TTS API:クイックスタートガイド

作成者 VoiceReader JP 編集部 · 更新日 2026-11-18

WordPressやブログ運営のフリーランス向け、テキストを音声に変換するクラウドAPIのクイックスタートガイドです。GoogleやメールアドレスでAPIキーを取得し、数分で読み上げ機能をブログに組み込む方法をご紹介します。

このページでは、curlコマンドやOpenAI SDKを使った具体的な実装例、パラメータの設定、エラー処理の仕組みを解説します。レートの制限や音声の選択方法も記載しているので、スムーズにアクセシビリティを高められます。

TTS API:クイックスタートガイド

よくある質問

APIキーはどこで取得できますか?

サイト内の「/get-api-key/」ページでGoogleまたはメールアドレスとパスワードを使ってサインアップすると、APIキーが取得できます。Googleサインアップには無料トライアルの$0.50が付与されますが、メールアドレス登録では付与されません。キーはアカウントごとに1つ有効で、ダッシュボードで確認できます。

APIキーの再生成はすぐに反映されますか?

はい、新しいキーを生成すると、古いキーは即座に無効になります。これにより、セキュリティを維持しながらキーを更新できます。再生成後は、新しいキーを使用してAPIリクエストを送信してください。

OpenAI SDKはどのように使用しますか?

公式OpenAI SDKを、base_urlを「https://api.playh31.com/v1」に変更して使用できます。APIキーを設定し、標準的なspeechエンドポイントを使用するだけで連携可能です。公式の当社独自SDKやモバイルSDKはありませんが、標準的なHTTPリクエストやOpenAI互換の形式で動作します。

curlコマンドの例はどこにありますか?

APIキー取得ページのダッシュボードに、すぐに使えるcurlコマンドの例が表示されます。これには、APIキー、音声モデル、テキスト、音声設定が含まれています。この例をコピーしてターミナルで実行することで、すぐに音声ファイルを生成・ダウンロードできます。

エラーが発生した場合、どのように対応しますか?

合成に失敗した場合、請求は全額返金されます。エラーコードを確認し、テキストの長さや音声設定を確認してください。4096文字を超える場合は、テキストを分割して複数リクエストを送信する必要があります。エラーが発生してもコストは発生しないため、安心してテストできます。サポートはメールのみです。

レートリミットを超えた場合、どうなりますか?

1分あたり60リクエストの制限があります(初回トップアップ前は1分あたり10リクエスト)。制限を超えると、リクエストはキューに入れられ、順番に処理されます。キュー待ちが発生する可能性がありますが、最終的には処理されます。バッチ処理に適した設計です。

音声ファイルの形式はどのように選択しますか?

リクエストボディの「response_format」フィールドで、mp3、wav、opus、flac、pcmのいずれかを選択できます。mp3は一般的で、wavは高品質、opusは効率的です。用途に応じて適切な形式を選択してください。デフォルトの指定はありませんので、必ず明示的に指定してください。

言語を指定しない場合、どうなりますか?

言語が指定されない場合、文字に基づいて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テキストは正しく認識されますが、ラテン文字のテキストはデフォルトで英語とみなされるため、他の言語の場合は明示的に「language」パラメータを設定してください。

音声の速度はどのように調整しますか?

「speed」パラメータで0.25から4.0の範囲で速度を調整できます。デフォルトは1.0です。値を小さくすると遅く、大きくすると速くなります。特定のペースで音声を読み上げたい場合や、アクセシビリティに合わせて調整する場合に便利です。

音声のモデルはどのように選択しますか?

「model」パラメータで「tts-1」または「tts-1-hd」を選択できます。両者は同じエンジンと価格を使用します。特定のモデルに依存する機能差はないため、どちらを選択しても結果は同じです。明示的に指定することを推奨します。

音声の声はどのように選択しますか?

8つのプリセットから「voice」パラメータで選択します。女性向けにはaria、nova、luna、sageが、男性向けにはfelix、milo、atlas、orionが用意されています。各声は特定のトーン(ナレーター、アップビート、ストーリーテリングなど)を持っています。ブログのトーンに合った声を選択してください。

音声のフォーマットはどのように選択しますか?

「response_format」パラメータでmp3、wav、opus、flac、pcmのいずれかを指定します。mp3は広く互換性があり、wavは非圧縮、opusは高圧縮効率、flacは非損失圧縮です。用途に応じて最適な形式を選択してください。デフォルト値はありません。

音声の速度はどのように調整しますか?

「speed」パラメータで0.25から4.0の範囲で速度を調整します。値を下げると読み上げが遅くなり、上げると速くなります。アクセシビリティの要件や、リスナーの理解度を考慮して速度を設定してください。

音声のモデルはどのように選択しますか?

「model」パラメータで「tts-1」または「tts-1-hd」を選択します。両モデルは同じエンジンと価格構造を持ち、品質に差はありません。特定の機能要件がない限り、どちらを使用しても問題ありません。

最初のリクエスト

curl

curl https://api.playh31.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

Python (openai)

from openai import OpenAI

client = OpenAI(base_url="https://api.playh31.com/v1", api_key="tts-...")

with client.audio.speech.with_streaming_response.create(
    model="tts-1", voice="nova", input="Hello from Python.", response_format="mp3"
) as response:
    response.stream_to_file("hello.mp3")

Node.js (openai)

import OpenAI from "openai";
import fs from "node:fs";

const client = new OpenAI({ baseURL: "https://api.playh31.com/v1", apiKey: process.env.TTS_API_KEY });
const res = await client.audio.speech.create({ model: "tts-1", voice: "milo", input: "Hello from Node.js." });
fs.writeFileSync("hello.mp3", Buffer.from(await res.arrayBuffer()));
voice
aria女性
nova女性
luna女性
sage女性
felix男性
milo男性
atlas男性
orion男性
language
arالعربية
zh中文
daDansk
nlNederlands
enEnglish
fiSuomi
frFrançais
deDeutsch
elΕλληνικά
heעברית
hiहिन्दी
itItaliano
ja日本語
ko한국어
msBahasa Melayu
noNorsk
plPolski
ptPortuguês
ruРусский
esEspañol
swKiswahili
svSvenska
trTürkçe

APIキーの取得と管理

の音声波形イラスト: APIキーの取得と管理

APIキーはAPIとの接続に不可欠な認証情報です。まずアカウントを作成し、唯一のアクティブなキーを取得しましょう。キーは後でいつでも再生成できますが、再生成すると古いキーは即座に無効になります。

無料トライアルを利用するにはGoogleアカウントでの登録が推奨されます。メールアドレスでの登録ではトライアルクレジットは付与されません。生成されたキーはダッシュボードで確認でき、curlコマンドの例もすぐに利用可能です。

Googleアカウントでの登録

Googleアカウントでの登録

Googleアカウントで登録すると、すぐに$0.50の無料クレジットが付与されます。このクレジットは約5万文字の生成が可能で、有効期限は7日間です。サインインすると、APIキーと残高がすぐに確認できます。

アカウント作成はサイト内の/get-api-key/ページから行えます。登録完了後、ダッシュボードにアクセスしてキーをコピーしてください。

  • Googleアカウントでワンクリック登録可能
  • $0.50の無料クレジット(7日間有効)が付与される
  • APIキーが即座に発行される

メールとパスワードでの登録

メールとパスワードでの登録

メールアドレスとパスワードを使ってアカウントを作成することもできます。この方法で登録したアカウントには、初期の無料クレジットが付与されません。

代わりに、USDT(TRC-20)でのチャージが必要になります。最小チャージ額は$5で、トランザクション完了後に自動的に残高に反映されます。クレジットカードやPayPalは対応していません。

チャージ後は通常数分で残高が更新され、APIリクエストを開始できます。

  • メールアドレスとパスワードでの登録に対応
  • トライアルクレジットは付与されない
  • USDT(TRC-20)でのチャージが必要(最小$5)

キーの再生成と無効化

アカウントには1つのアクティブなAPIキーのみが存在します。万が一キーが漏洩した場合や、新しいデバイスで利用する場合にキーを再生成できます。

キーを再生成すると、直前に使用していたキーは即時に無効になります。新しいキーはダッシュボードに表示されるので、そちらに切り替えてください。

キーの再生成はいつでも実行可能で、制限回数や手数料はありません。再生成後も残高や使用履歴は維持されます。

  • 1つのアクティブキーのみが有効
  • 再生成すると旧キーは即時無効化
  • 再生成はいつでも自由に行える

最初のリクエスト:curl例

の音声波形イラスト: 最初のリクエスト:curl例

まずは curl コマンドで、ブログ記事の要約を音声に変換してみましょう。このシンプルなリクエストで、API が音声ファイルを生成し、ブラウザで再生できる形式で返します。

パラメータを調整することで、ブログの読者にも優しい、適切な速度と音声のトーンを簡単にカスタマイズできます。

基本のリクエスト構造

以下のコマンドを実行してください。YOUR_API_KEY は取得したキーに置き換えてください。

curl -X POST https://api.playh31.com/v1/audio/speech \

-H "Authorization: Bearer YOUR_API_KEY" \`

-H "Content-Type: application/json" \`

-d '{"model": "tts-1", "input": "こんにちは、VoiceReader JPです。", "voice": "nova", "response_format": "mp3", "speed": 1.0}'`

パラメータの説明

model は "tts-1" または "tts-1-hd" を指定します。input には最大4096文字のテキストを設定してください。voice は "nova" や "aria" などの8種類から選びます。speed は 0.25 から 4.0 の範囲で調整可能です。response_format は mp3, wav, opus, flac, pcm のいずれかを指定します。

必須ではない language パラメータで、言語を明示的に指定することもできます。

  • model: tts-1, tts-1-hd
  • input: 最大4096文字
  • voice: 8種のプリセット
  • speed: 0.25 - 4.0
  • response_format: mp3, wav, opus, flac, pcm

レスポンスの解釈

成功すると、音声データを含むバイナリレスポンスが返ります。これをファイルとして保存するか、ブラウザで直接再生できます。失敗した場合は、エラーコードとメッセージが含まれる JSON が返るため、status を確認して原因を特定してください。

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。

OpenAI SDKとの互換性

の音声波形イラスト: OpenAI SDKとの互換性

公式のOpenAI SDKをそのまま利用可能です。PythonやNode.jsなどのコードで、base_urlを https://api.playh31.com/v1 に変更し、APIキーを設定するだけで動作します。既存のコードを修正するだけで、手軽に音声合成を組み込めます。

base_urlの変更

SDKの初期化パラメータに https://api.playh31.com/v1 を指定するだけです。リクエストの形状はOpenAIと同一のため、追加の設定は必要ありません。

公式SDKの使用方法

OpenAI公式SDKを使用し、エンドポイントを差し替えるだけで利用できます。複雑な独自実装が不要で、開発コストを抑えられます。

エラーハンドリング

標準的なHTTPエラーコードやレートリミット違反のエラーが返ります。SDKの標準機能で処理できるため、既存のエラーロジックを流用できます。

エンドポイントとリクエストフィールド

の音声波形イラスト: エンドポイントとリクエストフィールド

APIとの連携は、主に3つのエンドポイントで構成されています。POST /v1/audio/speechが音声生成の中心であり、GET /v1/voicesやGET /v1/modelsで利用可能な設定を確認できます。

POST /v1/audio/speech

本文を送信し、音声ファイルを取得する主要エンドポイントです。JSON形式でmodel、input、voiceなどを指定します。

GET /v1/voices

利用可能な音声プリセット8種と、対応する23言語の一覧を取得できます。languageパラメータの指定に役立ちます。

GET /v1/models

tts-1とtts-1-hdの2つのモデル情報を確認できます。両者は同じエンジンで価格も同一です。

レスポンスフォーマット

の音声波形イラスト: レスポンスフォーマット

APIはmp3、wav、opus、flac、pcmの5つの音声フォーマットに対応しています。短く具体的な文章の生成には数秒、長文ではリアルタイムに近い速度でファイルが生成されます。

mp3, wav, opus, flac, pcm

出力形式はリクエストパラメータで指定できます。mp3はサイズが小さく汎用性が高く、wavやflacは高音質が求められる用途に適しています。PCMは生データとして利用可能です。

  • mp3: 汎用的、ファイルサイズ小
  • wav/flac: 高音質、非圧縮または可逆圧縮
  • pcm: 生データ

ファイルサイズと品質

生成された音声ファイルはレスポンスとして直接返され、サーバーには保存されません。品質はモデルの選択(tts-1またはtts-1-hd)に応じて異なります。

ストリーミング非対応

当APIはストリーミングに対応していません。音声ファイル全体が生成されるまで待機し、完了後にファイルを受け取ります。

レスポンスフォーマット

エラーとレートリミット

の音声波形イラスト: エラーとレートリミット

API利用では、レートリミット(60リクエスト/分)とキュー処理を理解することが重要です。特に大量のブログ記事を変換する際、リクエストが処理待ちになる可能性があります。

レートリミットの確認

通常は1分間60リクエストまで利用可能です。ただし、アカウント作成直後やトップアップ前の初回利用時は、1分間10リクエストに制限されます。

  • 通常: 60リクエスト/分
  • 初回: 10リクエスト/分
  • キー単位でカウント

キューの処理

短く明確な音声合成は数秒で完了しますが、長時間のテキストはリアルタイム速度で生成されます。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に待機することがあります。

エラーコードの解釈

合成に失敗した場合、課金は全額返金されます。APIキーの期限切れやリミット超過時は、適切なエラーメッセージが返されるので、ログを確認して対応してください。

音声と言語の選択

の音声波形イラスト: 音声と言語の選択

VoiceReader JPのAPIは、8種類のプリセット音声と23言語をサポートしています。フリーランスのブログやWordPress記事のアクセシビリティ向上に最適化された、自然な読み上げを実現します。

言語は自動検知も可能ですが、正確性を高めるには明示的な指定を推奨します。

8種の音声プリセット

男女4種ずつの計8プリセットから選べます。Aria(ナレーター)、Nova(アップビート)、Luna(ストーリーテリング)、Sage(インストラクショナル)は女性向け、Felix(プロモ)、Milo(会話)、Atlas(ニュース)、Orion(ドキュメンタリー)は男性向けです。

すべてLibriTTS-RとLibriVoxの録音に基づくライセンス済みの音声です。

23言語のサポート

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

どの音声でも全23言語に対応しており、特定の音声に言語が制限されることはありません。

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

言語の自動検知

languageパラメータを省略すると、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みなされます。

日本語や中国語など、特定の言語で読み上げたい場合は、ISOコードを明示的に指定してください。

データとプライバシー

の音声波形イラスト: データとプライバシー

APIに送信されたテキストは、音声合成の実行にのみ使用され、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即座に返され、サーバー上には永続的に保存されません。

入力テキストの保存

送信したテキストは、音声ファイルの生成という目的のために一時的に処理されます。生成が完了すると、元のテキストデータはそのままの形で保持されることはありません。

生成音声のストレージ

生成された音声ファイルは、レスポンスを通じてクライアントに返された時点でストレージに保持されません。生成されたファイル自体はサーバー上の長期ストレージにアップロードされません。

メタデータの保持

請求と課金の管理のために、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記録されます。これらは音声そのものではなく、利用状況の把握にのみ使用されます。

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。 この方法により、ビジュアルエディタやブロックエディタから簡単に音声コンテンツを挿入でき、技術的な知識がなくてもブログ記事にアクセシビリティ機能を追加できます。

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. FFmpeg documentation
  3. LibriTTS-R corpus (OpenSLR 141)
  4. W3C WAI: making audio and video accessible
  5. IETF RFC 7845: Ogg Opus
  6. ISO 639 language codes
  7. Node.js documentation
  8. Creative Commons Attribution 4.0
  9. Tether (USDT)
  10. curl documentation
  11. openai-python on GitHub
  12. TRON developer hub: TRC-20

このサイトに関するその他の情報