クラウドTTS APIで音声合成を効率化

作成者 Yomikase編集チーム · 更新日 2026-11-18

このページでは、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に設計されたYomikase APIの技術仕様と利用規約を解説します。複雑な設定なしにOpenAI SDKの延長線上で音声ファイルを生成できる仕組みから、音声ライセンス、従量制の料金体系、そしてアカウント管理の方法まで、実際の開発ワークフローに必要な情報を網羅しています。

ここでは、8種類のプリセット音声と23言語の多言語対応、USDTによる即時決済、そしてデータの利用ルールといった具体的な仕様を記載しています。OpenAI SDKとの互換性や生成速度、サポート外の機能など、開発者が意思決定する際に必要な事実を簡潔にまとめました。迷わずAPIを組み込めるよう、技術的な詳細を明確に提示します。

クラウドTTS APIで音声合成を効率化

よくある質問

音声のライセンスについて教えてください。

音声はLibriTTS-R(CC BY 4.0)およびLibriVoxの公有書誌読み物を基にしています。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。これにより、音声の由来と性質が明確になります。

生成された音声の著作権は誰にありますか?

生成された音声はレスポンスとして返され、保存されません。入力テキストは音声生成のみに使用され、トレーニングには利用されません。請求のためのメタデータ(時間、文字数、ステータス)のみが保持されます。

OpenAI SDKと互換性がありますか?

はい、公式のOpenAI SDKと互換性があります。base_urlを https://api.playu34.com/v1 に変更し、APIキーを設定するだけで利用可能です。リクエストの形状はOpenAIのspeechエンドポイントと同じです。

音声の品質はどの程度ですか?

8つのプリセットボイスから選択でき、自然な読み上げが可能です。生成には通常、長文で実時間並み(1秒あたり約25文字)の処理速度がかかります。短文は数秒かかりますが、キュー待ちが発生する場合があります。

決済のセキュリティは確保されていますか?

決済はUSDT(TRC-20)のみで、TRONネットワーク経由で行われます。カードやPayPalは使用せず、最小トップアップは$5です。送金後、数分で自動的に残高に反映されます。サブスクリプションや請求書は発行されません。

サポートの対応時間はどのくらいですか?

サポートはメールのみです。電話番号やライブチャットは提供していません。SLAや稼働率の保証もありません。緊急時の対応時間や営業時間は特に定めていません。質問はメールで受け付け、対応します。

音声のフォーマットはどれくらい対応していますか?

mp3、wav、opus、flac、pcmの5つの形式に対応しています。リクエストパラメータのresponse_formatで指定可能です。SSMLはサポートしていません。必要なフォーマットを選択して音声ファイルを生成してください。

APIの基本仕様

の音声波形イラスト: APIの基本仕様

Yomikaseは、ニュース配信やアプリ開発に最適化されたクラウドTTS APIです。OpenAI SDKの延長線上で、POST /v1/audio/speech エンドポイントにリクエストを送るだけで音声ファイルを生成できます。リクエスト形式はJSONで、標準的なフィールドをサポートしています。

生成される音声は、テキストの内容に応じて最適なフォーマットで返却されます。認証キーを用いたシンプルな通信で、複雑な設定なしに音声合成パイプラインを構築できます。

エンドポイントとリクエスト形式

エンドポイントとリクエスト形式

APIエンドポイントは https://api.playu34.com/v1/audio/speech です。HTTP POSTメソッドでJSONボディを送信します。model には "tts-1" または "tts-1-hd" を指定し、input に対象のテキストを設定します。

音声生成のパラメータ設定

音声生成のパラメータ設定

8種類のプリセット音声(aria, nova, luna, sage, felix, milo, atlas, orion)から選択できます。音声の速度は0.25〜4.0の範囲で調整可能で、response_format でmp3、wav、opus、flac、pcmのいずれかを指定します。

認証キーとレートリミット

認証キーとレートリミット

認証は Authorization: Bearer ヘッダーにAPIキーを設定することで行います。キーは1アカウントにつき1つで、必要に応じて再発行可能です。レートリミットは1分あたり60リクエストです。

テキスト分割と音声結合

テキスト分割と音声結合

1リクエストあたりのテキスト上限は4096文字です。それを超える場合は、クライアント側で分割して複数リクエストを送信し、生成された音声ファイルを手動またはスクリプトで結合する必要があります。

対応音声と言語

の音声波形イラスト: 対応音声と言語

ニュース配信やアプリ開発では、多様なユーザー層に対応する音声選択が重要です。当APIは8種類のプリセット音声と23言語をサポートし、開発者は複雑な設定なしに最適な音声を選定できます。

音声データはLibriTTS-Rに基づき、著作権をクリアした環境で提供されます。合成音声には不可視の透かしが埋め込まれており、信頼性の高いコンテンツ配信を可能にします。

8種類のプリセット音声

男女それぞれ4種類の声質から選べます。AriaやNovaは明るくクリアなナレーションに、AtlasやOrionはニュースやドキュメンタリーに適しています。SageやMiloは指示や会話型アプリに最適です。

すべての音声はライセンス済み録音に基づいており、著作権上の問題は生じません。生成される音声ファイルには合成音声であることを示す不可視の透かしが自動的に埋め込まれます。

  • Aria: 温かみのあるクリアなナレーター
  • Nova: 明るく活気のあるトーン
  • Luna: 柔らかく物語的な語り
  • Sage: 落ち着いた指示トーン
  • Felix: エネルギーに満ちたプロモーション
  • Milo: 親しみやすい会話風
  • Atlas: ニュース向けの中立なトーン
  • Orion: ドキュメンタリー用の深いトーン

23言語の多言語対応

英語、日本語、中国語、韓国語、ドイツ語、フランス語など、23言語に対応しています。インドネシア語やタイ語など一部の言語は未対応ですので、事前にリストをご確認ください。

どの音声でもどの言語でも話せます。特定の言語で読み上げさせる場合は、リクエストに言語コードを指定することを推奨します。

  • English, Japanese, Chinese, Korean
  • German, French, Spanish, Italian
  • Arabic, Hindi, Russian, Portuguese
  • Danish, Dutch, Finnish, Swedish
  • Greek, Hebrew, Malay, Norwegian
  • Polish, Swahili, Turkish

言語自動検出と指定方法

言語フィールドを指定しない場合、テキストの文字コードから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処理されます。

日本語や中国語などの非ラテン文字は正しく検出されますが、英語風のラテン文字で書かれた日本語など、文脈が複雑な場合は明示的な言語指定が推奨されます。

音声のライセンスと著作権

音声の基盤データはLibriTTS-R(CC BY 4.0)およびLibriVoxの公有書誌読み物に基づいています。これにより、ライセンス上の問題を回避し、安心して商用利用できます。

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。これは音声の合成由来を証明するもので、著作権の帰属や利用条件に影響しません。

料金と決済方法

の音声波形イラスト: 料金と決済方法

YomikaseのAPIは、生成された文字数に応じて従量課金で利用できます。複雑な月額プランや最小利用料はなく、使った分だけお支払いいただきます。

失敗したリクエストに対する課金はありません。合成が完了しない場合、その分の料金は全額返金されるため、無駄なコストがかかりません。

従量制の料金体系

料金は100万文字あたり10ドル(1,000文字あたり$0.01)です。スペースや句読点も文字数に含まれるため、正確な見積もりが可能です。

  • 100万文字ごとに$10
  • スペース・句読点含む

失敗時の返金ルール

音声合成に失敗した場合、そのリクエストの料金は全額返金されます。サーバー側の問題や仕様エラーにより生成できなかった場合にも適用されます。

USDTによる即時決済

決済はTRONネットワーク上のUSDT(TRC-20)のみに対応しています。クレジットカードやPayPal、請求書での支払いはありません。送金後は数分で残高に反映されます。

  • USDT (TRC-20) 限定
  • 最小入金額 $5

残高の有効期限

チャージした残高には期限がありません。利用しなくても有効期限切れで失効することはありませんので、長期のプロジェクトにも安心です。

アカウントと利用開始

の音声波形イラスト: アカウントと利用開始

インディー開発者は、サイトの「get-api-key/」ページでGoogleアカウントまたはメールパスワードを用いて簡単に登録できます。各サイトごとに独立したアカウントが作成され、必要な音声合成サービスへのアクセスが即時に有効化されます。

登録後は、ダッシュボードからAPIキーを発行・管理し、OpenAI SDKのbase_urlを変更するだけで利用を開始できます。初期のレートリミットや課金状態もここで確認できます。

Googleまたはメール登録

ウェブサイト上の「get-api-key/」ページにアクセスし、Googleアカウントでのサインイン、またはメールアドレスとパスワードによる登録を選択します。これにより、独立したストアフロントのアカウントが作成されます。

APIキーの発行と管理

ダッシュボードでは、有効なAPIキーが一つだけ表示されます。新しいキーを発行すると、古いキーは直ちに無効化されます。このキーを使用して、Authorization: Bearer ヘッダーで認証を行います。

無料トライアルの条件

Googleサインインで作成されたアカウントには、$0.50の無料クレジット(約50,000文字分)が7日間有効で付与されます。メールとパスワードで登録した場合は、トライアルクレジットは含まれません。

利用状況のダッシュボード

ダッシュボードでは、残高、残りの文字数、使用履歴が一覧で確認できます。また、APIキーとcurlコマンドの例も表示されるため、すぐに開発環境に組み込むことができます。

アカウントと利用開始

技術的特徴と制限

の音声波形イラスト: 技術的特徴と制限

APIリクエストは一度に一つずつ処理されます。長文テキストは4096文字ごとに分割され、音声ファイルとして結合されます。

短くても生成には数秒かかります。同時利用時はキュー待ちが発生する可能性があります。

生成速度とキューの仕組み

長文テキストは4096文字ごとに分割され、音声ファイルとして結合されます。短くても生成には数秒かかります。同時利用時はキュー待ちが発生する可能性があります。

対応音声フォーマット一覧

mp3、wav、opus、flac、pcmの5形式に対応しています。用途に合わせて選択可能です。

mp3は小さく、wavやflacは高品質です。pcmは生データとして扱います。

  • mp3
  • wav
  • opus
  • flac
  • pcm

サポート外の機能一覧

ストリーミングやSSML、カスタム音声クローニングは提供していません。

独自SDKやモバイルSDK、WordPressプラグインもありません。

データの利用と保存ルール

入力テキストは音声生成のみで使用され、学習には利用されません。生成された音声はレスポンスで返却され、サーバーには保存されません。

請求のためにリクエストメタデータ(時刻、文字数、ステータス)のみを保持します。

よくある質問

の音声波形イラスト: よくある質問

OpenAI SDKのbase_urlを変更するだけで、既存のコードをそのまま活用できます。SSMLやストリーミング、音声クローニングには対応していません。

音声は合成されたことを示す透かしが入ります。サポートはメールのみで、SLAや保証はありません。プライバシー尊重のため、生成音声を保持しません。

OpenAI SDKとの互換性

エンドポイントとJSON形式がOpenAI Speech APIと同等です。base_urlをhttps://api.playu34.com/v1に変更するだけで、公式SDKがそのまま利用可能です。

音声の品質と特徴

8種類のプリセット音声から選べます。生成された音声ファイルには、合成音声であることを示す不可視の透かしが埋め込まれています。

セキュリティとサポート

音声データは生成後に返却され、保持されません。サポートはメールのみで、電話やチャットはありません。SLAや稼働保証はありません。

音声フォーマットの対応

mp3、wav、opus、flac、pcmの5形式に対応しています。用途に合わせて選択してください。

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。

音声のアバター aria
aria女性
音声のアバター nova
nova女性
音声のアバター luna
luna女性
音声のアバター sage
sage女性
音声のアバター felix
felix男性
音声のアバター milo
milo男性
音声のアバター atlas
atlas男性
音声のアバター orion
orion男性

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。

出典および参考資料

  1. Wikipedia
  2. W3C WAI: making audio and video accessible
  3. OpenAI API reference: create speech
  4. LibriTTS-R paper (arXiv 2305.18802)
  5. curl documentation
  6. LibriTTS-R corpus (OpenSLR 141)
  7. LibriVox public-domain audiobooks
  8. openai-python on GitHub
  9. openai-node on GitHub
  10. ISO 639 language codes
  11. Tether (USDT)
  12. Creative Commons Attribution 4.0

このサイトに関するその他の情報