よくある質問
VoiceLearn APIとは何ですか?
VoiceLearn APIは、テキストを音声ファイルに変換するクラウドTTS APIです。JSON形式でリクエストを送信すると、mp3やwavなどの音声ファイルが返されます。OpenAI SDKと互換性があり、base_urlを変更するだけで利用可能です。教育コンテンツ制作における音声合成の基盤として機能します。
音声のライセンスはどのように管理されていますか?
音声はLibriTTS-R(CC BY 4.0)およびLibriVoxの公共領域のオーディオブック読み上げに基づいています。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管理されています。
入力データは学習に使われますか?
入力テキストは音声生成のみに使用され、モデルの学習には利用されません。生成された音声はレスポンスとして返され、サーバー上には保存されません。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。
生成された音声は保存されますか?
生成された音声ファイルはレスポンスで返された後、サーバー上には保存されません。ただし、請求管理のためにリクエストのメタデータ(時刻、文字数、ステータス)が保持されます。これにより、データのプライバシーと効率的な課金が両立されます。
カスタム音声の作成はできますか?
カスタム音声の作成はできません。顧客向けのボイスクローニングや、独自の音声アップロード機能は提供していません。また、音声デザインや感情タグも利用できません。8つのプリセットされたボイスから選択して使用します。
ストリーミングはサポートされていますか?
ストリーミング、WebSocket、リアルタイムの部分的な音声配信はサポートされていません。テキストを送信すると、音声ファイル全体が完成してからレスポンスとして返されます。リアルタイム性を重視する用途には適していない可能性があります。
SSMLは使用できますか?
SSML(Speech Synthesis Markup Language)は使用できません。発音辞書やカスタム発音もサポートしていません。基本的なテキストと速度、音声の選択のみで音声生成を行います。複雑な構造化された音声制御が必要な場合は適していません。
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提供されます。電話番号やライブチャットは設置していません。質問や技術的な問題については、メールで問い合わせる必要があります。迅速な対応を保証するSLAもありません。
チームの構成は?
APIの信頼性は?
SLAや稼働率の保証はありません。リクエストはキューで処理されるため、負荷が高い場合は待機時間が発生する可能性があります。信頼性は保証されませんが、安定した音声生成を提供するよう努めています。
データプライバシーはどのように確保?
入力テキストは音声生成後に破棄され、学習データには使用されません。生成音声もサーバーに保存されません。課金用のメタデータのみが保持されます。これにより、ユーザーのデータプライバシーが保護されます。
音声の品質はどのように保証?
品質保証のSLAや認定は提供していません。音声は licensed recordings に基づいて生成され、一貫した品質が得られるよう設計されています。ただし、特定の品質基準を保証するものではありません。
ライセンスの変更はありますか?
音声のライセンスはCC BY 4.0および公共領域に基づいています。
連絡先は?
連絡先はメールのみです。電話番号やライブチャットはありません。サポートはメールを通じて受け付けられます。詳細な連絡先情報は /contact/ ページでご確認ください。
私たちの使命
VoiceLearn APIは、動画やLMS教材の制作効率を向上させることを目的としています。テキストを音声ファイルに変換し、教育コンテンツのアクセシビリティを向上させます。
教育コンテンツのアクセシビリティ向上
生成された音声ファイルには合成音声を示す透かしが埋め込まれており、信頼性を確保します。これにより、視覚情報のみでは届きにくい学習コンテンツを、音声を通じてより多くの学習者に届けることが可能になります。
制作コストの削減
声優やナレーターを手配する手間とコストを排除し、テキスト入力だけで音声コンテンツを生成できます。100万文字あたり10ドルという明確な料金体系により、予算計画を容易に立てることができます。
多言語学習の促進
23言語をサポートしており、異なる言語の学習教材を効率的に作成できます。特定の言語設定を指定することで、正確な発音で学習コンテンツを提供可能です。
音声のライセンスと起源
VoiceLearn APIの音声は、LibriVoxの公衆ドメイン録音に基づいています。
著作権のクリアを徹底し、教育コンテンツの安全な利用を支えます。
LibriTTS-RとLibriVox
音声はLibriVoxのオーディオブック読み上げを基盤としています。LibriTTS-Rデータセットは、パブリックドメインの文学作品を収録しており、商用利用にも適した素材源です。
- LibriVoxの録音が基盤
- パブリックドメイン作品を使用
CC BY 4.0ライセンス
LibriTTS-RはCC BY 4.0ライセンスで公開されています。これにより、生成音声の再利用や改変が比較的容易になります。
- CC BY 4.0ライセンス準拠
著作権のクリア
音声素材の著作権がクリアされているため、学習教材の制作リスクを低減できます。ただし、生成音声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。
データポリシー
VoiceLearn APIは、入力テキストを音声ファイル生成のみに使用します。生成された音声はレスポンスとして返され、永続的に保存されることはありません。これは学習コンテンツ制作の効率化を目的とした明確なデータ処理ポリシーです。
入力テキストの用途
送信されたテキストは、音声合成エンジンでの処理が完了するまで一時的に使用され、その後外部の機械学習モデルのトレーニングデータとしては利用されません。これは、教育コンテンツの素材として使用されるテキストの機密性を保つための重要な特徴です。
音声ファイルの保存
生成された音声ファイルは、APIのレスポンス経由でクライアントに返却されるのみで、当社のサーバー上に永続的に保存されることはありません。必要な場合は、クライアント側で保存管理を行う必要があります。
メタデータの保持
課金と利用状況の把握のために、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。これにより、正確な料金計算とサービスの安定運用が可能になります。
保持されるメタデータは、音声そのものやテキストの内容とは分離されており、個別のコンテンツ詳細を特定するために使用されることはありません。
技術的な制限と特徴
VoiceLearn APIはシンプルかつ堅牢なAPI設計を重視しています。ストリーミングやSSML、カスタムクローニングのような複雑な機能を持たない代わりに、安定した音声合成と明確な料金体系を提供します。
これにより、API呼び出しの予測可能性が向上し、自動化された学習コンテンツ制作パイプラインとの統合が容易になります。
ストリーミング非対応
音声はファイルとして一括で返却されます。WebSocketやストリーミング接続は提供していないため、リアルタイムな対話型アプリケーションには不向きです。
各リクエストは4096文字まで処理され、生成された音声は完了後にダウンロード可能です。
- リアルタイムストリーミング非対応
- ファイル形式での一括返却のみ
SSML非対応
Speech Synthesis Markup Language(SSML)タグはサポートしていません。語彙や発音記号、音声の細かな制御は不可能です。
必要に応じて、テキストの区切りや改行で意図を調整する必要があります。
- SSMLタグ非対応
- カスタム発音辞書なし
カスタムクローニング非対応
既存の8種類のプリセットボイスのみを利用可能です。独自の声をアップロードしてクローンしたり、カスタムボイスを設計したりする機能はありません。
全ての音声はLibriTTS-RおよびLibriVoxの録音に基づいており、著作権のクリアされた状態です。
- ボイスクローニング非対応
- カスタム音声アップロードなし

サポートと連絡方法
VoiceLearn APIは、技術サポートをメールのみで提供しています。電話やライブチャット、SLAや認定証の保証はありません。アカウント作成やAPIキーの発行、請求に関する問い合わせは、専用メールアドレス宛てに行ってください。
サポート担当者はAPIの仕組みに精通しており、具体的なエラーログや使用状況に基づいた回答を提供します。一般的なFAQはドキュメントページで確認できるため、複雑な技術的な問題が発生した際のみ連絡をご利用ください。
メールサポートのみ
当サービスでは、電話やライブチャットによるサポートは提供していません。すべての問い合わせはメールアドレス宛てにお願いします。これにより、技術的な詳細を正確に記録し、一貫した回答を提供できます。
アカウントの作成、APIキーの発行、請求に関する疑問などは、すべてメールサポートで処理されます。
- 電話サポートなし
- ライブチャットなし
- メールのみ対応
応答時間の目安
通常、24時間以内に返信いたします。ただし、問い合わせの内容や量によっては、もう少し時間がかかる場合があります。
具体的なエラーログや、発生した時間、使用したモデル名などを記載いただくと、より迅速な対応が可能です。
FAQの充実
一般的な質問やよくあるトラブルシューティングは、ドキュメントページのFAQセクションで確認できます。これにより、迅速な解決を図ることができます。
FAQで解決できない複雑な問題や、個別のケースについては、メールサポートをご利用ください。
FAQは定期的に更新され、最新の情報に基づいた回答を提供しています。
- よくある質問
- トラブルシューティング
- 最新情報
チームと背景
VoiceLearn APIは、オンライン講座やLMS教材の制作効率を向上させるために設計された独立したAPIストアフロントです。私たちは、教育事業者がノーコードで高精度な読み上げ音声を利用できるよう、シンプルで信頼性の高い基盤を提供しています。
編集部門は、技術的な正確性と教育現場のニーズを橋渡しし、ユーザーが迷うことなくAPIを統合できるような明確なドキュメントとサポート体制を維持しています。
編集部の役割
編集チームは、複雑なAPI仕様を教育コンテンツ制作のワークフローに合わせて整理し、具体的な数値と事例に基づいたレビュー記事を公開しています。これにより、開発者ではないユーザーでも正確なコスト計算と技術判断が可能になります。
API開発の背景
本APIは、LibriTTS-Rデータセット由来のライセンス済み音声データと、LibriVoxの公開音声録音を基盤として構築されています。これにより、高品質な音声合成を著作権のクリアされた状態で提供可能となりました。
OpenAI SDKとの互換性を持たせることで、既存の開発環境を最小限の変更で利用でき、教育プラットフォームへの統合コストを削減しています。
教育へのコミットメント
私たちは、多言語学習やアクセシビリティの向上を通じて、教育の質を技術的に支援することを目指しています。特に、ノーコードユーザーが効率的に教材を作成できる環境を提供することに焦点を当てています。
生成された音声ファイルは学習コンテンツの一部として活用され、入力テキストはトレーニングデータとして使用されません。これにより、教育コンテンツのプライバシーと著作権を保護します。
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。 保持されるメタデータは、音声そのものやテキストの内容とは分離されており、個別のコンテンツ詳細を特定するために使用されることはありません。
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
- Wikipedia
- Python documentation
- Creative Commons Attribution 4.0
- TRON developer hub: TRC-20
- IETF RFC 7845: Ogg Opus
- Node.js documentation
- LibriVox public-domain audiobooks
- ISO 639 language codes
- curl documentation
- OpenAI API reference: create speech
- LibriTTS-R corpus (OpenSLR 141)
- LibriTTS-R paper (arXiv 2305.18802)
