医療チームのためのテキスト読み上げ

作成者 MediVoice JP 編集チーム · 更新日 2026-11-18

MediVoice JPは、大規模な医療チームが患者向けガイドや内部文書を迅速に音声コンテンツに変換できるテキスト読み上げAPIです。手術手順書の音声解説や多言語対応による患者サポートなど、現場での情報アクセスを向上させます。

このページでは、OpenAI SDK互換の簡単連携方法や8種類の音声プリセット、23言語のサポート詳細をご案内します。医療現場に特化した具体的なワークフローとAPI仕様を確認し、チームの効率化を推進してください。

医療チームのためのテキスト読み上げ

よくある質問

テキスト読み上げ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APIです。OpenAI互換の形式で、POSTリクエストで音声データを取得できます。医療チームが患者ガイドや内部文書を迅速な音声コンテンツに変換し、現場での情報アクセスを向上させるために設計されています。

医療現場で音声読み上げはどのように役立ちますか?

複雑な機器の説明書や手順書を音声に変換し、現場での情報アクセスを向上させます。テキストを最大4096文字ずつ分割して処理できるため、長文の医療文書も効率的に音声化できます。チームメンバーが視覚以外の手段で情報を得られるようになります。

サポートされている音声はありますか?

8つのプリセット音声(aria, nova, luna, sage, felix, milo, atlas, orion)が利用可能です。これらはLibriTTS-RおよびLibriVoxの録音に基づいています。各音声は異なるトーンを持ち、医療文書の性質に合わせて選択できます。生成ファイルには合成音声を示す透かしが含まれます。

どの言語がサポートされていますか?

23言語(アラビア語、中国語、日本語、英語など)に対応しています。languageパラメータを指定しない場合、ラテン文字は英語と推測されるため、それ以外の言語では明示的な指定が必要です。ベトナム語、タイ語、インドネシア語などは現在サポート対象外です。

音声ファイルは保存されますか?

生成された音声ファイルはレスポンスで返され、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、学習データとしては利用されません。課金のためのメタデータ(時刻、文字数、ステータス)のみが保持されます。

APIのレートリミットは?

APIキーごとに1分間あたり60リクエストの制限があります。初回チャージ前は1分間10リクエストです。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機が発生する可能性があります。1リクエストあたりの文字数は4096文字までで、それを超える場合は分割して処理されます。

失敗したリクエストは課金されますか?

失敗したリクエストは課金されません。合成が失敗した場合、料金は全額返金されます。正常に処理されたリクエストのみが課金対象となります。これにより、ネットワークの問題や一時的なエラー時のコスト負担を防げます。

カスタム音声クローニングはありますか?

カスタム音声クローニングは提供されていません。既存の8つのプリセット音声のみが利用可能です。独自の声をアップロードしてクローニングする機能や、カスタムボイスデザインのオプションもありません。標準的な音声合成機能のみが利用可能です。

SSMLはサポートされていますか?

SSMLはサポートされていません。音声の制御は速度パラメータのみで行います。発音辞書や感情タグ、カスタム発音ルールも利用できません。シンプルなテキスト入力による音声生成が基本となります。詳細な音声制御が必要な場合は、外部ツールとの連携が必要です。

ストリーミング対応ですか?

ストリーミングやWebSocket、リアルタイムの部分的な音声配信は対応していません。テキストを送信すると、処理完了後に音声ファイルが返されます。リアルタイム性は重視されていない設計です。バッチ処理による音声生成が主な利用形態となります。

モバイルアプリはありますか?

公式のモバイルアプリは提供されていません。APIはHTTPリクエストでアクセスできるため、任意のアプリやデバイスから利用可能です。専用SDKやブラウザ拡張機能もありません。Webベースのインターフェースやカスタムアプリでの利用が推奨されます。

企業向け契約はありますか?

いいえ、企業向け契約は提供していません。月額プランや最小利用制限、SLA、稼働率保証はありません。必要な分だけ使用し、その分だけ課金される従量課金制です。アカウントは1つで複数人が利用可能で、大規模なチームでも柔軟に導入できます。

データは学習に使用されますか?

入力テキストは音声生成のみに使用され、学習データとしては利用されません。生成された音声もサーバーには保存されません。課金記録としてのメタデータのみが保持されます。プライバシー保護の観点から、データは生成目的に限定して使用されます。

サポートは電話ですか?

サポートはメールのみです。電話やライブチャット、電話番号は提供していません。技術的な質問や問題発生時は、メールで問い合わせる必要があります。また、迅速な対応を保証するSLAや稼働率の保証もありませんので、ご了承ください。

最初のリクエスト

curl

curl https://api.playaa999.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

医療現場での音声活用

の音声波形イラスト: 医療現場での音声活用

医療チームは、患者ガイドや内部文書を迅速な音声コンテンツに変換できます。複雑な機器の説明や手術手順書を音声で提供することで、現場での情報アクセスが向上します。

テキストを送信するだけで音声ファイルが生成され、チーム全体で効率的に活用できます。

患者向けガイドの音声化

患者向けガイドを音声に変換し、視覚的な読み込みに加えて聴覚的な情報提供を実現します。最大4096文字のテキストを処理でき、mp3やwav形式で出力されます。

  • 患者向け説明書や同意書などの音声化
  • 視覚情報と並行した情報提供の実現

手術手順書の音声解説

複雑な機器の手順書や手術手順を音声で提供し、現場での情報アクセスを向上させます。8種類の音声プリセットから、ニュートラルなアトラスなどを選択可能です。

生成された音声ファイルは直ちに返され、保存されません。

  • 複雑な機器手順書の音声化
  • 手術手順の音声解説提供

多言語対応による患者サポート

23言語に対応しており、英語や中国語、スペイン語など多言語での患者サポートが可能です。言語コードを指定することで、正確な発音で音声ファイルを生成できます。

音声は合成音声であることを示す透かしが埋め込まれています。

  • 23言語での音声生成対応
  • 言語コードを指定した正確な発音

APIの特徴

の音声波形イラスト: APIの特徴

医療チームは複雑な手順書や患者ガイドを迅速に音声コンテンツに変換できます。本APIはOpenAI SDKと互換性があり、base_urlを変更するだけで既存のコードをそのまま利用可能です。60リクエスト/分のレート制限内で、バッチ処理やキュー管理により安定した音声生成を実現します。

8種類の音声プリセットと23言語のサポートにより、多様なニーズに対応します。入力テキストは音声生成のみに使用され、学習データには利用されません。生成された音声ファイルはレスポンスとして返され、サーバー側には保持されません。

OpenAI SDK互換の簡単連携

エンドポイントは POST https://api.playaa999.com/v1/audio/speech です。JSON bodyの形状はOpenAIのspeechエンドポイントと同じため、公式SDKを base_url を変更するだけで利用できます。認証は Authorization: Bearer tts-... ヘッダーで行います。

リクエストは1分あたり60回まで可能です。長文テキストは4096文字ごとに分割して処理され、音声ファイルは結合されます。失敗したリクエストは課金されません。

  • エンドポイント: POST /v1/audio/speech
  • 認証: Bearer トークン
  • レートリミット: 60 req/min

8種類の音声プリセット

LibriTTS-Rライセンスに基づく8つの音声プリセットが利用可能です。ARIA(温暖なナレーター)、LUNA(ソフトなストーリーテリング)、ATLAS(ニュース向け中立)など、用途に合わせた音声を選択できます。生成音声には合成音声を示す不可視の透かしが含まれます。

男女の8種類のプリセットは、23言語のいずれでも使用できます。特定の言語設定がない場合、文字種から推測されますが、非英語のラテン文字の場合は明示的な言語指定を推奨します。

  • Aria: 温暖なナレーター
  • Luna: ソフトなストーリーテリング
  • Atlas: ニュース向け中立

23言語のサポート

アラビア語、中国語、デンマーク語、オランダ語、英語、フィンランド語、フランス語、ドイツ語、ギリシャ語、ヘブライ語、ヒンディー語、イタリア語、日本語、韓国語、マレー語、ノルウェー語、ポーランド語、ポルトガル語、ロシア語、スペイン語、スワヒリ語、スウェーデン語、トルコ語の23言語をサポートしています。タイ語、ベトナム語、インドネシア語、ウクライナ語、ルーマニア語、チェコ語、ベンガル語は対象外です。

音声ファイルの生成には、ISOコードによる言語指定が可能です。これにより、医療現場での多言語患者対応や、国際的なチームでの内部文書共有を効率化できます。

  • 23言語のサポート
  • タイ語、ベトナム語、インドネシア語、ウクライナ語、ルーマニア語、チェコ語、ベンガル語は非対応
APIの特徴

音声ライブラリ

の音声波形イラスト: 音声ライブラリ

Aria: 温暖なナレーター

Ariaは、温かみがあり明確なナレーターとして設計されています。医療チームが作成する患者向けガイドや説明資料に最適で、複雑な医学用語も自然なトーンで伝えます。

  • 暖かいトーン
  • 明確な発音
  • 患者向けガイド向け

Luna: ソフトなストーリーテリング

Lunaは柔らかく、物語を語るような音声です。患者の体験談や、病院の歴史、ケアのストーリーなど、感情を込めて伝えたいコンテンツに適しています。静かな環境での聴取にも配慮されています。

  • 柔らかいトーン
  • ストーリーテリング
  • 体験談向け

Atlas: ニュース向けの中立な音声

Atlasは、中立的でニュースのような音声です。手術手順書や機器の説明など、事実を正確かつ偏りなく伝える必要がある場面で威力を発揮します。客観的な情報提供に最適です。

  • 中立的なトーン
  • ニュース調
  • 手順書向け

対応フォーマット

の音声波形イラスト: 対応フォーマット

APIはmp3、wav、opus、flac、pcmの5つの音声出力形式に対応しています。用途に応じて最適なファイル形式を選択でき、開発環境や再生プラットフォームとの互換性を確保します。

各フォーマットは単一の音声ファイルとして返送され、クライアント側での追加変換は不要です。ストレージ効率やネットワーク帯域に合わせて形式を切り替えてください。

MP3形式

最も広く普及している音声形式で、Webブラウザやモバイルアプリでの再生に最適です。ファイルサイズが小さく、ネットワーク転送効が高く、幅広いデバイスで即座に再生できます。

医療現場の患者向けガイドや、内部研修資料の音声配布に適しています。限られた帯域環境でもスムーズな音声コンテンツの提供が可能です。

  • Webブラウザやモバイルアプリでの再生に最適
  • ファイルサイズが小さく転送効率が高い
  • 幅広いデバイスで即時再生が可能

WAV形式

高品質な音声データを必要とする場面で利用されます。非圧縮または簡易圧縮の形式を提供し、音声ファイルのエディティングや解析に適したデータ形式です。

医療機器の操作手順書や、精密な音声解析が必要な内部文書の生成に使用されます。忠実な音声データを確保して、正確な情報伝達を実現します。

  • 音声ファイルのエディティングや解析に適す
  • 医療機器の手順書生成に最適
  • 忠実な音声データを確保可能

Opus形式

高効率な音声コーデックで、低ビットレートでも良好な音質を実現します。ネットワーク帯域が限られている環境でも、音声の明瞭さを維持しながらデータ転送を最適化します。

遠隔地での医療チーム連携や、通信環境が不安定な現場での音声ガイド提供に適しています。効率的なデータ転送により、迅速な情報アクセスを支援します。

  • 低ビットレートでも良好な音質を実現
  • ネットワーク帯域の限られた環境に最適
  • 音声の明瞭さを維持しながらデータ転送を最適化

速度と性能

の音声波形イラスト: 速度と性能

生成処理は通常、長文テキストで約1秒あたり25文字の速度で実行されます。短くとも数秒を要するため、リアルタイム性よりも正確な音声合成を重視しています。

大量のテキストを音声化する際、4096文字ごとに分割し結合します。これにより、大規模な患者ガイドや内部文書も確実に音声コンテンツに変換可能です。

リアルタイム速度

生成速度は1秒あたり約25文字です。短文でも数秒かかるため、即時性は重視していません。正確な音声生成を優先します。

バッチ処理

4096文字を超えるテキストは自動的に分割され、音声ファイルに結合されます。これにより、手術手順書のような長文も問題なく処理できます。

キュー管理

リクエストは順次処理されます。負荷が高い場合はキューに待機することがあります。60リクエスト/分の制限内で安定して動作します。

速度と性能

セキュリティとデータ

の音声波形イラスト: セキュリティとデータ

MediVoice JPの音声生成プロセスでは、入力されたテキストは音声ファイルの生成専用に使われ、モデルの学習データとして再利用されることはありません。また、生成された音声ファイルはサーバー上に永続的に保存されず、レスポンスとして受け取った時点で配信は完了します。これにより、患者情報や内部文書の機密性が保たれます。

課金と監査のために、リクエスト時刻、文字数、ステータスなどのメタデータは保持されます。音声そのものは保存されないため、ストレージコストも最小限に抑えられます。

学習用データ使用なし

入力テキストは音声合成のみに使用され、将来のモデル改善やトレーニングデータとして利用されることはありません。そのため、患者ガイドや内部マニュアルのテキストが外部で学習される心配はありません。

音声ファイルの保存なし

生成された音声ファイルはレスポンスとして返された後、サーバー上に保存されません。生成されたファイルはクライアント側で管理されるため、不要になった音声は簡単に消去できます。

これにより、長期保存に伴うストレージコストや管理の手間がかかりません。

メタデータの保持

請求と利用状況の把握のために、リクエスト時刻、文字数、ステータスなどのメタデータは保持されます。これにより、正確な課金と利用効率の分析が可能です。

デモと体験

の音声波形イラスト: デモと体験

APIキーを取得する前に、実際の音声出力を確認できます。各音声プリセットのサンプルを聴くことで、医療チームのニーズに合った声質を選定できます。

簡易なデモリクエストを実行して、テキストから音声ファイルが生成されるまでの流れを体験してください。

音声サンプルの聴取

8種類の音声プリセットから、AriaやAtlasなどのサンプル音声をブラウザで再生できます。患者向けガイドや内部文書のトーンに合うか、事前に確認してください。

  • Aria: 温暖なナレーター
  • Atlas: ニュース向けの中立な音声

APIキーの取得

Googleまたはメールでアカウントを作成し、/get-api-key/ページからAPIキーを取得します。キーがあれば、すぐにAPI連携を開始できます。

  • Googleサインインで無料トライアル(0.50ドル)
  • メール登録で基本アカウント作成

デモリクエスト

提供されるcurlコマンドを実行すると、テキストから音声ファイルが生成されます。MP3やWAV形式で音声ファイルが返却されるプロセスを確認できます。

サポートと連絡

の音声波形イラスト: サポートと連絡

当APIのサポートはメールのみで行っております。電話やライブチャットは用意していません。技術的な問い合わせや利用上の不明点について、専門チームが責任を持って対応いたします。

迅速な返信を目指していますが、応答時間はケースにより異なります。ドキュメントとFAQをまずご確認いただき、必要に応じてメールでご連絡ください。

メールサポート

公式サポートはメールのみです。電話番やライブチャットはありません。技術的な質問やアカウントに関する連絡は、このメールアドレス宛てに送信してください。

サポート担当者が確認後、返信いたします。緊急時の専用ラインや、24時間対応のチャット機能は提供しておりませんのでご了承ください。

  • メールのみでの対応
  • 電話サポートなし
  • ライブチャットなし

ドキュメント

APIの仕様やエンドポイント、パラメータの詳細はドキュメントページに記載しています。OpenAI SDKとの互換性に基づいた実装例も公開しています。

curlコマンドの例や、エラーハンドリングの方法など、開発に役立つ情報を網羅しています。コードの組み込みやテストの際にご参照ください。

  • APIエンドポイント一覧
  • パラメータの説明
  • コード例(curl)

FAQ

よくある質問や料金体系、音声の制限事項などをまとめています。APIキーの発行方法や課金の仕組みについても記載しています。

不明な点やドキュメントで解決しない問題は、FAQを参照した上でメールサポートまでご連絡ください。

  • 料金と課金
  • APIキーの発行
  • 音声の制限
サポートと連絡

よくある質問

の音声波形イラスト: よくある質問

医療チームが音声コンテンツを作成する際、よく寄せられる質問をまとめました。各項目は、実際の利用シーンに基づいた具体的な情報を提供します。

技術的な制限や料金体系について、事前に明確にしておくことで、スムーズなシステム統合が可能になります。

音声の著作権

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聴の透かしが埋め込まれています。また、音声の基となる録音データはLibriTTS-R(CC BY 4.0)およびLibriボイスの公衆ドメイン資料に基づいています。

入力テキスト自体の著作権は利用者にあり、生成された音声は学習データには使用されません。

文字数制限

1回のAPIリクエストで送信できるテキストの上限は4096文字です。これを超える長文の場合は、複数のパートに分割して生成し、音声ファイルを結合する必要があります。

文字数にはスペースや句読点も含まれます。

価格体系

料金は100万文字あたり10ドル(1,000文字あたり0.01ドル)です。失敗したリクエストは無料です。

USDT(TRC-20)でのみチャージ可能で、クレジットカードや定期契約はありません。

  • 最小チャージ額:5ドル
  • 有効期限:残高は期限なし

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。 患者様の安全を最優先し、最新の医学知見に基づいた確かな情報提供に努めます

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. IETF RFC 7845: Ogg Opus
  3. LibriTTS-R paper (arXiv 2305.18802)
  4. FFmpeg documentation
  5. LibriTTS-R corpus (OpenSLR 141)
  6. OpenAI API reference: create speech
  7. Node.js documentation
  8. Tether (USDT)
  9. Creative Commons Attribution 4.0
  10. openai-node on GitHub
  11. Python documentation
  12. LibriVox public-domain audiobooks

このサイトに関するその他の情報