OpenAI互換TTS APIで多言語音声合成を簡単連携

作成者 SmartKoe 編集部 · 更新日 2026-11-18

SmartKoeのAPIは、ノーコード開発者が音声アシスタントや通知システムをスマートホームに構築するための高速なTTSエンジンです。OpenAI互換の仕様で、base_urlを変更したOpenAI SDKやHTTPライブラリを利用でき、IoTデバイスやWebアプリへの音声ファイル生成を連携できます。

このページでは、API連携の手順、8種類の音声プリセット、23言語の対応状況、およびエンジニア向けの実装仕様を確認できます。レートリミットやデータプライバシー、料金体系からよくある質問まで、SmartKoeの技術的詳細を網羅的に解説し、開発環境へのスムーズな統合をサポートします。

OpenAI互換TTS APIで多言語音声合成を簡単連携

よくある質問

読み上げ API は無料で使えますか?

Googleサインインで新規登録すると、7日間有効の0.50ドルの無料クレジット(約5万文字分)が付与されます。メールアドレスとパスワードで作成したアカウントには付与されません。それ以降は、100万文字あたり10ドルの従量課金制です。クレジットカードや月額プランは不要で、TRONネットワークのUSDTでチャージして利用します。

スマートホームデバイスでの使用に適していますか?

はい、IoTデバイスやWebアプリへの組み込みを想定したAPIです。POSTリクエストでテキストを送信し、音声ファイルを取得するシンプルな設計です。最大4096文字のテキストを処理でき、生成された音声はAPIレスポンスとして直接返されるため、システムへの統合が容易です。

音声ファイルのフォーマットは何がありますか?

mp3、wav、opus、flac、pcmの5つのフォーマットから選択できます。リクエストパラメータのresponse_formatフィールドに指定することで、必要な形式の音声ファイルを生成・取得できます。これにより、スマートホームデバイスやWebアプリケーションの要件に合わせて最適な形式を選定できます。

キャラクターの音声は自然ですか?

LibriTTS-R(CC BY 4.0)およびLibriVoxの公衆ドメインオーディオブックを基にした8つのボイスプリセットから選べます。各音声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。自然さは主観的な評価ですが、ライセンスされた録音に基づくエンジンです。

API のレートリミットはどれくらいですか?

キーあたり1分間あたり60リクエストが制限されています。最初のチャージ前は1分間10リクエストです。テキストが長い場合は4096文字ずつ分割して処理します。負荷がかかる場合、リクエストはキューで待機することがあり、生成に時間がかかる場合があります。

失敗したリクエストは課金されますか?

いいえ、失敗したリクエストは課金されません。音声合成に失敗した場合、請求額は全額返金されます。これは、正常に処理されたリクエストのみに対してのみ課金が行われることを意味します。したがって、エラーが発生した場合のリスクは最小限に抑えられます。

音声の著作権はどうなっていますか?

音声はLibriTTS-R(CC BY 4.0)およびLibriVoxの公衆ドメイン素材を基に生成されます。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。入力テキストはトレーニングに使用されず、生成音声も保存されません。メタデータは課金のためにのみ保持されます。

言語は日本語に対応していますか?

はい、日本語は対応言語の23言語に含まれています。言語を指定しない場合、ラテン文字は英語とみなされるため、日本語の場合は明示的にlanguageパラメータに「ja」を指定してください。他の言語でも、スクリプトに応じて言語が推測される場合がありますが、日本語は明示的に設定することを推奨します。

SSML タグはサポートされていますか?

いいえ、SSMLはサポートされていません。このAPIは、テキストを入力として受け取り、音声ファイルを出力するシンプルな設計です。SSMLタグやカスタム発音辞書、感情タグなどの高度な機能は提供されていません。必要に応じて、テキスト自体で制御するか、外部で処理する必要があります。

ストリーミング再生は可能ですか?

いいえ、ストリーミング再生やWebSocket、リアルタイムの部分的な音声生成はサポートされていません。APIはテキストを受け取り、音声ファイルを生成して返す非同期の処理を行います。音声ファイルの生成が完了するまで待機し、その後ファイルを取得する必要があります。リアルタイム性は保証されません。

音声のクローニングはできますか?

いいえ、カスタム音声クローニングは提供されていません。既存の8つのボイスプリセット(aria, nova, luna, sage, felix, milo, atlas, orion)から選択します。独自の音声データをアップロードしてクローニングする機能や、カスタム音声デザインは現在サポートされていません。

カスタム音声デザインはありますか?

いいえ、カスタム音声デザインは提供されていません。8つのプリセットボイスから選択するのみです。音声のトーンや特徴を細かく調整する機能や、独自の音声スタイルを定義する機能は現在サポートされていません。必要に応じて、既存のボイスの中から最も近いものを選択してください。

SSL 証明書はありますか?

SSL証明書に関する公式な保証や証明書番号の公開は行っていません。APIエンドポイントはHTTPS(https://api.playt19.com/v1)でアクセス可能です。一般的なWebブラウザやHTTPクライアントは、標準的なSSL/TLS接続を確立して通信を行います。具体的な証明書の詳細は記載されていません。

サポートは電話で受けられますか?

いいえ、電話サポートは提供されていません。サポートはメールのみで行われます。電話番号やライブチャットもありません。SLAや稼働率の保証、エンタープライズ契約、オンプレミス導入、特定の認証(SOC 2、HIPAA、GDPR証明書)も提供していません。

最初のリクエスト

curl

curl https://api.playt19.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

API連携による音声生成

の音声波形イラスト: API連携による音声生成

SmartKoeのTTS APIは、IoTデバイスやWebアプリへの音声組み込みを迅速化します。POST /v1/audio/speechエンドポイントにJSONボディを送信し、音声ファイルを生成します。OpenAI SDKのbase_urlを変更するだけで連携可能で、ノーコード開発者でも手軽に統合できます。

音声の詳細や利用可能なモデルは、GET /v1/voicesおよびGET /v1/modelsで取得できます。APIキーはベアラートークンで認証され、60 RPMのレートリミットが適用されます。

POST /v1/audio/speech

POST /v1/audio/speech

テキストを入力して音声ファイルを生成する主要エンドポイントです。最大4096文字までのテキストをJSONボディで送信します。失敗したリクエストは課金されません。

モデル(tts-1またはtts-1-hd)、音声(voice)、フォーマット(mp3, wav, opus, flac, pcm)を指定します。速度は0.25〜4.0で調整可能です。

  • 入力テキスト: 最大4096文字
  • 認証: Authorization: Bearer tts-...
  • レスポンス: 音声ファイル(mp3, wav, opus, flac, pcm)

GET /v1/voices

利用可能な8種の音声プリセット、対応言語、フォーマット、料金を確認できます。各音声はライセンス付きの録音に基づいており、23言語に対応しています。

特定の音声の詳細や、使用可能な言語コードを確認する際に利用します。

  • 8種の音声プリセット
  • 23言語の対応状況
  • 利用可能なフォーマットと価格

GET /v1/models

現在利用可能なTTSモデルの一覧を取得します。主にtts-1とtts-1-hdの2モデルが提供されています。

両モデルは同じエンジンと価格帯です。

  • tts-1
  • tts-1-hd

8種の音声プリセット

の音声波形イラスト: 8種の音声プリセット

SmartKoeのTTS APIでは、IoTデバイスやスマートホームシステム向けの音声出力を制御するための8種類のプリセット音声から選べます。各音声は、LibriTTS-Rデータセットに基づくライセンス付き録音およびLibriVoxの公共著作権オーディオブックを基に構築されており、再現性のある一貫した品質を保証します。

ARIA: 温かみのあるナレーター

Ariaは、温かくクリアなナレーターです。スマートホームの音声アシスタントや、ユーザーへのガイドメッセージに適しています。感情の起伏は抑えられ、安定したナビゲーション音声として機能します。

  • 用途: ナレーター、案内音声
  • 特徴: 温かみ、クリアな発音

NOVA: 明るく活気あるトーン

Novaは、明るく活気のある音声です。スマートデバイスの通知や、ユーザーの注意を引くアラート音源に最適です。エネルギー感があり、ユーザーの行動を促す効果的な音声設計が可能です。

  • 用途: 通知、プロモーション
  • 特徴: 活気、明るいトーン

LUNA: 柔らかいストーリーテリング

Lunaは、柔らかく物語的な音声です。長時間の音声コンテンツや、リラックスした環境での音声案内に適しています。背景音として流れる際も、ユーザーにストレスを与えない設計です。

  • 用途: ストーリーテリング、背景音声
  • 特徴: 柔らかい、物語的な調子

対応言語とフォーマット

の音声波形イラスト: 対応言語とフォーマット

23言語に対応し、アラビア語からスワヒリ語までカバーします。言語コードを指定しない場合は自動検出されますが、ラテン文字の非英語テキストでは明示的な指定が推奨されます。ベトナム語やタイ語など一部言語は未対応です。

23言語の多言語対応

英語、中国語、日本語、韓国語、ドイツ語、フランス語、スペイン語、ポルトガル語、ロシア語、イタリア語、アラビア語、ヒンディー語、オランダ語、スウェーデン語、ノルウェー語、フィンランド語、デンマーク語、ポーランド語、ギリシャ語、ヘブライ語、マレー語、トルコ語、スワヒリ語に対応しています。すべての音声プリセットは全言語で利用可能です。

  • アラビア語、中国語、デンマーク語、オランダ語、英語、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

MP3, WAV, Opus, FLAC, PCM

MP3、WAV、Opus、FLAC、PCMの5つの音声フォーマットから選択できます。IoTデバイスやWebアプリの要件に合わせて、適切な圧縮形式や無圧縮形式を指定してください。

音声ファイルのダウンロード

APIリクエストに応じて生成された音声ファイルは、レスポンスとして即座に返却されます。生成された音声ファイルはサーバー側に永続的に保存されず、受信後の処理やIoT機器への組み込みが可能です。

料金とチャージ方法

の音声波形イラスト: 料金とチャージ方法

音声合成のコストは生成された文字数に応じて課金されます。100万文字あたり$10(1,000文字あたり$0.01)で、スペースや句読点も文字数にカウントされます。

チャージはTRONネットワークのUSDT(TRC-20)のみで対応しています。最低$5からで、送金後数分で残高に反映されます。クレジットカードやPayPalは使用できません。

100万文字あたり$10

使用した文字数に応じて従量課金されます。$0.01 / 1,000文字の計算で、生成済み音声は返却されるため保管されません。

  • 100万文字 = $10
  • スペースと句読点も対象文字に含む

失敗リクエストは無料

音声合成に失敗した場合、そのリクエストは無料となります。課金された金額は全額返金されるため、失敗時のリスクはありません。

USDT(TRC-20)でのチャージ

残高チャージはUSDT(TRC-20)のみに対応しています。口座振替や請求書はなく、自動的に残高に加算されます。

サブスクリプションや最小使用量は設定されていません。残高は期限なしで利用可能です。

  • 最小チャージ額: $5
  • 反映まで: 数分
  • 対象ネットワーク: TRON (TRC-20)

開発者向け仕様

の音声波形イラスト: 開発者向け仕様

SmartKoeのTTS APIはOpenAIのspeechエンドポイントと互換性があり、既存のOpenAI SDKをそのまま利用できます。base_urlをhttps://api.playt19.com/v1に設定するだけで、IoTデバイスやWebアプリへの音声連携が実現します。

OpenAI SDK互換

リクエスト形状はOpenAIのspeechエンドポイントと同一です。既存のOpenAI SDKを使用し、base_urlのみ変更することで利用可能です。PythonやJavaScriptなどのOpenAI公式SDKで、シンプルなコードで音声ファイルを生成できます。

  • リクエスト形状はOpenAIと同一
  • base_url変更のみで利用可能
  • 公式SDK対応

ベアラートークン認証

認証はAuthorization: Bearer tts-...形式のベアラートークンを使用します。アカウントごとにアクティブなキーは1つで、新規発行すると旧キーは即座に無効化されます。APIヘッダーにキーを記載してリクエストを送信してください。

レートリミット60 RPM

1つのAPIキーあたり、最大60リクエスト/分のレートリミットが適用されます。初回チャージ前は1分あたり10リクエストです。リクエストはキュー処理されるため、負荷が高い場合は生成に待ち時間が生じる場合があります。

開発者向け仕様

データプライバシー

の音声波形イラスト: データプライバシー

入力テキストは音声生成のみ目的で利用され、モデルの学習データとして再利用されることはありません。生成された音声ファイルはレスポンスとして返却され、サーバー上には保存されません。

学習用データ使用なし

生成プロセスで使用されたテキストデータは、音声合成の処理が完了した後に破棄されます。したがって、お客様の入力テキストが将来の音声モデルのトレーニングに利用されることはありません。

音声ファイルの保存なし

合成された音声ファイルは、APIレスポンスとしてクライアントに返送された時点で保存対象外となります。ストレージに永続的に残ることはなく、生成された音声の履歴管理はクライアント側の管理に委ねられます。

課金用メタデータの保持

請求処理の正確性を保つため、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保持されます。これは課金の計算と照合にのみ使用され、音声そのものやテキストの内容とは独立して管理されます。

よくある質問

の音声波形イラスト: よくある質問

よくある質問

開発者向け仕様と仕様の制限について、よく寄せられる質問をまとめました。

SSMLは対応していますか?

対応していません。本APIは音声の生成のみを行います。

ストリーミングは可能ですか?

ストリーミングやWebSocketは提供していません。リクエスト送信後、音声ファイルが完成するまで待機してください。

音声のクローニングはありますか?

カスタム音声クローニングは提供していません。既存の8プリセットから音声を選択してください。

お問い合わせ

の音声波形イラスト: お問い合わせ

SmartKoeのサポートはメールのみです。電話やライブチャットは用意していません。技術的な質問や課金に関する問い合わせは、専用メールアドレス宛てにお願いします。

まずFAQページで基本的な使用方法やよくある質問をご確認ください。それでも解決しない場合は、以下のリンクからドキュメントを参照するか、お問い合わせフォームからご連絡ください。

メールサポートのみ

私たちは電話サポートを提供していません。すべての問い合わせはメールで行われます。返信には営業日により数日かかる場合があります。

技術的な問題やAPIのエラーについて詳しく説明していただければ、より迅速な対応が可能です。

  • サポート:[email protected]
  • 対応時間:記載なし(返信は数日要)
  • チャットサポート:なし

FAQの閲覧

よくある質問ページでは、APIの基本的な使用方法や料金、アカウント設定について解説しています。

初めての方でも、簡単な手順で音声合成を始めることができます。

  • APIの基本設定
  • 料金の計算方法
  • 音声プリセットの選択

APIドキュメントへ

詳細なエンドポイントやパラメータについては、APIドキュメントを参照してください。

OpenAI SDK互換の仕様に基づいて、簡単に音声ファイルを生成できます。

  • エンドポイント: https://api.playt19.com/v1
  • 認証: Bearerトークン
  • フォーマット: MP3, WAV, Opus, FLAC, PCM

音声の品質と特徴

の音声波形イラスト: 音声の品質と特徴

生成された音声ファイルには、聴覚に不可視な透かしが埋め込まれ、合成音声であることを示します。これにより、IoTデバイスやWebアプリでの利用シーンにおいて、音声の出自を明確にすることができます。

合成音声の透かし

各音声ファイルには合成音声を示す透かしが自動的に埋め込まれます。ユーザーが認識できないレベルですが、音声の性質を明確にするために機能します。

音声の生成速度

長文テキストでは約1秒間に25文字分の音声を実時間で作成します。短文でも数秒程度で完了しますが、リクエストは逐次処理されるため、混雑時はキュー待ちが発生する可能性があります。

リアルタイム生成が可能な速度ですが、同時実行数によって待機時間が変動します。

テキストの分割処理

4096文字を超えるテキストを送信すると、システムが自動的に適切な長さに分割し、それぞれの音声ファイルを生成します。最終的にそれらは一つの音声ファイルとして結合されます。

これにより、大量のテキストデータでも確実に音声化することが可能です。

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。

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. IETF RFC 7845: Ogg Opus
  3. Tether (USDT)
  4. openai-python on GitHub
  5. openai-node on GitHub
  6. LibriTTS-R paper (arXiv 2305.18802)
  7. Node.js documentation
  8. LibriVox public-domain audiobooks
  9. curl documentation
  10. Creative Commons Attribution 4.0
  11. ISO 639 language codes
  12. FFmpeg documentation

このサイトに関するその他の情報