よくある質問
テキスト 音声変換とは何ですか?
テキスト 音声変換は、指定したテキストデータを音声ファイルに変換するクラウドAPIです。テキストを送信するだけで、MP3やWAVなどの音声ファイルが返されます。OpenAI SDKと互換性があるため、base_urlを変更するだけで既存のSDKを使って呼び出せます。研修教材の音声化や、教育コンテンツの制作フローを効率化するためのツールとして設計されています。
APIはどのくらいの速度で動作しますか?
長文の生成では、生成された音声の秒数に対して約25文字のテキスト処理速度が典型的です。短文の生成には数秒かかります。リクエストは順番に処理されるため、負荷が高い場合はキューで待機する場合があります。1リクエストあたり最大4096文字まで処理可能で、それ以上の長文は分割して結合することで対応します。
どの言語に対応していますか?
英語、日本語、中国語、韓国語など23言語に対応しています。具体的には、英語、日本語、中国語、韓国語、フランス語、ドイツ語、イタリア語、スペイン語、ポルトガル語、ロシア語、アラビア語、ヒンディー語、オランダ語、スウェーデン語、ノルウェー語、デンマーク語、フィンランド語、ギリシャ語、ヘブライ語、マレー語、スワヒリ語、ポーランド語、トルコ語です。言語を指定しない場合は、文字種から自動判別されます。
音声の種類はどれくらいありますか?
8種類の音声プリセットから選択できます。女性ボイスは「aria」「nova」「luna」「sage」の4種類、男性ボイスは「felix」「milo」「atlas」「orion」の4種類です。各音声は、LibriTTS-RやLibriVoxの録音データに基づいています。また、音声は特定の言語に限定されず、対応する23言語のいずれでも使用可能です。
テキストの文字数制限はありますか?
1つのAPIリクエストあたり、最大4096文字まで処理できます。これを超える長文を音声に変換する場合は、4096文字ごとにテキストを分割し、生成された音声ファイルを結合して使用します。文字数にはスペースや句読点も含まれるため、正確な文字数をカウントしてリクエストを送信してください。
音声ファイルの形式は選べますか?
mp3、wav、opus、flac、pcmの5つの形式から選択できます。用途に応じて最適な形式を選定してください。mp3は一般的な再生に対応し、wavやflacは高品質な保存に適しています。pcmは生データとして利用したい場合に適しています。レスポンスフィールドで形式を指定することで、生成される音声ファイルの形式を制御できます。
APIキーはどのように取得しますか?
サイトの「/get-api-key/」ページから、Googleアカウント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します。サインアップ後、ページ上でAPIキーを確認できます。1アカウントにつき有効なキーは1つで、新しいキーを発行すると古いキーは即時無効になります。キーは「Bearer tts-...」の形式で認証に使用します。
トライアルクレジットの有効期限は?
Googleでサインインすると、0.50ドルのトライアルクレジット(約50,000文字分)が付与されます。このクレジットの有効期限は7日間です。メールアドレスとパスワードでサインインしたアカウントには、トライアルクレジットは付与されません。トライアルクレジットは、APIの呼び出しに使用できる残高として機能します。
USDTでの支払いはどのように行いますか?
USDT(TRC-20)のみをサポートしています。最小チャージ額は5ドルです。トランザクションを送信すると、数分以内に自動的に残高に反映されます。クレジットカードやPayPal、サブスクリプション、請求書は利用できません。残高の有効期限はありません。APIキーと残高はサイト上で管理でき、必要な分だけチャージして使用します。
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として返されるのみで、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。ただし、課金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)は保持されます。音声ファイルの保存は、クライアント側で行う必要があります。
音声には透かしマークは入りますか?
生成されるすべての音声ファイルには、合成音声であることを示す不可視の透かしマークが含まれます。これにより、音声ファイルがAIによって生成されたものであることを確認できます。透かしは音声ファイルに埋め込まれており、通常の再生では聞こえません。
エラーが発生した場合はどうなりますか?
音声合成に失敗した場合、そのリクエストは無料となり、料金は全額返金されます。エラーが発生しても、残高は消費されません。エラーの詳細はレスポンスから確認できます。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。エラーが発生した場合は、テキストの形式や文字数、APIキーの有効性を確認してください。
サポートはどのように受けられますか?
サポートはメールのみで行っています。電話やライブチャットは提供していません。質問や問題が発生した場合は、メールで連絡してください。サポートチームが返信します。SLAやアップタイム保証、エンタープライズ契約は提供していません。
APIのレートリミットはどのくらいですか?
APIキーごとに1分間あたり60リクエストのレートリミットがあります。最初のチャージが完了する前は、1分間あたり10リクエストの制限が適用されます。リミットを超えると、リクエストが拒否されます。負荷が高い場合は、リクエストの処理に時間がかかる場合があります。
最初のリクエスト
curl
curl https://api.retrospectos.info/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研修教材を音声で強化
研修教材を音声に変換することで、視覚的な情報に偏りがちな学習環境に聴覚的な刺激を追加し、記憶の定着を促進します。テキストの音声化は、単なる文字列の変換ではなく、学習者の理解度を高める効果的な手法です。
多言語に対応しているため、海外研修や多国籍チームでの学習コンテンツ制作もスムーズに進められます。APIによる自動化で、手作業での音声作成時間を大幅に短縮し、教育設計者の業務負荷を軽減します。
テキストの音声化で学習効果を向上
テキストを音声に変換するAPIは、研修コンテンツの制作フローを効率化します。音声ファイルはmp3、wav、opus、flac、pcmの形式で取得可能で、用途に合わせて選択できます。
生成された音声は合成音声であることを示す透かしマークが含まれていますが、聞き取りやすい品質です。
- 4096文字までのテキストを1リクエストで処理
- 音声ファイルの形式を5種類から選択可能
多言語研修の音声対応
23言語に対応しており、英語、日本語、中国語、スペイン語など、幅広い言語の研修コンテンツを作成できます。
言語は自動検知されますが、正確性を高めるため、ISOコードを指定することも推奨されます。
言語設定を正しく行うことで、より自然な発音とリズムで音声を変換できます。
APIによる自動化で制作時間を短縮
OpenAI互換のエンドポイントを使用することで、既存のツールやワークフローに簡単に組み込めます。
curlコマンドやPython SDKなど、様々な方法でAPIを呼び出すことができます。
自動化により、複数教材の音声化をバッチ処理でき、制作効率を大幅に向上させます。
音声と言語の対応
VoiceEdu JPのAPIは、教育現場の多様なニーズに応える8種類のプリセットボイスと23言語の対応を提供します。研修コンテンツの制作において、適切なトーンと言語選択が学習効果に直結するため、これらのリソースを効果的に活用できます。
8種類の preset ボイス
講師の話し手に合わせた8種類のボイスから選択可能です。 AriaやNovaのような女性的なトーンから、Atlasのような客観的なニュートラルな声まで、研修の性質に合わせた音声設計が可能です。
- Aria: 温かみのあるナレーター
- Nova: 明るく元気なトーン
- Luna: 物語を語るような柔らかい声
- Sage: カルムで教育的なトーン
23言語の完全対応
英語、日本語、中国語など主要23言語に対応しています。多国籍な研修現場や、異言語での学習サポートが必要な場合でも、一貫した品質で音声化できます。
- 英語、日本語、中国語、フランス語、ドイツ語など23言語
- スワヒリ語やマレー語など多様な言語もカバー
自動言語検知と手動設定
言語コードを指定しない場合は、文字コードから言語を自動検知します。ただし、ラテン文字のテキストはデフォルトで英語と判断されるため、異なる言語の場合は明示的に言語コードを設定してください。
API仕様とデモ
研修コンテンツ制作の自動化に不可欠なAPIインターフェースは、OpenAIのspeechエンドポイントと完全互換です。既存のOpenAI SDKや標準的なHTTPライブラリを活用し、base_urlを https://api.retrospectos.info/v1 に変更するだけで利用可能です。これにより、追加の学習コストを抑えつつ、安定した音声合成フローを構築できます。
OpenAI互換のエンドポイント
リクエストはJSON形式で送信し、model、input、voice などのパラメータを指定します。tts-1 または tts-1-hd のモデルから選択でき、速度や出力形式も柔軟に設定可能です。
curlコマンドでの簡易リクエスト
開発環境での動作確認にはcurlが便利です。APIキーをヘッダーに付与し、テキストとボイスを指定するだけのシンプルな構造です。認証は Bearer トークン方式を採用しています。
JSON形式のレスポンス
リクエストが成功すると、生成された音声ファイルのバイナリデータがレスポンスボディとして返されます。失敗した場合はエラーコードとメッセージが返され、課金は発生しません。
音声ファイルの形式はmp3、wav、opus、flac、pcmから選択可能です。
価格とアクセス
コストは文字数単位で課金され、100万文字あたり10ドル(1文字約0.00001ドル)です。失敗したリクエストは課金されません。
Googleアカウントでサインインすると、7日間で有効な0.50ドルの無料トライアルが利用できます。
文字数単位の従量課金
基本料金は100万文字あたり10ドルで、スペースや句読点も含みます。月額プランや最小利用料はなく、使った分だけ支払う従量課金制です。
Googleアカウントで無料トライアル
Googleアカウントによる登録時には、約5万文字分に相当する0.50ドルのクレジットが提供されます。メールアドレスでの登録ではこの特典は得られません。
USDTによるトポアップ
残高の追加はTRONネットワーク(TRC-20)上のUSDTのみで行えます。5ドル以上で自動的に数分で反映されます。カードやPayPalは対応していません。
品質と特徴
APIで生成される音声ファイルには、人間が聴き取れないレベルの不可視な透かしマークが埋め込まれています。これにより、生成されたコンテンツが合成音声であることを明確に区別できます。研修資料の素材として提供する際も、合成音声である事実を裏付ける技術的な根拠となります。
合成音声の透かしマーク
テキストの文字制限
1回のリクエストで変換できるテキストは4096文字までです。これを超える長文の研修資料を作成する場合は、クライアント側で適切な文字数に分割し、複数のリクエストを発行して生成された音声ファイルをつなぎ合わせる必要があります。
音声ファイルの形式選択
- mp3: 一般的な配信やWeb再生に適した形式
- wav: 高品質な音声編集や録音データ用
- opus: 圧縮効率の良い音声形式
- flac: 無損失圧縮による高音質保存用
- pcm: 生音声データが必要な開発環境用

導入のステップ
APIキーを取得し、開発環境に設定することで、研修コンテンツの音声化プロセスを開始できます。Googleアカウントでの登録は簡潔で、すぐに試用が開始可能です。
初期設定では、APIベースURLと認証ヘッダーを定義するだけです。既存のOpenAI互換SDKや単純なHTTPリクエストを活用することで、迅速な統合が実現します。
APIキーの取得方法
サイト内の「/get-api-key/」ページにアクセスし、Googleアカウントまたはメールアドレスでサインアップします。認証が完了すると、ダッシュボードに一意のAPIキーが表示されます。このキーは1アカウントにつき1つで、必要に応じて再発行可能です。
キーはリクエストヘッダー Authorization: Bearer tts-... に設定して使用します。キーの有効期限や料金は、アカウント画面でリアルタイムに確認できます。
- Googleアカウントまたはメール登録で即時取得
- ダッシュボードからAPIキーをコピー
- 新しいキー発行で旧キーは即時無効化
初期設定の流れ
開発環境にAPIベースURL https://api.retrospectos.info/v1 を設定します。OpenAI SDKを使用する場合は base_url を上書きするだけで互換性が保たれます。
サポートされる8ボイスと23言語のリストを GET /v1/voices で取得し、利用可能なパラメータを確認します。これにより、研修テキストの適切な音声設定が可能です。
- ベースURLの設定
- 利用可能な音声と言語の確認
テスト実行の手順
Googleアカウント登録者は無料トライアルクレジット($0.50)が適用されます。これを活用して、短いテキストの音声合成テストを実行できます。
例えば、研修用のイントロダクションテキストを送信し、mp3またはwav形式のレスポンスが返ってくるか確認します。エラーがなければ、本格的なコンテンツ制作に移行できます。
- 無料トライアルクレジットの確認
- 短テキストでの合成テスト
- レスポンス形式の確認
技術的詳細
APIはOpenAI互換のJSON形式を採用し、標準的なSDKやcurlコマンドで直感的に利用できます。リクエストボディにはモデル、音声、テキスト、速度パラメータを指定します。
生成速度は1秒あたり約25文字のリアルタイムペースが基本ですが、キュー待ちにより短時間でも遅延が生じる場合があります。
リクエストのJSON構造
リクエストはPOSTメソッドでhttps://api.retrospectos.info/v1/audio/speechへ送信します。ボディにはmodel(tts-1またはtts-1-hd)、input(4096文字以内のテキスト)、voice、response_format(mp3、wav、opus、flac、pcm)を含みます。languageフィールドは任意で、指定しない場合はスクリプトから自動検知されます(ラテン文字は英語とみなす場合あり)。
認証はAuthorization: Bearer tts-...ヘッダーで行います。SDK利用時はbase_urlのみ変更すれば既存のコードが動作します。
- エンドポイント: POST /v1/audio/speech
- 認証: Bearer token
- 最大入力: 4096文字
速度と遅延の調整
speedパラメータで生成速度を0.25から4.0の範囲で調整可能です。デフォルトは1.0で、長文の生成には実時間と同等の処理時間を要します。
リクエストはキューで順次処理されるため、混雑時は待機時間が発生します。短文の生成でも数秒を要することがあります。
- 速度範囲: 0.25 - 4.0
- 処理: キュー順次実行
- 推定速度: 1秒あたり25文字
エラーハンドリング
合成失敗時は課金が行われず、返金されます。APIは標準的なHTTPステータスコードを返すため、標準のエラー処理ロジックで対応可能です。
文字数制限超過や無効な音声指定など、リクエストエラーは即時通知されます。
- 失敗時は無料
- 標準HTTPステータスコード
- 即時エラー通知
サポートとFAQ
API接続や音声生成に関する技術的な不明点を解決するためのFAQと、開発者向けのサポート体制を案内します。
公式SDKや電話サポートは提供していません。メールによる技術サポートで対応します。
アカウントや課金に関する一般的な質問と、具体的な技術的な問題解決のための連絡先を以下に示します。
よくある質問
音声ファイルの形式はmp3、wav、opus、flac、pcmから選択可能です。音声は合成音声であることを示す無音の透かしマークが埋め込まれています。
1リクエストあたり4096文字までの制限があります。それ以上のテキストは分割して結合する必要があります。失敗したリクエストは課金されません。
技術サポート
技術的なサポートはメールのみで実施しています。電話サポートやライブチャットは提供していません。
APIのエラーコードやレートリミット(60リクエスト/分)に関する問い合わせには、APIキーとリクエストログを添えてご連絡ください。
音声合成の品質や速度に関する具体的なフィードバックも受け付けています。ただし、SLAやuptime保証はありません。
連絡先
技術的なご質問やサポートが必要な場合は、以下のメールアドレスまでご連絡ください。
サポートチームは返信いたしますが、返答の保証は特に記載されていません。
アカウントの解約やキーの再発行に関する連絡もこのメールアドレスから受け付けます。
- サポートメール: [email protected]
利用規約とデータ
入力テキストは音声生成にのみ使用され、学習モデルの訓練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却され、サーバー側には保存されません。
データの使用と保存
生成リクエストのメタデータ(時刻、文字数、ステータス)は請求確認のために保持されます。それ以外のコンテンツは即時処理されるため、長期保存は行われません。
音声ファイルの返却
音声データはリクエストに応じて直接返却されます。サーバー上には生成後のファイルが維持されるため、クライアント側で適切に管理・保存する必要があります。
プライバシーポリシー
個人識別可能なデータは、請求メタデータ以外に収集していません。APIキーとアカウント情報の管理は各サイトごとに独立して行われます。
- Googleアカウントまたはメールパスワードでの認証
- 音声生成用のテキストは訓練データに使用しない
- リクエストメタデータは課金目的で保持
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。 これを超える長文の研修資料を作成する場合は、クライアント側で適切な文字数に分割し、複数のリクエストを発行して生成された音声ファイルをつなぎ合わせる必要があります。
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
- Wikipedia
- openai-python on GitHub
- LibriVox public-domain audiobooks
- Python documentation
- Node.js documentation
- ISO 639 language codes
- FFmpeg documentation
- OpenAI API reference: create speech
- LibriTTS-R corpus (OpenSLR 141)
- LibriTTS-R paper (arXiv 2305.18802)
- Creative Commons Attribution 4.0
- IETF RFC 7845: Ogg Opus
