ショート動画制作のための読み上げAPI

作成者 ShortTTS編集部 · 更新日 2026-11-18

VoceReelのTTS APIは、TikTokやReels、Shortsなどのショート動画制作に特化したシンプルで使いやすいテキスト読み上げサービスです。特別なプログラミング知識がなくても、スクリプトを入力するだけで音声ファイルを自動生成でき、動画ナレーションの作成が容易になります。

このページでは、8種類のプリセット音声の選択方法、23言語の対応状況、そしてOpenAI SDK互換のAPI連携手順を詳しく解説します。料金の仕組みや生成速度の目安、データプライバシーについても具体的に示すので、開発者からクリエイターまで、スムーズに導入できる仕組みをご確認ください。

ショート動画制作のための読み上げAPI

よくある質問

無料トライアルはいつまで利用できますか?

Googleサインインで登録すると、7日間の無料トライアルが利用できます。初めに0.50ドルのクレジットが付与され、約5万文字の読み上げが可能です。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付与されません。残高は期限なく有効です。

音声ファイルにはどのような形式がありますか?

mp3、wav、opus、flac、pcmの5つの形式から選択できます。リクエスト時にresponse_formatパラメータで指定してください。動画編集やWeb配信に適した形式を自由に選んで音声ファイルを生成できます。

音声は本当に無料ですか?

完全無料ではありません。トライアル終了後は課金されます。料金は100万文字あたり10ドル(1文字あたり0.00001ドル)です。失敗したリクエストは無料ですが、成功した生成にはクレジットが消費されます。

APIのレートリミットはどれくらいですか?

1分あたり60リクエストまで可能です。最初のトップアップ前は1分あたり10リクエストの制限があります。一度に大量のテキストを読み上げる場合は、キューで待機する場合があります。

どの言語がサポートされていますか?

英語、日本語、中国語、韓国語など23言語に対応しています。ラテン文字の非英語テキストではlanguageパラメータで言語を指定してください。ベトナム語やタイ語などは現在サポートされていません。

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の公衆ドメイン資料に基づいています。生成された音声ファイルには合成音声を示す不可視のウォーターマークが含まれます。

音声ファイルの保存期間はどうなりますか?

生成された音声ファイルはレスポンスで返され、サーバーには保存されません。入力テキストも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のみが保持されます。

APIキーを再発行するとどうなりますか?

アカウントからいつでも新しいAPIキーを発行できます。新しいキーが発行されると、古いキーは即座に無効になります。一度に有効なキーは1つだけなので、注意して管理してください。

音声のスピードは変更できますか?

speedパラメータで0.25から4.0の範囲で速度を変更できます。デフォルトは1.0です。動画のテンポに合わせた読み上げ速度の調整が可能です。

音声に感情のタグはありますか?

音声には感情タグはありません。8種類の音声プリセットから選択しますが、感情の制御はできません。SSMLやカスタム発音辞書もサポートしていません。

音声のクローニングは可能ですか?

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つのプリセット音声から選択してください。独自の声をアップロードしたり、カスタムデザインをしたりする機能はありません。

音声ファイルには水印がありますか?

はい、生成された音声ファイルには不可視のウォーターマークが含まれます。これは音声合成由来であることを示すものです。視覚的または聴覚的な目立つ水印ではありません。

APIのエラーが発生した場合、課金されますか?

合成に失敗したリクエストは無料です。課金は完全に返金されます。成功したリクエストのみがクレジットから差し引かれます。エラー時は料金が発生しないので安心してください。

音声の生成はリアルタイムですか?

完全なリアルタイムではありません。長文ではほぼリアルタイムですが、短文は数秒かかります。負荷がかかる場合、リクエストはキューで待機する可能性があります。

最初のリクエスト

curl

curl https://api.playy53.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

動画ナレーションの自動生成

の音声波形イラスト: 動画ナレーションの自動生成

Text-to-speech APIで、スクリプトを入力するだけで音声ファイルを生成します。APIエンドポイントにリクエストを送信し、音声データを受け取るだけなので、特別なプログラミング知識が不要です。

テキストから音声ファイルを生成

テキストから音声ファイルを生成

テキストを読み込めば、音声ファイルが生成されます。長文の場合は4096文字ごとに分割し、音声ファイルを結合する仕組みです。

TikTok用スクリプトの文字数制限に合わせた分割

動画のスクリプトをそのまま入力できます。1リクエストあたり4096文字まで対応しており、それを超える場合は自動的に分割処理されます。

音声ファイルのダウンロードとエクスポート

生成された音声ファイルは、mp3、wav、opus、flac、pcmのいずれかの形式でダウンロード可能です。

生成された音声は即時にエクスポートでき、動画編集ソフトに簡単に組み込めます。

8種類のプリセット音声

の音声波形イラスト: 8種類のプリセット音声

8種類のプリセット音声から、動画の雰囲気に合った声を選択できます。

テキストを読み込むだけで、直感的に最適な音声ファイルを生成可能です。

女性ボイス:aria, nova, luna, sage

ariaは温かくクリアなナレーションに適し、novaは明るくポップな表現に最適です。lunaは物語的な語りに、sageは教育的なコンテンツに活用できます。

これらはLibriTTS-R (CC BY 4.0) およびLibriVoxの録音に基づいています。

  • aria: 温かくクリアなナレーション
  • nova: 明るくポップな表現
  • luna: ソフトな物語語り
  • sage: カルムな説明調

男性ボイス:felix, milo, atlas, orion

felixはエネルギッシュなプロモーション動画に、miloは会話的なトーンに適しています。atlasはニュートラルなニューススタイルに、orionは深みのあるドキュメンタリー映像に最適です。

各ボイスは合成音声特有の無音のウォーターマークを内蔵しています。

  • felix: エネルギー系プロモーション
  • milo: フレンドリーな会話調
  • atlas: ニュース風ニュートラル
  • orion: 深いドキュメンタリー調

音声の特徴と用途のガイド

各音声は23言語に対応しており、言語コードを指定することで適切な発音を実現します。

音声の選択は動画のメッセージングに直接影響するため、ターゲット層に合わせて慎重に選定してください。

  • 全8ボイスが全23言語に対応
  • 言語コード設定で精度向上
  • 用途に応じたボイス選定が重要

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言語の対応リストを掲載しています。ArabicからTurkishまで、すべての音声は全言語に対応しており、言語を指定しない場合は文字種から自動判定されます。

音声ファイルはMP3、WAV、OPUS、FLAC、PCMの5形式から選べます。動画編集用途に合わせて、必要な形式を柔軟に選択してください。

23言語の対応リスト

Arabic、Chinese、Danish、Dutch、English、Finnish、French、German、Greek、Hebrew、Hindi、Italian、Japanese、Korean、Malay、Norwegian、Polish、Portuguese、Russian、Spanish、Swahili、Swedish、Turkishの23言語に対応しています。

どの音声でもどの言語でも生成可能です。ラテン文字のテキストでは英語と判定されるため、他の言語の場合はlanguageパラメータで明示的に指定してください。

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

MP3, WAV, OPUS, FLAC, PCM形式

MP3、WAV、OPUS、FLAC、PCMの5つの音声形式から選べます。

ファイル形式はresponse_formatパラメータで指定し、編集ソフトやアップロード先に合わせた形式を選択できます。

音声ファイルの品質とサイズ

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ウォーターマークが含まれます。

ファイルの品質は指定した形式と音声エンジンに依存し、サイズは文字数と速度に応じて変動します。

ボカロ風・かわいい音声

の音声波形イラスト: ボカロ風・かわいい音声

ショート動画の雰囲気に合わせた音声選択が、視聴者の離脱率を下げます。VoceReelのAPIでは、動画のトーンに合わせた8つのプリセットから音声を選べます。特に「ボカロ風」や「かわいい」表現を求める場合、以下の3つの音声特性が役立ちます。

各音声はLibriTTS-RおよびLibriVoxのライセンスに基づき生成されており、著作権のクリアな音声素材として利用できます。特定の感情タグやSSMLは提供していませんが、速度調整と音声選択で表現の幅を広げます。

novaの声で明るくポップな表現

novaは明るく元気なトーンが特徴です。ショート動画のオープニングや、商品紹介、トレンド的なトピックに適しています。声質はクリアで、聞き手を惹きつける効果があります。

ポップなBGMや、テンポの早い動画のナレーションに最適です。novaを使用することで、動画全体のリズムに音声があいまいなニュアンスで溶け込みます。

ariaの声でクリアなナレーション

lunaの声で物語的な語り

lunaは柔らかく、物語を語るようなトーンを持っています。ストーリーテリング系の動画や、感情を込めたナレーションに適しています。

視覚的なストーリーと音声のバランスを取る際に、lunaは効果的です。単調にならず、視聴者の興味を維持するのに貢献します。

API統合の仕組み

の音声波形イラスト: API統合の仕組み

VoceReelのAPIはOpenAIのSpeechエンドポイントと互換性があり、既存のSDKやツールをそのまま利用できます。base_urlを変更するだけで、音声生成をプロジェクトに統合できます。

HTTPリクエストとJSON形式のデータ送受信に対応しており、複雑な設定なしでTikTokやReelsのナレーションワークフローに組み込めます。

OpenAI SDK互換のAPIエンドポイント

エンドポイントは https://api.playy53.com/v1/audio/speech (POST) です。リクエスト形式はOpenAIのspeechエンドポイントと同じで、公式SDKを変更せずに使用可能です。

他のエンドポイントとして、GET /v1/voices(音声・言語・フォーマット・価格情報)と GET /v1/models も提供しています。

  • POST /v1/audio/speech: 音声生成
  • GET /v1/voices: 音声リストと仕様
  • GET /v1/models: モデル情報

cURLコマンドでの簡単な連携

認証には Authorization: Bearer tts-... ヘッダーを使用します。JSONボディには model (tts-1/tts-1-hd)、input (最大4096文字)、voice、response_format (mp3, wav, opus, flac, pcm) を指定します。

必要に応じて speed (0.25–4.0) や language (ISOコード) も設定できます。

  • リクエスト: POST https://api.playy53.com/v1/audio/speech
  • ヘッダー: Authorization: Bearer YOUR_API_KEY
  • ボディ: {"model": "tts-1", "input": "こんにちは", "voice": "nova", "response_format": "mp3"}

APIキーの発行と管理

アカウントにはアクティブなAPIキーが1つ割り当てられます。新しいキーを発行すると、古いキーは直ちに無効になります。

キーは /get-api-key/ ページで確認・発行でき、残高や使用状況も同時に確認できます。

API統合の仕組み

料金と課金システム

の音声波形イラスト: 料金と課金システム

文字数ベースの従量制課金で、生成した音声の長さではなく、入力テキストの文字数に応じて課金されます。100万文字あたり10ドル(1,000文字あたり0.01ドル)で、失敗したリクエストは無料です。

新規登録時にGoogleサインインで0.50ドルの無料トライアルが提供されます(有効期限7日間、約5万文字分)。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きません。

文字数ベースの従量制課金

課金は生成された音声の時間ではなく、APIリクエストに含まれる「input」フィールドの文字数に基づいて計算されます。スペースや句読点も文字数としてカウントされます。生成が失敗した場合は、そのリクエストの料金は全額返金されます。

月額の固定プランや最小利用料金はなく、使用した分だけお支払いいただきます。アカウントに複数のユーザーはいませんし、追加ライセンスも不要です。

  • 100万文字あたり$10
  • 失敗したリクエストは無料
  • 月額プランなし、最小利用料なし

無料トライアルの概要

Googleアカウントでサインインすると、登録直後に0.50ドルのクレジットが付与されます。これは約5万文字のテキスト読み上げが可能で、登録から7日間有効です。

メールアドレスとパスワードで登録したアカウントには、この無料トライアルクレジットは自動的に付与されません。まずは少量のテキストでAPIの動作を確認したい場合に適しています。

USDTによる即時チャージ

残高のチャージはUSDT(TRC-20)のみで行えます。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。最低チャージ金額は5ドルです。

TRONネットワークへの送金確認後、残高は数分で自動反映されます。アカウント残高の有効期限はありません。

  • USDT (TRC-20) のみ対応
  • 最低チャージ額: $5
  • 反映まで数分、残高の有効期限なし

リアルタイム生成と速度

の音声波形イラスト: リアルタイム生成と速度

テキスト読み上げの処理速度は、長文で実時間(約1秒あたり25文字)に近づきますが、短文生成には数秒を要します。

リクエストは順次処理されるため、負荷時にはキューに待機する場合があり、生成完了まで数分かかることがあります。

生成速度の目安(1秒あたり25文字)

処理速度はテキストの長さに依存します。4096文字以内のテキストを処理する場合、音声生成は実時間再生にほぼ等しい速度で進行します。

キューイングと処理時間

リクエストは1つずつ処理されます。APIキーのレートリミットは1分間60リクエストです。最初のチャージ前は1分間10リクエストです。

複数のリクエストが同時に発生すると、キューに待機します。混雑時は生成完了まで数分待つことがあります。

短文と長文の生成違い

短文(数文字)の生成には、初期化処理のため数秒かかります。長文(数千文字)は分割して生成し、結合してダウンロードします。

各リクエストは最大4096文字までです。それを超える場合は、分割して生成した音声ファイルを結合します。

データプライバシーと著作権

の音声波形イラスト: データプライバシーと著作権

入力テキストは音声生成にのみ使用され、モデルの学習データにはなりません。生成された音声ファイルもサーバーには保存されず、即座にレスポンスとして返されます。課金のためのメタデータ(時間、文字数、ステータス)のみが記録されます。

生成音声には人工音声であることを示す不可聴のウォーターマークが埋め込まれます。これは著作権やライセンスとは無関係に、音声の合成性質を識別するための技術的措置です。

入力テキストのトレーニング未使用

入力したテキストは音声合成の処理後に破棄されます。学習データとして再利用されることはなく、お客様のデータプライバシーが保護されます。

生成音声の水印(ウォーターマーク)

生成されたすべての音声ファイルには、不可聴のデジタルウォーターマークが埋め込まれています。これにより、音声の合成性質を客観的に確認できます。

音声のライセンス(LibriVox)

音声の基盤はLibriVoxの公衆ドメイン録音とLibriTTS-R(CC BY 4.0)です。商用利用可能なライセンスに基づき、安定した音声品質を提供します。

  • LibriTTS-R (CC BY 4.0)
  • LibriVox パブリックドメイン

サポートとよくある質問

の音声波形イラスト: サポートとよくある質問

サポートはメールのみです。電話やライブチャットは提供していません。APIのエラーコードやアカウント作成に関する疑問は、お問い合わせフォームからご連絡ください。

生成済み音声には合成音声を示す不可視のウォーターマークが含まれます。入力テキストはトレーニングに使用されず、音声はLibriVoxのライセンスに基づいています。

メールサポートのみ

電話やライブチャットは提供していません。サポートはメールのみです。

APIのエラーコードやアカウント作成に関する疑問は、お問い合わせフォームからご連絡ください。

APIのエラーコード一覧

エラーが発生した場合は、ステータスコードとメッセージをご確認ください。

生成失敗時は課金が返金されます。詳細はドキュメントページをご参照ください。

レートリミット(1分間60リクエスト)を超えた場合は、キューに入ります。

  • 429: Rate limit exceeded
  • 401: Invalid API key
  • 400: Invalid request body

アカウントの作成方法

/get-api-key/ページからGoogleまたはメールで登録できます。

Google登録では$0.50の無料トライアルが利用可能です。

メール登録の場合はトライアルなしで開始します。

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。 キャラクターごとのトーン(暖かみ、明るさ、深みなど)が維持されつつ、文字の読み上げミスや不自然な途切れが最小限に抑えられています。

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. OpenAI API reference: create speech
  3. Creative Commons Attribution 4.0
  4. openai-node on GitHub
  5. IETF RFC 7845: Ogg Opus
  6. FFmpeg documentation
  7. openai-python on GitHub
  8. Tether (USDT)
  9. ISO 639 language codes
  10. LibriTTS-R paper (arXiv 2305.18802)
  11. W3C WAI: making audio and video accessible
  12. Python documentation

このサイトに関するその他の情報