TTS API クイックスタートガイド

作成者 ShortTTS編集部 · 更新日 2026-11-18

TTS APIクイックスタートガイドでは、TikTokやReelsの動画制作に不可欠なナレーション生成を、プログラミング知識なしで始める方法を解説します。APIキーの取得からcURLを使った初回リクエスト、OpenAI SDKとの連携まで、実務で使える具体的な手順をステップバイステップで示します。

音声リストの取得方法や、mp3、wav、opusなどのフォーマット選択、レートリミット(1分間60リクエスト)の処理、そして失敗時の返金ルールなど、実装時に知っておくべき技術的な詳細を網羅しています。このページは、API経由で音声ファイルを効率的に生成し、動画コンテンツに組み込みたい開発者やクリエイターを対象にしています。ただし、特別なプログラミング知識なしで動画のナレーションを自動生成できるシンプルなサービスとしてもご利用いただけます。

TTS API クイックスタートガイド

よくある質問

APIキーは複数のデバイスで共用できますか?

はい、共用可能です。アカウントにはアクティブなAPIキーが1つだけ割り当てられます。このキーは複数デバイスで同時に使用できますが、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。セキュリティのため、必要に応じていつでも新しいキーを発行して入れ替えることができます。

OpenAI SDK以外のクライアントは使えますか?

はい、公式SDK以外でも利用可能です。リクエスト形状はOpenAIのspeechエンドポイントと同一です。base_urlを https://api.playy53.com/v1 に変更して使用するか、curlなどの標準的なHTTPクライアントや、任意のプログラミング言語のHTTPライブラリを使ってJSONリクエストを送信することも可能です。

音声ファイルは直接ブラウザで再生できますか?

はい、生成された音声ファイルはレスポンスとして返されます。ブラウザで直接再生するには、返されたファイルデータをブラウザのオーディオプレイヤーに渡す必要があります。mp3やwavなどの対応形式を指定してリクエストを送信し、返されたデータを読み込ませることで再生可能です。

リクエストのJSONボディの必須フィールドは何ですか?

必須フィールドは model、input、voice です。model には "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、voice には8種類のプリセットから選択してください。response_format や speed は任意です。

音声の速度を0.25以下や4.0以上に設定できますか?

いいえ、設定できません。speed パラメータは 0.25 から 4.0 の範囲内でのみ有効です。この範囲外の数値を指定すると、リクエストは正常に処理されません。デフォルト速度は 1.0 で、よりゆっくりまたは速く再生する場合はこの範囲内で調整してください。

言語を指定しない場合、どう判断されますか?

言語は入力テキストの文字(スクリプト)から自動で推測されます。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。英語以外のラテン文字を使用する場合は、language パラメータで明示的にISOコードを指定してください。指定しない場合、正しく認識されない可能性があります。

APIのエラーレスポンスの形式はどうなっていますか?

A: エラーレスポンスの形式についてはドキュメントに明記されていません。ただし、失敗したリクエストについては課金が返却されるため、エラー発生時に料金が請求されないことを確認できます。詳細なエラーコードや形式については、実際のAPIレスポンスをご確認ください。

レートリミットを超えるとどうなりますか?

1分あたり60リクエスト(初回チャージ前は1分あたり10リクエスト)の制限を超えると、リクエストは拒否されます。制限内であれば、通常どおり音声ファイルを生成できます。

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

Python (openai)

from openai import OpenAI

client = OpenAI(base_url="https://api.playy53.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.playy53.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

の音声波形イラスト: APIキーの取得

TTS API を利用するには、まずアカウントの作成が必要です。Google アカウントでサインアップすると、無料で 0.50 ドルのクレジット(約 5 万文字分)が 7 日間有効で付与されます。メールとパスワードでの登録の場合は、初めにクレジットは提供されません。

Googleまたはメールでのサインアップ

Googleまたはメールでのサインアップ

アカウント作成ページで、Google またはメールアドレスとパスワードを選択して登録します。アカウントはサイトごとに独立しています。

  • Googleサインアップ:初めに 0.50 ドルのトライアルクレジット付与(7日間有効)
  • メール登録:トライアルクレジットなしで開始
  • アカウントは per-site 独立

ダッシュボードでのキー表示

ダッシュボードでのキー表示

ログイン後、ダッシュボード画面で API キー、残高、使用状況、そしてすぐに使える cURL コード例を確認できます。

1つのアクティブなキーのみが有効です。

  • ダッシュボードでキーと残高を即座に確認可能
  • 即座に使用可能な cURL 例が掲載

キーの再発行と旧キーの無効化

必要に応じて、いつでも新しい API キーを発行できます。新しいキーが作成されると、旧キーは直ちに無効化されます。

これにより、セキュリティリスクを即時に低減できます。

旧キーでのリクエストは拒否されます。

  • いつでも新しいキーを発行可能
  • 旧キーは直ちに無効化され使用不可に
  • セキュリティリスクを即座に解消

初回のリクエスト(cURL)

の音声波形イラスト: 初回のリクエスト(cURL)

APIキーを取得したら、POSTリクエストで音声合成を開始します。入力テキストは4096文字以内で、JSONボディにmodel、input、voice、response_formatを指定します。

基本のリクエストボディ構造

cURLコマンドで、エンドポイントhttps://api.playy53.com/v1/audio/speechにJSONデータを送信します。modelにはtts-1またはtts-1-hdを、voiceにはariaやnovaなどのプリセットを指定します。inputフィールドに生成したいテキストを設定し、response_formatでmp3やwavを選択します。

音声と言語の指定方法

23言語のサポートがあり、任意の音声で話せます。言語を指定しない場合、文字コードから推測されますが、ラテン文字の非英語テキストはデフォルトで英語になるため、languageパラメータで明示的に設定してください。

レスポンスの受信と保存

リクエスト成功時、合成された音声ファイル(mp3等)がレスポンスボディとして返されます。これをファイルとして保存してください。失敗したリクエストは全額返金されます。

OpenAI SDKとの統合

の音声波形イラスト: OpenAI SDKとの統合

VoceReelのAPIはOpenAIのspeechエンドポイントと互換性があります。base_urlを https://api.playy53.com/v1 に変更し、APIキーを設定するだけで既存のコードが動作します。特別な変換は不要です。

SDKのパッケージインストール

PythonやJavaScriptの公式SDKをインストールしてください。pipやnpmでインストール可能で、特別な依存関係は必要ありません。

  • pip install openai
  • npm install openai

base_urlの変更方法

SDKの初期化時に base_url を指定します。これにより、リクエストがVoceReelのサーバーに送信されます。

`` client = OpenAI(base_url="https://api.playy53.com/v1", api_key="YOUR_API_KEY") ``

既存のコードとの互換性

リクエストボディの構造はOpenAIと同一です。model、input、voice などのパラメータはそのまま使用できます。

ただし、VoceReelはストリーミングやSSMLをサポートしていない点にご注意ください。ファイル保存や処理は同期的に行われます。

音声の一覧取得

の音声波形イラスト: 音声の一覧取得

GET /v1/voicesエンドポイントにGETリクエストを送信すると、利用可能な音声、言語、フォーマット、価格に関する情報を取得できます。認証にはAPIキーが必要です。

このエンドポイントを使用することで、8種類の音声プリセットと23言語の対応状況を確認し、最適な設定を選択できます。

GET /v1/voicesエンドポイント

エンドポイントURLは GET https://api.playy53.com/v1/voices です。ヘッダーに Authorization: Bearer <your-api-key> を設定してリクエストを送信してください。

レスポンスには、利用可能な音声リスト、対応言語、音声フォーマット、および単文字あたりの価格情報が含まれます。

  • エンドポイント: GET /v1/voices
  • 認証: Bearerトークン必須
  • レスポンス: JSON形式のメタデータ

音声の詳細と音声リスト

8種類の音声プリセット(Aria, Nova, Luna, Sage, Felix, Milo, Atlas, Orion)が利用可能です。すべての音声は23言語に対応しています。

各音声は特定のトーンや用途に最適化されています。例えば、Ariaはナレーション向け、Felixはプロモーション向けです。

音声リストを取得することで、各音声の特性や推奨される使用例を確認できます。

  • Aria: 暖かく明確なナレーター
  • Nova: 明るく活気のあるトーン
  • Felix: エネルギー満点なプロモーション
  • Atlas: ニュース向けの中立なトーン

言語とフォーマットのフィルタ

対応言語は23種類です。言語を指定しない場合、テキストの文字セット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。

音声フォーマットはMP3、WAV、OPUS、FLAC、PCMから選択できます。各フォーマットは異なるサイズと品質を提供します。

言語やフォーマットをフィルタリングすることで、必要な音声とフォーマットを効率的に特定できます。

  • 対応言語: 23種類
  • フォーマット: MP3, WAV, OPUS, FLAC, PCM
  • デフォルト言語: 英語(ラテン文字)

モデルとフォーマット

の音声波形イラスト: モデルとフォーマット

TAPIはtts-1とtts-1-hdの2つのモデルを提供します。両者は音声エンジンと価格が同一です。動画制作の品質要件に応じて選択してください。

音声フォーマットはmp3、wav、opuspflac、pcmから選べます。各形式はサイズと品質が異なります。動画編集に合わせて適切な形式を選択してください。

tts-1とtts-1-hdの違い

現在、tts-1とtts-1-hdは同一のエンジンと価格(100万文字あたり$10)を提供しています。機能面での差はありません。

将来的に品質や仕様が変更される可能性があります。現在は同じ料金体系でご利用いただけます。

MP3, WAV, OPUS, FLAC, PCM

mp3は一般的な動画編集に最適です。wavは高品質な編集向けです。opusは軽量な形式です。

flacはロスレス圧縮形式です。pcmは生データとして利用されます。用途に応じて形式を選択してください。

フォーマットはリクエストパラメータで指定できます。各形式の特性に合わせて選択してください。

  • mp3: 一般的な動画編集向け
  • wav: 高品質な編集向け
  • opus: 軽量なストリーミング用途
  • flac: ロスレス圧縮形式
  • pcm: 生データとして利用

フォーマットごとのサイズと品質

mp3は圧縮率が高く、ファイルサイズが小さくなります。wavは圧縮率が悪く、ファイルサイズが大きくなります。

モデルとフォーマット

エラーハンドリング

の音声波形イラスト: エラーハンドリング

API呼び出し時に発生するエラーを正しく処理することで、音声合成プロセスを安定させ、無駄な課金を避けることができます。各エンドポイントからのレスポンスコードを監視し、必要な場合にのみ再試行ロジックを実装してください。

一般的なHTTPステータスコード

401 UnauthorizedはAPIキーが不正または期限切れであることを示します。400 Bad Requestは、必須パラメータの欠落や文字数制限(4096文字超)違反を意味します。

失敗したリクエストの返金処理

音声合成に失敗したリクエストは、課金対象外となります。失敗した場合、請求金額は全額返金されるため、該当するリクエストに対しては料金が引かれません。

レートリミット超過のエラー

1分あたり60リクエストの制限を超えると、レートリミットエラーが発生します。アカウント作成直後の最初のチャージ前には、1分あたり10リクエストの制限が適用されます。

レートリミットとキュー

の音声波形イラスト: レートリミットとキュー

APIキーごとに1分あたり60リクエストの制限があります。長文テキストの生成では、4096文字ごとに分割して複数のリクエストを送るため、この制限に達しやすくなります。

音声合成は一度に1つのリクエストしか処理されないため、短縮動画のナレーション作成時はキューが詰まることがあります。

1分あたり60リクエストの制限

各APIキーには毎分60リクエストの上限が設定されています。これは、短いフレーズの生成でも長文の分割処理でも同じ制限が適用されます。

制限を超えたリクエストは即座に拒否されます。

  • 制限超過時はHTTP 429エラーが返されます

初回チャージ前の10リクエスト制限

初回チャージを行う前のアカウントでは、1分あたりのリクエスト数が10に制限されます。

これはバッチ処理の効率化のためであり、チャージ完了後は自動的に60リクエストに引き上げられます。

キューでの待機時間

音声合成エンジンは同時並行で処理しないため、リクエストがキューに溜まることがあります。

短時間のテキスト生成には数秒、長文の生成には実時間速度で処理時間がかかる場合があります。キューが長引く場合は、リクエストの間隔を空けるか、深夜などの混雑時間帯を避けてください。

  • 通常、1秒あたり約25文字分のテキスト処理能力があります
  • キューの長さは現在のサーバー負荷に依存します

認証とセキュリティ

の音声波形イラスト: 認証とセキュリティ

APIキーはリクエストヘッダーにBearerトークンとして設定します。認証情報はHTTPS経由で安全に送信され、キーはアカウントごとに1つ有効です。

新しいキーを発行すると旧キーは即時無効化されます。キーの漏洩に備え、コピー&ペースト時に空白が含まれないよう注意してください。

Bearerトークンの設定

Authorizationヘッダーに Bearer tts-あなたのAPIキー を設定します。例: Authorization: Bearer tts-abc123...。

この形式はOpenAI SDK互換であり、標準的なHTTPライブラリでそのまま使用可能です。

APIキーの保護方法

ダッシュボードでキーを再発行すると、旧キーは即時使用できなくなります。

秘密キーはクライアントサイドのHTMLに直接埋め込まず、バックエンド経由で取得してください。

メールパスワードアカウントの場合、キーはサインアップ直後に表示されます。再表示は可能です。

  • キーは1アカウントにつき1つのみ有効
  • 再発行で旧キーは即時無効化

リクエストの暗号化

すべてのAPI通信はHTTPS(TLS 1.2以上)で暗号化されます。

APIベースURL https://api.playy53.com/v1 を使用することで、通信経路は自動的に保護されます。

テキストデータは転送中に第三者に解読されることはありません。

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. LibriVox public-domain audiobooks
  3. FFmpeg documentation
  4. Node.js documentation
  5. ISO 639 language codes
  6. curl documentation
  7. MDN: Web Speech API
  8. openai-python on GitHub
  9. LibriTTS-R paper (arXiv 2305.18802)
  10. LibriTTS-R corpus (OpenSLR 141)
  11. TRON developer hub: TRC-20
  12. W3C WAI: making audio and video accessible

このサイトに関するその他の情報