よくある質問
文字読み上げAPIとは何ですか?
テキストを送信すると音声ファイルが返されるクラウドTTS APIです。OpenAI SDK互換のエンドポイントを使用し、JSON bodyでモデルや音声プリセットを指定します。動画教材やLMS教材の制作に利用でき、ノーコード環境でも音声コンテンツを生成できます。
音声合成の速度はどのくらいですか?
長文では実時間並み(1秒あたり約25文字)で生成されます。短めの文章は数秒かかります。リクエストは順次処理されるため、負荷が高い場合はキュー待ちが発生する可能性があります。リアルタイムストリーミングやWebSocketは提供していません。
どの言語に対応していますか?
英語、日本語、中国語、スペイン語、フランス語、ドイツ語など23言語に対応しています。言語を指定しない場合、文字から推測されますが、非英語のラテン文字は明示的に指定してください。ベトナム語やタイ語などは未対応です。
音声ファイルの形式は選べますか?
mp3、wav、opus、flac、pcmの5つの形式から選択可能です。APIリクエストのresponse_formatフィールドで指定します。用途に応じて最適な形式を選定し、音声ファイルを取得してください。
4096文字を超える長文は処理できますか?
1リクエストあたり最大4096文字まで処理可能です。それを超える場合は、テキストを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結合する必要があります。この手法により、長文の教材音声も作成できます。
音声の失敗時は課金されますか?
音声合成に失敗した場合は課金されません。料金は全額返金されます。正常に生成された場合のみ、文字数に基づいて課金されます。失敗時の返金メカニズムにより、安心してAPIを利用できます。
アクセシビリティ対応に利用できますか?
音声ファイルは生成されるため、アクセシビリティ用途にも利用可能です。ただし、SSMLやカスタム発音辞書は提供していないため、細かな制御はできません。音声ファイル自体に合成音声を示す不可視の透かしが入ります。
動画教材作成に最適な音声プリセットはどれですか?
教育的な文脈では、sage(落ち着いた指示用)やatlas(中立なニュース調)が適しています。ariaやnovaも明確なナレーターとして機能します。8つのプリセットから教材のトーンに合うものを選んでください。
多言語の学習教材を作成できますか?
対応する23言語のいずれでも音声を作成可能です。各音声プリセットはどの言語でも話せます。languageパラメータで言語を指定することで、正確な発音で音声ファイルを生成できます。
APIのレートリミットはどのくらいですか?
APIキーあたり1分間あたり60リクエストまで可能です。初回のチャージ前は1分あたり10リクエストです。リクエストは順次処理されるため、大量の音声生成時にはキュー待ちが発生する可能性があります。
音声には著作権がありますか?
音声はLibriVoxの公衆ドメイン読書とLibriTTS-R(CC BY 4.0)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透かしが入ります。著作権の扱いは各利用規約に従ってください。
音声データは保存されますか?
入力テキストは音声生成のみで使用され、トレーニングには使用されません。生成された音声はレスポンスで返され、保存されません。請求のためのメタデータ(時刻、文字数、ステータス)のみ保持されます。
カスタム音声クローニングは提供していますか?
カスタム音声クローニングは提供していません。8つのプリセット音声から選択します。独自の声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利用できません。既存のプリセットのみが利用可能です。
サポートはどのように受けられますか?
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は提供していません。技術的な質問やアカウントに関する問い合わせは、指定されたサポートメール宛てに行ってください。
最初のリクエスト
curl
curl https://api.playbt678.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.mp3eラーニング制作を加速させる音声合成
APIエンドポイントにテキストを送信するだけで、音声ファイルが生成されます。OpenAI互換の仕様により、複雑なコード不要でHTTP接続またはcurlコマンドから即座に利用可能です。
生成された音声は、オンライン講座やLMS教材の音声化に直接使用でき、制作フローを簡素化します。
ノーコードで音声ファイルを作成
POSTリクエストでJSONボディを送信するだけです。認証キーとモデル、音声、テキストを指定するだけで、mp3やwavなどの音声ファイルが返されます。SDKや特別な環境構築は不要です。
動画教材の制作コスト削減
従来の録音作業と比較し、制作時間を短縮できます。100万文字あたり10ドルという従量課金制で、失敗時は全額返金されるため、無駄なコストが発生しません。
アクセシビリティ対応の標準化
テキスト教材に音声ファイルを紐付けることで、視覚障害者や学習障害のあるユーザーへの配慮が容易になります。API経由で効率的に音声コンテンツを提供できます。
学習教材に適した8つの音声プリセット
教材のトーンに合わせた8つのプリセットから選択可能です。各ボイスはLibriTTS-RまたはLibriVoxの録音データに基づいており、自然なナレーションを提供します。
感情タグやSSMLは提供していません。シンプルなAPIリクエストで、一貫した音声品質を維持しながら学習コンテンツの制作効率を向上させます。
女性ボイス:aria, nova, luna, sage
ariaは暖かく明確なナレーター、novaは明るく活発なトーン、lunaは柔らかく物語的な語り、sageは冷静で教育的な指示に適しています。
- aria: 明確なナレーション
- nova: 活発な解説
- luna: 物語的な構成
- sage: 教育的な指示
男性ボイス:felix, milo, atlas, orion
- felix: エネルギーあるプロモ
- milo: 親しみやすい会話
- atlas: ニュース風な中立性
- orion: 深いドキュメンタリー
感情タグなしの自然な narration
複雑な感情制御は不要です。既存のボイス特性を活用することで、制作プロセスを単純化し、コストを抑えることができます。
多言語学習に対応した23言語のサポート
教育コンテンツ制作における言語の壁を取り除くため、本APIは23言語の音声合成をサポートしています。英語、日本語、中国語、韓国語など、主要な学習対象言語に対応しており、多言語教材の作成を効率化します。
自動検知により初期設定が簡素化され、必要に応じてISOコードで言語を明示指定することも可能です。これにより、正確な発音とアクセントを維持した音声ファイルを即座に生成できます。
主要言語の完全サポート
英語、日本語、中国語、韓国語、ドイツ語、フランス語、スペイン語など、23言語をサポートしています。各音声プリセットは全ての言語で利用可能で、学習教材の言語品質を一定に保ちます。
- 英語、日本語、中国語、韓国語、ドイツ語、フランス語、スペイン語など23言語
- 全音声プリセットで利用可能
自動言語検知と手動指定
言語パラメータを指定しない場合、テキストの文字コードに基づき言語が自動検知されます。ただし、非英語のラテン文字テキストなど、検知が難しい場合は language フィールドでISOコードを明示的に指定することを推奨します。
非対応言語の確認
ベトナム語、インドネシア語、タイ語、ウクライナ語、ルーマニア語、チェコ語、ベンガル語などは現在非対応です。これら言語での教材作成が必要な場合は、別の音声合成手段との併用をご検討ください。
対応言語リストは /docs/ で随時確認可能です。
高速で正確な音声合成エンジン
音声合成は1リクエストあたり最大4,096文字まで処理可能です。短めのスクリプトは数秒で生成されますが、処理がキューに並ぶと遅延が発生する場合があります。
長文の教材は自動的に分割され、音声ファイルが結合されます。生成速度は長文で約リアルタイム(1秒あたり約25文字)に近づきます。
4096文字までのリクエスト
1つのJSONリクエストで送信できるテキストの上限は4,096文字です。これを超過するスクリプトは、API側で自動的に分割され、個別に音声化されます。
リアルタイムに近い生成速度
長文のテキストでは、生成速度が約リアルタイム(1秒あたり25文字分)に近づきます。ただし、同時リクエストが多い場合、キュー待ちにより短めの文でも数秒を要することがあります。
長文テキストの分割処理
4,096文字を超える長文は、自動的に適切な区切りで分割されます。生成された複数の音声ファイルは、シームレスに結合された形式で提供されます。
柔軟な音声フォーマット対応
音声ファイルの出力形式はmp3、wav、opus、flac、pcmの5種類から選択可能です。各フォーマットは、配信環境や編集ワークフローに合わせて最適に設定できます。
MP3は圧縮効率が高く、大容量の音声ライブラリを効率的に管理できます。Opusは低帯域環境での利用に適しており、Webアプリへの組み込みを効率化できます。
mp3, wav, opus, flac, pcm
mp3、wav、opus、flac、pcmの5形式に対応しています。各形式は、データサイズと品質のバランスを考慮して選択可能です。
PCMは生データとして編集ソフトに直接読み込めます。FLACは損失圧縮により、品質を落とさずにストレージ容量を節約できます。
- mp3: 一般的な動画・音声配信に最適
- wav: 編集用・高音質要件向け
- opus: 低帯域Web配信向け
- flac: 損失圧縮・アーカイブ向け
- pcm: 生データ・直接編集向け
Web動画への最適化
ブラウザでのストリーミング再生や、Webプラットフォームへのアップロードを想定した最適化を提供します。Opus形式は、帯域幅が限られる環境での利用に適しています。
MP3形式は、広くサポートされたコードックであり、各種LMSプラットフォームとの互換性に優れています。
音声ファイルはAPIレスポンスとして直接取得できるため、サーバー上のストレージ管理コストを最小限に抑えられます。
高品質なwav出力
WAV形式は非圧縮のPCMデータを出力するため、音声編集ソフトウェアでの加工に適しています。
動画教材の制作工程で、音声のフェードイン・アウトやノイズ除去を行う必要がある場合に最適です。
品質を優先する学習コンテンツの音声素材として、確実な再現性を提供します。

シンプルで透明な料金体系
Text-to-Speech APIの従量課金は100万文字あたり10ドル(1文字あたり$0.00001)で計算されます。スペースや句読点も文字数に含まれるため、正確なコスト見積もりが可能です。
音声合成が失敗した場合は、請求は発生しません。課金された場合でも全額返金されるため、リスクなくAPIを利用できます。
文字数単位の従量課金
月額料金や基本料金はなく、使用した分のみが請求されます。アカウント作成時にGoogleサインインで$0.50(約5万文字)の無料トライアルが提供されますが、メール登録ではこの特典はありません。
失敗時の無料保証
合成プロセスでエラーが発生し、音声ファイルが生成されなかった場合、そのリクエストは無料となります。正常に完了したリクエストのみが課金対象となります。
ミニマムデポジット
残高チャージはUSDT(TRC-20)のみに対応しており、最低チャージ額は$5です。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、請求書での支払いには対応していません。
残高は有効期限がなく、必要な時に必要な分だけチャージして利用します。
API連携の容易さ
API連携はOpenAI互換の仕様を採用しており、base_urlを変更するだけで既存のOpenAI SDKをそのまま利用可能です。認証はBearerトークンによるシンプルなものとし、SDKに依存しないHTTP接続やcurlコマンドでも即座に動作します。
OpenAI互換の仕様
エンドポイントは https://api.playbt678.com/v1 に設定し、リクエスト形状はOpenAI speechエンドポイントと同一です。これにより、既存のOpenAI SDKをbase_urlのみ変更して利用でき、学習コストを最小限に抑えられます。
curlコマンドでの即座利用
準備中のページにcurlコマンド例が記載されており、認証キーとテキストを入力するだけでテスト可能です。複雑な設定ファイル不要で、APIの動作確認を短時間で行えます。
- 準備中のページにcurlコマンド例が記載
SDK不要のHTTP接続
公式SDKに依存せず、標準的なHTTPリクエストで音声ファイルを取得できます。Python、Node.js、Goなど、任意のプログラミング言語やツールからJSONとBearerトークンを用いて統合可能です。
教育コンテンツへの活用事例
API連携により、LMS教材や動画講座のナレーション制作フローが自動化されます。テキストを即座に音声ファイルに変換し、音声制作のリードタイムを短縮します。
オンライン講座の音声化
テキストデータをAPIに送信するだけで、mp3やwav形式の音声ファイルを生成できます。生成速度は長文でリアルタイムに近く、短くても数秒で完了するため、講座制作の反復作業が効率化されます。
- 4096文字以内のテキストを音声ファイルに変換
- 音声合成失敗時は課金されません
アクセシビリティ対応の強化
視覚障害者や音声読み上げソフトの利用者向けに、テキスト教材を音声化できます。各音声ファイルには合成音声を示す不可視の透かしが含まれます。
アクセシビリティ基準の遵守を容易にし、教材の到達範囲を広げます。
多言語教材の自動化
23言語に対応しており、英語、日本語、中国語などの教材を自動で音声化できます。言語コードを指定することで、一貫した品質で多言語学習コンテンツを生成できます。
なぜ教育事業者はこのAPIを選ぶのか
動画教材やLMSコンテンツ制作において、音声作成は多くの時間を要します。VoiceLearn APIでは、テキストを即座に音声ファイルに変換できるため、ナレーション録音から編集までの工程を大幅に短縮できます。
8つの音声プリセットから選択するだけで、すべての教材で一貫した音声品質を維持できます。複数のナレーターを起用するコストや、品質のばらつきを気にする必要がなくなります。
制作時間の短縮
長文テキストも4096文字まで一度に送信でき、リアルタイムに近い速度で音声ファイルが生成されます。これにより、数十分単位の講座でも、数分で音声データを作成可能です。
音声録音の準備、録音、ノイズ除去などの工程が不要になるため、コンテンツ制作のリードタイムを短縮できます。
- テキスト送信から音声ファイル生成まで数秒〜数分
- 複数回の録音取り直しや編集の手間がない
一貫した音声品質
8つの音声プリセット(aria, nova, luna, sage, felix, milo, atlas, orion)から選べるため、ブランドイメージに合わせた統一感のある音声を提供できます。
各音声はライセンスされた録音に基づいており、自然な narration を提供します。感情タグは不要で、一貫したトーンを維持しやすい設計です。
コスト効率の良さ
100万文字あたり$10という従量課金制で、使用した分だけ支払います。月額固定費や最小利用料がないため、コンテンツ制作の量に合わせた柔軟なコスト管理が可能です。
音声合成の失敗時には全額返金されるため、無駄なコストを発生させません。
- 100万文字あたり$10の従量課金
- 失敗時の全額返金保証
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。
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。
