事でも、自然なリズムで読み上げられます。
OpenAI SDKの互換性により、既存のワークフローを崩さずに多言語音声ファイルを取得できます。
- 日本語ニュースの自動読み上げ
- 英語記事のアクセシビリティ向上
23言語のサポート
英語、日本語、中国語、韓国語、フランス語、ドイツ語、スペイン語など、主要23言語をカバーしています。
どの音声でもどの言語でも話せるため、音声エントリを減らし実装を簡素化できます。
ベトナム語やタイ語は未対応です。必要な言語がリストに含まれているかご確認ください。
- アラビア語、中国語、デンマーク語
- オランダ語、フィンランド語、フランス語
- ドイツ語、ギリシャ語、ヘブライ語
- ヒンディー語、イタリア語、日本語
- 韓国語、マレー語、ノルウェー語
- ポーランド語、ポルトガル語、ロシア語
- スペイン語、スワヒリ語、スウェーデン語
- トルコ語、英語
言語の自動検出
languageパラメータを指定しない場合、テキストの文字ベースで言語が推測されます。
ラテン文字のテキストはデフォルトで英語として扱われるため、英語以外のラテン文字系言語(例:ドイツ語)を使用する際は明示的な指定を推奨します。
これにより、意図しない読み上げを防ぎ、品質を安定させます。

価格体系
APIの利用コストは、生成された音声の文字数に応じて計算されます。100万文字あたり$10(1,000文字あたり$0.01)が基本単価です。空白文字や句読点も文字数に含まれるため、正確なコスト計算にご注意ください。
音声合成に失敗したリクエストについては、課金されません。失敗したリクエストは課金されません。
USDTでのチャージ
クレジットカードや PayPalは使用していません。すべてのチャージはTRONネットワーク(TRC-20)上のUSDTで行います。最低チャージ額は$5からで、送金後数分で残高に反映されます。
月々の基本料やプランはありません。残有效期間もありませんので、必要に応じて好きな金額をチャージしてご利用ください。
- 送金先:TRONネットワーク(TRC-20)
- 最小チャージ額:$5
- 反映時間:送信後数分以内
よくある質問
技術的な疑問や、API の基本的な挙動についてよく寄せられる質問をまとめました。
導入前の確認や、運用時のトラブルシューティングにお役立てください。
音声ファイルの形式は?
mp3、wav、opus、flac、pcm の5形式から選べます。用途に合わせて最適な形式を選択してください。
生成された音声ファイルには、合成音声を示す不可視の透かしが埋め込まれています。
- mp3: 一般的な配信向け
- wav: 編集や加工用
- opus: 低帯域での配信向け
- flac: 高品質録音用
- pcm: 生データ処理用
速度調整は可能か?
速度パラメータ speed を使用することで、0.25倍から4.0倍の範囲で再生速度を変更できます。
ニュースの要約や、詳細な解説など、コンテンツの性質に合わせて調整可能です。
サポート方法は?
サポートはメールのみで行っています。電話やライブチャットは用意していません。
技術的なお問い合わせやアカウントに関するご相談は、お問い合わせフォームからお願いいたします。
導入の流れ
APIキーの発行はシンプルです。Googleアカウントまたはメールでサインアップし、ダッシュボードでキーを取得します。OpenAI SDKのbase_urlをapi.playu34.com/v1に変更するだけで、すぐに使い始められます。
POSTリクエストを送信し、JSON bodyにモデル、音声、テキストを指定します。処理が完了すると、音声ファイルが返されます。
APIキーの取得
サインアップページにアクセスし、Googleまたはメールアドレスでアカウントを作成します。ダッシュボードにはAPIキーと残高が表示されます。
- Googleまたはメールでのサインアップ
- ダッシュボードでAPIキーを確認
- OpenAI SDK互換のbase_url設定
リクエストの送信
POST https://api.playu34.com/v1/audio/speech にリクエストを送信します。モデルは tts-1 または tts-1-hd を指定し、voiceパラメータで8つのプリセットから選択します。
- POST /v1/audio/speech
- model: tts-1 / tts-1-hd
- voice: 8種類のプリセット
- input: テキスト(最大4096文字)
音声ファイルの受信
リクエストが成功すると、音声ファイル(mp3, wav, opus, flac, pcm)がレスポンスとして返されます。ファイルは保存されず、その場で受け取ります。
- レスポンスで音声ファイルを受信
- 対応形式: mp3, wav, opus, flac, pcm
- 生成音声はサーバーに保存されない
データとプライバシー
生成された音声ファイルはレスポンスとして返され、サーバー側には保存されません。入力テキストも音声生成の目的でのみ使用され、モデルの学習データとしては利用されません。
学習データの使用
入力テキストは音声合成プロセスにおいてのみ使用され、永続的な学習データとしては利用されません。
音声の保存
音声ファイルはレスポンスで返された時点で保存されず、サーバー上に永続的に残ることはありません。
メタデータの記録
課金および請求の目的で、リクエストの時刻、文字数、ステータスなどのメタデータが記録されます。
8つの音声を確認
以下の各サンプルは、同じ文章をこのAPIで生成したものです。 これを超える文章を処理する場合は、クライアント側で適切な区切りで分割し、生成された音声ファイルを結合する必要があります。
23言語
どの音声でも、これらの言語のいずれかを話します。
