テキスト読み上げAPIの実装ガイド

作成者 RadioTTS Lab 編集部 · 更新日 2026-11-19

RadioTTS APIドキュメントでは、ラジオCMや音声広告制作における音声合成の実装方法を解説します。OpenAI互換のエンドポイントを利用し、curlや公式SDKで簡単に音声ファイルを生成できます。8種類のプリセット音声と5つの出力形式から選べるため、制作フローに即した高品質な読み上げ音声を作成可能です。

このガイドは、APIキーの取得からリクエスト送信、エラーハンドリングまでを段階的に示します。レート制限や長時間テキストの分割処理といった実装上の注意点も網羅しています。ブラウザ録音では得られない一貫した音声品質を、低コストで効率的に導入するための具体的な手順を確認してください。

テキスト読み上げAPIの実装ガイド

よくある質問

APIキーはどこで確認できますか?

アカウントページで確認できます。Googleまたはメールパスワードでサインアップ後、ダッシュボードにアクセスキーが表示されます。キーは1アカウントにつき1つ有効で、必要に応じて再発行可能です。

APIキーを再発行すると古いキーはどうなりますか?

新しいキーを発行すると、古いキーは即座に無効になります。同時に複数のキーが有効になることはなく、常に最新のキーのみが使用可能です。

OpenAIの公式SDKはそのまま使えますか?

はい、利用可能です。base_urlを当社のエンドポイントに変更するだけで、OpenAI SDKのspeechエンドポイントとして動作します。リクエスト形状はOpenAIと互換性があります。

base_urlをどこに変更すればよいですか?

https://api.p4444.info/v1 に変更してください。これにより、公式SDKを使用して音声合成APIを呼び出すことができます。認証にはBearerトークンを使用します。

tts-1とtts-1-hdの違いは何ですか?

両モデルは同じエンジンを使用し、価格も同一です。機能や生成速度に違いはありません。必要に応じてモデルを選択してください。

テキストの最大文字数はいくらですか?

1リクエストあたりの最大文字数は4096文字です。これを超えるテキストを処理する場合は、クライアント側で分割して複数のリクエストを送信する必要があります。

音声のスピードはどのくらい調整できますか?

速度は0.25から4.0の範囲で調整可能です。デフォルトは1.0ですが、広告のテンポに合わせて速くまたは遅く設定できます。

言語を明示的に指定しない場合どうなりますか?

文字スクリプトから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。それ以外の言語の場合は、languageパラメータで明示的に指定してください。

mp3とwavの使い分けの基準は何ですか?

mp3は圧縮形式で容量が小さく、wavは非圧縮形式です。用途に応じてresponse_formatで選択可能です。両方ともサポートされており、音声品質はモデルに依存します。

レート制限を超えた場合、どうなりますか?

1分あたり60リクエストの制限があります。制限を超えると、429エラーが返されます。最初のトップアップ前は1分あたり10リクエストです。

エラーが起きた場合、課金されますか?

合成に失敗した場合、課金は行われません。料金は全額返金されます。正常に処理された場合のみ、文字数に基づいて課金されます。

長時間テキストを処理するにはどうすればよいですか?

テキストを4096文字ごとに分割し、それぞれを個別に処理します。生成された音声ファイルはクライアント側で結合してください。サーバー側での自動結合は行いません。

音声ファイルの結合は自動で行われますか?

いいえ、自動結合は行われません。分割された各音声ファイルを取得し、クライアント側で結合する必要があります。これにより、柔軟な処理が可能になります。

サポートはメールのみですか?

はい、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。質問や問題が発生した場合は、メールで問い合わせてください。

最初のリクエスト

curl

curl https://api.p4444.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

Python (openai)

from openai import OpenAI

client = OpenAI(base_url="https://api.p4444.info/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.p4444.info/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キーの取得とアカウント作成

の音声波形イラスト: APIキーの取得とアカウント作成

RadioTTS LabのAPIを利用するには、まずアカウントの作成が必要です。/get-api-key/ページで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登録できます。Googleログインの場合は、登録と同時に0.50ドルの無料トライアルクレジットが付与されます(有効期限7日間)。メール登録の場合はトライアルクレジットは付きません。

Googleまたはメールでの登録方法

Googleまたはメールでの登録方法

Googleアカウントでの登録は、1クリックで完了します。既存のGoogleアカウントがあれば、すぐにAPIキーの発行と確認が可能です。メールアドレス登録では、セキュリティのためにパスワードの設定が必要です。アカウントはサイトごとに独立して管理されます。

  • Googleログイン:トライアルクレジット付き、即時有効
  • メール登録:パスワード必須、トライアルクレジットなし
  • 登録ページ:https://p4444.info/get-api-key/

ダッシュボードでのAPIキー表示

ダッシュボードでのAPIキー表示

ログイン後、ダッシュボード画面でAPIキーを確認できます。キーは1アカウントにつき1つアクティブです。画面には現在の残高、トライラル残高、消費文字数、およびcurlコマンドの例が表示されます。

キーの再発行と古いキーの無効化

ダッシュボードから新しいAPIキーを発行できます。新しいキーが発行されると、直前に使用していた古いキーは即時無効になります。これにより、キーの漏洩時や環境変更時に安全に切り替えが可能です。

キーの再発行はいつでも可能ですが、古いキーの即時停止に注意してください。

  • 新しいキー発行:旧キーは即時無効化
  • 再発行はダッシュボードから実行可能
  • アカウントあたりのアクティブキーは1つのみ

最初のリクエスト:curlコマンド例

の音声波形イラスト: 最初のリクエスト:curlコマンド例

APIキーの準備ができたら、curlコマンドで最初の音声生成を試すことができます。これは、APIが正常に動作していることを確認する最も早い方法です。

基本構造のPOSTリクエスト

POST https://api.p4444.info/v1/audio/speech へ、JSON形式のリクエストボディを送信します。認証には Authorization: Bearer YOUR_API_KEY ヘッダーが必要です。

ヘッダーとボディの指定方法

以下のリクエスト例では、tts-1 モデル、nova 音声、mp3形式を指定しています。input フィールドにラジオCMのテキストを設定してください。

$ curl -X POST https://api.p4444.info/v1/audio/speech \ -H "Authorization: Bearer tts-..." \ -H "Content-Type: application/json" \ -d '{"model": "tts-1", "input": "ただいま、新商品キャンペーン開催中!", "voice": "nova", "response_format": "mp3"}'

成功時のレスポンス例

リクエストが成功すると、音声ファイル(バイナリデータ)がHTTPレスポンスボディとして返されます。ステータスコードは 200 OK です。

返されたデータは、ローカルファイルとして保存してください。

OpenAI SDKとの互換性

の音声波形イラスト: OpenAI SDKとの互換性

RadioTTS APIはOpenAIの音声APIと互換性のあるエンドポイント構造を採用しています。既存のOpenAI SDKをそのまま使用可能で、設定値を変更するだけで連携できます。

base_urlの変更方法

SDKの初期化時に、APIのベースURLを当サイトのエンドポイントに変更してください。公式SDKのデフォルトURLではなく、https://api.p4444.info/v1 を指定します。

公式SDKの使用手順

OpenAIの公式SDK(PythonやNode.jsなど)をインストールし、APIキーを設定します。リクエストメソッドは同じ形状なので、コードの変更は最小限で済みます。

パラメータの互換性確認

モデル名は"tts-1"または"tts-1-hd"、入力テキストは最大4096文字、音声は8種類のプリセットを使用します。速度やフォーマット指定もOpenAI仕様に準拠しています。

リクエストパラメータの詳細

の音声波形イラスト: リクエストパラメータの詳細

APIリクエストボディには、音声合成の挙動を制御する6つの必須・任意パラメータを指定します。OpenAI互換の仕様に基づき、モデル、入力テキスト、音声プリセット、出力形式、速度、言語をJSON形式で送信します。

model: tts-1 と tts-1-hd

モデルは"tts-1"または"tts-1-hd"を指定します。両者は同じエンジンを使用し、価格も同一です。

input: テキスト(最大4096文字)

合成対象のテキストを指定します。1リクエストあたりの上限は4096文字です。スペースや句読点も文字数に含まれます。

voice: 8つのプリセット音声リスト

aria, nova, luna, sage, felix, milo, atlas, orionの8種類から選択します。

どの音声でも23言語に対応しており、声質はライセンスされた録音に基づいています。

  • aria: 温かくクリアなナレーター
  • nova: 明るく活気のあるトーン
  • luna: 柔らかいストーリーテリング
  • sage: 落ち着いた指示用
  • felix: エネルギー満点なプロモーション
  • milo: 親しみやすい会話調
  • atlas: ニュース用のニュートラル
  • orion: 深みのあるドキュメンタリー調

response_format: mp3, wav, opus, flac, pcm

mp3は一般的な配信用に、wavは編集用の高音質に適しています。opus, flac, pcmは特殊な用途向けです。

デフォルトはmp3ですが、用途に応じて他の形式も選択可能です。

speed: 0.25から4.0の範囲

読み上げ速度を0.25から4.0の範囲で調整できます。CMのテンポに合わせて最適化してください。

language: ISOコードによる言語指定

任意のISO言語コードを指定できます。省略するとスクリプトに基づいて推測されますが、英語以外のラテン文字テキストは明示的に指定してください。

エラーコードとハンドリング

の音声波形イラスト: エラーコードとハンドリング

APIエラーは、リクエストが正常に処理されなかった場合に返されます。各エラーコードは、具体的な原因と解決手順を示しています。

エラーレスポンスには、問題の原因を特定するための詳細なメッセージが含まれます。

401 Unauthorized: APIキーのエラー

APIキーが正しくない場合、または期限が切れている場合に返されます。キーが正しいか確認してください。

新しいキーを発行すると、古いキーは即時無効化されます。古いキーを使用しているリクエストは401エラーを返す可能性があります。

  • APIキーの確認と再発行
  • 正しいエンドポイントの使用

429 Too Many Requests: レート制限

1分間に60リクエストを超える場合、レート制限を超えたことを示す429エラーが返されます。初回のトップアップ前では、1分間に10リクエストまでの制限があります。

レート制限を超えた場合は、少し待ってから再試行してください。キュー待ちの影響で、リクエストが処理されるまでに時間がかかる場合があります。

  • レート制限の理解と対応
  • 再試行のタイミング

500 Internal Server Error: 一時的な失敗

サーバー側の一時的な問題により、リクエストが正常に処理されなかった場合に返されます。このエラーは、サーバーの負荷や一時的な障害により発生することがあります。

このエラーが発生した場合は、数分後に再試行してください。多くの場合、問題は自動的に解決されます。

  • 一時的なエラーの理解と対応
  • 再試行の推奨
エラーコードとハンドリング

レート制限とパフォーマンス

の音声波形イラスト: レート制限とパフォーマンス

RadioTTS Lab APIは、1つのAPIキーあたり1分間あたり60リクエストのレート制限があります。ラジオCMの生成や音声広告のバッチ処理において、この上限を超過すると429エラーが発生します。

安定した制作フローを維持するため、必要な音声ファイル数に応じたリクエスト計画を立てることを推奨します。

1分間あたり60リクエストの制限

標準的な利用制限は1分間あたり60リクエストです。これは1つのAPIキーあたりの制限です。

バッチ処理では、一度に多数のテキストを送信すると制限に達しやすいため、適切な間隔を空けてリクエストを送信してください。

  • 制限: 60リクエスト/分/キー
  • エラー: 429 Too Many Requests

初回トップアップ前の制限(10リク/分)

初回トップアップを行う前までの間は、レート制限が1分間あたり10リクエストに引き下げられます。これにより、初期テストや少量の生成に適した状態になります。

トップアップ後、制限は標準の60リクエスト/分に自動的に戻ります。

  • 初期制限: 10リクエスト/分
  • トップアップ後に標準制限へ

キュー待ちの影響と予想所要時間

リクエストは順次処理されるため、システムに負荷がかかる時間帯にはキュー待ちが発生する可能性があります。これにより、音声生成の所要時間が長くなることがあります。

一般的な音声の生成速度は、テキスト1秒あたり約25文字です。短縮された音声でも、キュー待ちの影響で応答に時間がかかる場合があります。

長時間テキストの生成では、4096文字ごとに分割して処理されるため、各セグメントの生成時間が累積します。

  • 生成速度: 約0.25秒/文字
  • キュー待ち: システム負荷による影響あり

音声ファイルの形式と品質

の音声波形イラスト: 音声ファイルの形式と品質

生成される音声ファイルは、response_formatパラメータでmp3、wav、opus、flac、pcmの5種類から選択できます。各形式は用途に応じて使い分けることで、配信効率や編集ワークフローを最適化できます。

mp3: 一般的な配信用

mp3はファイルサイズが小さく、一般的な配信用に適しています。ラジオCMや音声広告の最終出力として最も一般的に使用され、ネットワーク帯域の節約になります。

wav: 編集用高音質

wav形式は非圧縮のため、音声編集ソフトでの加工やマスタリングに最適です。生成された音声の品質を維持したまま、音量調整やエフェクト処理を行うことができます。

opus, flac, pcm: 特殊な用途向け

opusは低ビットレートでの高品質再生に、flacはlossless圧縮による保存に、pcmは生データ処理に適しています。特殊な配信環境や後処理パイプラインに合わせて選択してください。

長時間テキストの処理

の音声波形イラスト: 長時間テキストの処理

ラジオCMや音声広告の制作では、スクリプトが4096文字を超えることも珍しくありません。APIは1リクエストあたり最大4096文字までしか受け付けないため、クライアント側でテキストを分割し、複数のリクエストを送信する必要があります。

生成された音声ファイルを結合することで、長いコンテンツも違和感なく再生可能です。実装では、分割ロジックと結合処理を自前で実装するか、既存の音声ライブラリを活用してください。

4096文字を超えるテキストの分割

入力テキストは4096文字ごとに区切ります。単語の途中や文の途中で無理に区切ると、音声の不自然さやリズムの崩れが生じるため、句読点や改行位置を基準に分割することをお勧めします。

各セグメントは独立したリクエストとして送信され、それぞれが個別の音声ファイルとして生成されます。分割ロジックを工夫することで、音声の途切れを最小限に抑えることができます。

分割された音声ファイルの結合

各セグメントの音声ファイルは、mp3、wav、opus、flac、pcmのいずれかの形式で取得できます。結合には、FFmpegなどの音声処理ツールや、各プログラミング言語の音声ライブラリを使用してください。

特にmp3形式はファイルサイズが小さく扱いやすいため、多くの制作フローで推奨されます。wav形式は編集用として高音質を保証しますが、ファイルサイズが大きくなる点に注意が必要です。

結合時のセグメント間の隙間処理

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。 録音のセットアップ時間なしに、テキストの微調整と音声生成を繰り返すことで、より効果的な広告コンテンツを短時間で完成させられます。

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. LibriTTS-R corpus (OpenSLR 141)
  3. Tether (USDT)
  4. TRON developer hub: TRC-20
  5. Node.js documentation
  6. openai-node on GitHub
  7. IETF RFC 7845: Ogg Opus
  8. W3C WAI: making audio and video accessible
  9. OpenAI API reference: create speech
  10. MDN: Web Speech API
  11. FFmpeg documentation
  12. Python documentation

このサイトに関するその他の情報