TTS APIの使い方と設定ガイド

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

MediVoice JPは、テキストを音声に変換するクラウドTTS APIの独立したストアフロントです。OpenAI SDK互換のシンプルなエンドポイントを提供し、APIキーの取得からcurlコマンド、SDK連携まで、実際の開発ワークフローに即した実用的な情報を提供します。

医療チームが患者ガイドや内部文書を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のAPIです。モデルの選択、音声パラメータ、フォーマット設定からエラー処理やレートリミットまで、APIを円滑に統合するために必要な技術的事項を網羅しています。

TTS APIの使い方と設定ガイド

よくある質問

APIキーはどのように取得しますか?

サイト内の「APIキーを取得」ページでGoogleまたはメール登録が必要です。アカウント作成後、ダッシュボードでAPIキーを確認できます。キーは1アカウントにつき1つ有効で、新しいキーを発行すると旧キーは直ちに無効になります。

OpenAI SDKは使えますか?

はい、OpenAI SDKが利用可能です。リクエスト形状が同一であるため、base_urlを「https://api.playaa999.com/v1」に変更し、APIキーを設定するだけでSDKを使用できます。当社は独自SDKやモバイルSDKを提供していないため、公式SDKまたはプレーンHTTPをご利用ください。

base_urlはどこに設定しますか?

base_urlは「https://api.playaa999.com/v1」に設定してください。音声生成エンドポイントはPOST https://api.playaa999.com/v1/audio/speech です。SDKを使用する場合は、このベースURLを変更することで連携可能です。

サポートされている音声はありますか?

aria、nova、luna、sage、felix、milo、atlas、orionの8種類が利用可能です。これらはLibriTTS-RおよびLibriVoxの録音に基づいています。音声は23言語に対応しており、任意の音声で任意の言語を話せます。

どのフォーマットが利用できますか?

mp3、wav、opus、flac、pcmの5つのフォーマットが利用可能です。リクエストパラメータ「response_format」で指定してください。当APIはストリーミングやWebSocketを提供していないため、生成された音声ファイルはレスポンスとして受信し、ファイルとして保存またはダウンロードしてください。

レートリミットは?

1分あたり60リクエストが制限です。初回のチャージ前は1分あたり10リクエストに制限されます。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ち時間が発生する場合があります。

エラーコードの意味は?

合成に失敗したリクエストは課金されません。エラーコードについては、SECTION 6で400、401、429、500の定義を提供しています。特にレートリミット超過時は429が返ります。APIのステータスコードや詳細なエラー内容については、メールサポートまでお問い合わせください。

文字数制限は?

1つのリクエストあたり最大4096文字までです。それ以上の長文は、4096文字ごとに分割して生成し、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。

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

Python (openai)

from openai import OpenAI

client = OpenAI(base_url="https://api.playaa999.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.playaa999.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

MediVoice JPのAPIキーは、サイト内の「APIキーの取得」ページからGoogleアカウントまたはメールアドレスでの登録により取得できます。Googleサインインの場合は、登録直後に0.50ドルのトライアルクレジット(約5万文字分、7日間有効)が付与されます。それ以外の登録方法では、トライアルクレジットは含まれません。

キーはアカウントごとに1つ有効で、新しいキーを発行すると古いキーは直ちに無効化されます。取得したキーは、API呼び出し時のAuthorizationヘッダーにBearerトークンとして設定します。

Googleサインイン

Googleアカウントを使用してログインすると、直ちにAPIキーが発行されます。この方法では、初期として0.50ドルのクレジットが付与されます。このクレジットは登録後7日間有効で、有効期限を過ぎると自動的に消滅します。

サインイン後はダッシュボードでキーと残高を確認できます。

  • Googleアカウントでのワンクリック登録
  • 0.50ドルのトライアルクレジットが自動付与
  • クレジットの有効期間は7日間

メール登録

メールアドレスとパスワードを使用してアカウントを作成することも可能です。この方法では、トライアルクレジットは付与されません。

登録完了後、APIキーが即座に利用可能になります。残高は後続のチャージで補充してください。

  • メールアドレスとパスワードでの登録
  • トライアルクレジットなし
  • 即時でのAPI利用開始

キーの発行

アカウントには1つのアクティブなキーが紐付きます。セキュリティ向上のため、キーを再生成すると、それまでのキーは直ちに無効になります。

生成されたキーは、APIリクエストのAuthorizationヘッダーに「Bearer キー文字列」の形式で設定します。

  • 1アカウント1キー(アクティブは1つのみ)
  • 再生成時に旧キーは即時無効化
  • Authorizationヘッダーに設定

最初のリクエスト

の音声波形イラスト: 最初のリクエスト

APIキーを取得したら、まずcurlコマンドで音声ファイルを生成しましょう。このエンドポイントはOpenAI Speechエンドポイントと互換性があり、テキストを送信するだけで音声ファイルが得られます。

レスポンスは音声ファイル本体であり、ストリーミングではありません。ファイルはダウンロードして保存するか、クライアント側で再生してください。

curlコマンド例

以下のコマンドは、tts-1モデルを使用して「こんにちは」というテキストを音声に変換します。APIキーをYOUR_API_KEYに置き換えて実行してください。

curl -X POST "https://api.playaa999.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", "voice": "aria", "response_format": "mp3"}' \ -o output.mp3

  • キーはAuthorization: Bearer YOUR_API_KEYとして送信します
  • 生成された音声はoutput.mp3としてローカルに保存されます

JSONボディの構造

リクエストボディはJSON形式で、必須フィールドはmodelとinputです。modelはtts-1またはtts-1-hdを指定します。テキストは4096文字まで可能です。

voiceフィールドでは8種類のプリセットから選択します。医療文書には「sage」や「atlas」が適しています。必要に応じてspeed(0.25〜4.0)で再生速度も調整できます。

  • model: "tts-1" または "tts-1-hd"
  • input: 読み上げたいテキスト文字列
  • voice: aria, nova, luna, sage, felix, milo, atlas, orion
  • response_format: mp3, wav, opus, flac, pcm

レスポンスの確認

成功したリクエストでは、音声ファイルそのものがレスポンスボディとして返されます。コンテンツタイプは選択したフォーマット(例: audio/mpeg)に一致します。

ストリーミング接続は確立されません。ファイル全体を受信したら、ローカルストレージに保存するか、アプリケーションで再生処理を行ってください。

  • ステータスコード: 200 OK
  • Content-Type: 選択したフォーマットに準拠
  • ボディ: 音声ファイルのバイナリデータ
最初のリクエスト

OpenAI SDK連携

の音声波形イラスト: OpenAI SDK連携

MediVoice JPのAPIはOpenAIのspeechエンドポイントと互換性があるため、既存のOpenAI SDKをそのまま利用できます。base_urlを https://api.playaa999.com/v1 に変更し、APIキーを設定するだけで連携可能です。

base_urlの変更

SDKの初期化時に base_url を https://api.playaa999.com/v1 に設定します。これにより、標準的なリクエスト形状で音声合成が実行されます。

SDKの設定

環境変数 OPENAI_API_KEY にMediVoice JPのキーを設定するか、SDKインスタンス作成時に直接渡します。認証ヘッダーは Authorization: Bearer 形式で自動的に処理されます。

コード例

以下のPythonコードは、OpenAI SDKを用いてテキストを音声ファイルに変換する例です。 model は tts-1 または tts-1-hd を指定します。

```python from openai import OpenAI client = OpenAI(base_url="https://api.playaa999.com/v1", api_key="YOUR_API_KEY") with client.audio.speech.create( model="tts-1", voice="aria", input="医療ガイドラインの確認" ) as response: response.stream_to_file("output.mp3") ```

音声パラメータ

の音声波形イラスト: 音声パラメータ

APIリクエストには、同じエンジンを使用する「tts-1」と「tts-1-hd」の2つのモデルから選択できます。価格も処理速度も同一で、料金は100万文字あたり10ドルです。

音声の質感に違いはなく、機能も同等です。必要に応じてどちらかを選択してください。8つのプリセットボイスと0.25〜4.0の速度調整で、医療文書の読み上げを最適化できます。

modelの選択

「tts-1」と「tts-1-hd」は同じ音声合成エンジンと価格($0.01/1000文字)を使用します。両者の違いは名称のみで、出力音質や生成速度に差はありません。

どちらのモデルIDを指定しても、同じ品質の音声ファイルが得られます。既存のシステム互換性を保つため、または単に任意のモデルを選択してください。

voiceプリセット

8つのボイスプリセットから選択します。医療チーム向けの文脈に合わせて、自然なトーンを選択してください。例えば、患者ガイドには「aria」や「nova」を、内部マニュアルには「sage」や「atlas」が適しています。

すべての音声は23言語に対応しており、日本語を含むどの言語でも使用可能です。音声はLibriTTS-RおよびLibriVoxの録音を基にしており、合成音声であることを示すウォーターマークが埋め込まれています。

  • female: aria, nova, luna, sage
  • male: felix, milo, atlas, orion

速度の調整

speedパラメータで0.25から4.0までの範囲で読み上げ速度を調整できます。標準は1.0です。医療用語が多い技術文書では、理解を助けるため速度を落とすことが推奨されます。

速度を上げると生成時間が短縮されますが、音声の明瞭性が低下する可能性があります。適切な速度で、医療チームが機器の手順書やガイドを正確に把握できるように調整してください。

フォーマット

の音声波形イラスト: フォーマット

TTS APIは、生成された音声ファイルの出力形式を指定できます。response_formatパラメータにmp3、wav、opus、flac、pcmのいずれかを設定することで、要件に合わせた形式で音声データを受け取ることができます。

MP3

MP3は広く互換性のある可逆圧縮形式です。ネットワーク経由での転送が効率的であり、一般的なプレイヤーやシステムで即座に再生可能です。

WAV

WAVはロスレス形式です。圧縮による音質劣化がないため、ファイルサイズは大きくなりますが、音声データの生データを保持します。

Opus, FLAC, PCM

OpusとFLACは高音質を維持しつつ、ファイルサイズを最適化します。PCMは圧縮されていない生のオーディオデータであり、後処理が必要な場合に適しています。

フォーマット

エラー処理

の音声波形イラスト: エラー処理

TTS APIは、リクエストの形式が正しくない場合やサーバー側の処理で問題が発生した際に、HTTPステータスコードを返します。例えば、モデル名が無効な場合や内部処理に失敗した場合は、それぞれ異なるエラーコードが返されます。

一般的なエラーコード

リクエストパラメータに問題がある場合、400 Bad Requestが返されます。これには、無効なモデル名やサポートされていない音声パラメータが含まれます。また、4096文字を超えるテキストを入力した場合もこのエラーが発生する可能性があります。

  • 400: 無効なモデル名、サポートされていないパラメータ、または4096文字超のテキスト

レートリミット

レートリミット超過時は429 Too Many Requestsが返されます。キー発行直後は1分あたり10リクエスト、チャージ後は60リクエストが上限です。

  • 429: レートリミット超過(初期: 10req/min、チャージ後: 60req/min)

再試行ポリシー

一時的なエラーには指数関数的バックオフを推奨します。サーバー内部エラー(500系)が発生した場合は、短時間待機後に再試行してください。

レートリミット

の音声波形イラスト: レートリミット

APIキーあたり1分間に60リクエストの制限があります。これにより、医療チームが患者ガイドや手順書を効率的に音声化できます。

リクエストは1つずつ処理され、負荷が高いとキューに並ぶ可能性があります。

60リクエスト/分

1つのAPIキーあたり、1分間に最大60回の音声生成リクエストを送信できます。これは、医療現場での情報アクセス向上に十分なスループットを提供します。

リクエストは順次処理されるため、負荷が高い場合、キューに待機する可能性があります。

初期制限

アカウント作成直後は、1分あたり10リクエストの制限が適用されます。これは、最初のチャージを行うまで続きます。

この制限は、APIの使用を初めて試す際のリソース保護を目的としています。

チャージ後の変更

TRONネットワーク(TRC-20)でのUSDTチャージ(最低$5)が完了すると、制限は60リクエスト/分に引き上げられます。

チャージは通常、送金後数分で自動的に反映されます。これにより、大規模な医療チームでも安定した音声生成が可能になります。

レートリミット

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

MediVoice JPでは、患者向けガイドや内部文書の音声変換におけるデータ処理を明確に定義しています。入力テキストは、音声合成の生成のみを目的として使用され、学習やモデル改善のための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、APIレスポンスとしてクライアントに返された後、サーバー上には永続的に保存されません。これにより、機密性の高い医療情報の長期保管に伴うリスクを最小限に抑えます。

入力データの使用

送信されたテキストデータは、音声ファイルの生成プロセスにおいてのみ処理されます。生成が完了すると、そのテキストデータは即座に使用目的が終了するため、継続的な学習データとしては利用されません。

音声ファイルの保存

生成された音声ファイル(MP3、WAV、Opus、FLAC、PCM)は、レスポンスとして返された後、サーバーには保存されません。ファイルはクライアント環境に直接ダウンロードされるため、サーバー上のストレージに記録されることはありません。

メタデータの保持

請求および利用状況の確認のために、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。これには音声ファイル自体は含まれず、課金の正確性を担保するための最小限の情報です。

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。 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. Node.js documentation
  3. IETF RFC 7845: Ogg Opus
  4. Creative Commons Attribution 4.0
  5. openai-node on GitHub
  6. Tether (USDT)
  7. LibriTTS-R corpus (OpenSLR 141)
  8. ISO 639 language codes
  9. curl documentation
  10. LibriVox public-domain audiobooks
  11. LibriTTS-R paper (arXiv 2305.18802)
  12. FFmpeg documentation

このサイトに関するその他の情報