出版コンテンツの音声生成API

作成者 TTS Logic編集部 · 更新日 2026-11-18

Yomikai APIは、難読症やアクセシビリティ要件を持つ出版業界向けに設計された音声合成ソリューションです。標準的なOpenAI互換エンドポイントを採用しているため、既存のデジタル出版ワークフローにシームレスに統合できます。JSON形式でのリクエスト送信と音声ファイルの受信により、電子書籍フォーマットへの効率的な組み込みが可能です。

このページでは、8種類の音声プリセット、23言語のサポート、およびコスト管理を含む技術仕様を解説します。レートリミットやテキスト分割処理の実装要件、LibriTTS-Rライセンスに基づくデータ処理についても言及します。出版ワークフローへの統合手順とAPIキーの取得方法を確認し、アクセシビリティ対応を標準化してください。

出版コンテンツの音声生成API

よくある質問

音声生成APIはどのような用途に最適ですか?

電子書籍やデジタル出版コンテンツの音声化に最適です。テキストを送信すると音声ファイルが返るため、アクセシビリティ要件を満たすワークフローにシームレスに統合できます。1リクエストあたり最大4096文字まで処理可能で、長文は分割して連結することで効率的に音声化できます。

難読症ユーザー向けに音声は調整されていますか?

専用モードはありませんが、速度を0.25〜4.0の範囲で調整できます。また、8種類の音声プリセットから、読みやすいトーンを持つ音声(例:sageやnova)を選択可能です。言語を明示的に指定することで、文字列ベースの音声生成精度を安定させます。

生成される音声ファイルの形式は何ですか?

mp3、wav、opus、flac、pcmの5形式から選択可能です。リクエストパラメータのresponse_formatフィールドで指定します。生成された音声ファイルはレスポンスで直接返され、サーバー側には保存されません。必要に応じて、生成されたファイルを自前のシステムに格納してください。

APIの使用制限はどのようになっていますか?

1アカウントあたり1つのアクティブなAPIキーを持ちます。レートリミットは60リクエスト/分です(初回トップアップ前は10リクエスト/分)。1リクエストあたり最大4096文字まで処理可能で、それを超える場合は分割して処理する必要があります。キーはいつでも再発行可能です。

音声データは保存されますか?

生成された音声ファイルはレスポンスで返されるのみで、サーバー側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。請求のために、リクエストのメタデータ(時刻、文字数、ステータス)のみが保持されます。

対応言語にはどのようなものがありますか?

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言語に対応しています。

音声のクオリティはどのように担保されますか?

LibriTTS-R(CC BY 4.0)およびLibriVoxの公衆ドメインオーディオブックの録音に基づいた8つの音声プリセットを使用します。各生成ファイルには合成音声を示す不聴覚的透かしが含まれます。クオリティの保証やSLAは提供していませんが、一貫したエンジンで生成されます。

OpenAIのSDKは使えますか?

はい、公式のOpenAI SDKが使用可能です。base_urlをhttps://api.plays98.com/v1に変更し、APIキーを設定するだけで動作します。エンドポイントはOpenAIのspeechエンドポイントと同じ形状をしており、既存のコードを最小限の変更で統合できます。

音声の速度調整は可能ですか?

speedパラメータを使用して、0.25から4.0の範囲で速度を調整できます。デフォルト値は設定されていませんが、通常は1.0が標準速度です。長文テキストでは、生成速度は実時間程度(1秒あたり約25文字)になります。

バッチ処理は自動で行われますか?

4096文字を超えるテキストは、クライアント側で分割され、生成された音声ファイルが結合されます。ただし、リクエストはキューに積まれて順次処理されるため、負荷が高い場合は待機時間が生じる場合があります。バッチ処理の管理はクライアント側で行う必要があります。

音声ライセンスはどのように管理されますか?

音声はLibriTTS-R(CC BY 4.0)およびLibriVoxの公衆ドメイン録音に基づいています。生成された音声ファイルには合成音声を示す透かしが含まれます。ライセンスの管理は生成物自体に依存せず、透かしで合成音声であることを識別可能にしています。

エラーが発生した場合、課金はどうなりますか?

合成に失敗した場合、課金は全額返金されます。失敗したリクエストに対しては、料金が請求されません。正常に完了したリクエストのみが課金対象となります。ステータスコードやレスポンスボディを確認して、エラーの原因を特定してください。

アクセシビリティ基準に準拠していますか?

WCAGなどの特定のアクセシビリティ基準への準拠を保証する証明書やSLAは提供していません。音声ファイルの生成と配信のみを提供します。アクセシビリティ要件を満たすためには、生成された音声ファイルの形式や再生方法をご自身のアプリケーションで適切に実装する必要があります。

サポートは電話で受けられますか?

いいえ、電話サポートは提供していません。サポートはメールのみで行われます。ライブチャットも設置していません。技術的な質問やアカウントに関する問い合わせは、メールで受け付けます。返信時間は保証されていません。

最初のリクエスト

curl

curl https://api.plays98.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

出版業界のための音声合成技術

の音声波形イラスト: 出版業界のための音声合成技術

Yomikaiの音声生成APIは、出版業界のアクセシビリティ基準に準拠した標準的なOpenAI互換エンドポイントを提供します。既存のデジタル出版ワークフローにシームレスに統合可能で、効率的な音声コンテンツの生成を実現します。

4096文字までのテキスト処理と、複数の音声プリセットに対応することで、多様な読者層のニーズに応えます。特に難読症ユーザーやアクセシビリティ要件を満たす出版物において、信頼性の高い音声配信基盤となります。

アクセシビリティ対応の標準化

アクセシビリティ対応の標準化

標準化されたRESTful APIにより、複雑な設定なしに音声生成プロセスを統合できます。23言語のサポートと、8種類の音声プリセットは、多様な読者層に対応するアクセシビリティ要件を満たします。

  • 標準的なOpenAI互換エンドポイント
  • 23言語の多言語サポート
  • 8種類の音声プリセット

電子書籍フォーマットへの統合

MP3、WAV、OPUS、FLAC、PCMのフォーマットに対応し、主要な電子書籍リーダーやアクセシビリティツールとの互換性を確保します。生成された音声ファイルは、インaudibleな水印を埋め込み、合成音声であることを明示します。

難読症ユーザーへの配慮

音声の速度は0.25から4.0の範囲で調整可能で、難読症ユーザーの読み取り速度に合わせたカスタマイズが可能です。また、テキストの分割処理により、長時間のコンテンツでも安定した音声生成を実現します。

  • 0.25〜4.0の速度調整
  • 4096文字ごとのテキスト分割
  • 合成音声の自動水印埋め込み

主要機能と仕様

の音声波形イラスト: 主要機能と仕様

本APIはOpenAIのspeechエンドポイントと互換性があり、既存のデジタル出版ワークフローにシームレスに統合できます。base_urlを変更するだけで、標準的なOpenAI SDKやHTTPリクエストを活用できます。

OpenAI互換エンドポイント

エンドポイントは POST https://api.plays98.com/v1/audio/speech です。JSON bodyには model、input、voice などを指定します。認証には Authorization: Bearer ヘッダーを用います。

8種類の音声プリセット

8つのプリセットから選択可能です。女性音声はAria、Nova、Luna、Sage、男性音声はFelix、Milo、Atlas、Orionです。各音声は特定のトーン特性に基づき設計されています。

音声はLibriTTS-R(CC BY 4.0)およびLibriVoxの公衆ドメインオーディオブックを基にしています。生成される音声ファイルには合成音声を示す不可聴の水印が埋め込まれます。

  • Aria: 温かく明確なナレーター
  • Nova: 明るく活気のあるトーン
  • Luna: 柔らかく物語的な語り
  • Sage: 落ち着きのある指示 tone

23言語の多言語サポート

英語、日本語、中国語、ドイツ語、フランス語など23言語に対応します。Any voice can speak any of these languages. 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るため、非英語の場合は language パラメータで明示してください。

未対応言語はベトナム語、インドネシア語、タイ語、ウクライナ語、ルーマニア語、チェコ語、ベンガル語などです。

対応フォーマットと品質

の音声波形イラスト: 対応フォーマットと品質

当APIはMP3、WAV、OPUS、FLAC、PCMの5形式に対応し、電子出版の標準要件を満たします。生成された音声ファイルには合成音声を示す不可聴の水印が自動で埋め込まれます。

1リクエストあたり最大4,096文字のテキストを受け付けます。それ以上の長文は分割して処理し、音声ファイルを結合することで出力します。

MP3、WAV、OPUS、FLAC、PCM

出力フォーマットは用途に応じて選択可能です。MP3は配信用、WAVは編集用、FLACは無圧縮保存用として推奨されます。

各フォーマットはAPIパラメータresponse_formatで指定します。音声品質はモデルtts-1またはtts-1-hdの設定に依存します。

  • MP3: 一般的な配信用
  • WAV: 編集・検証用
  • OPUS: 効率的な圧縮
  • FLAC: 無損失保存
  • PCM: 生データ

合成音声の自動水印埋め込み

生成されるすべての音声ファイルには、人間には聞こえないレベルのデジタル水印が埋め込まれています。これにより、生成コンテンツが人工知能由来であることを明示できます。

水印の検出には専用ツールが必要ですが、信頼性の確保と透明性の向上に寄与します。

テキスト長制限と分割処理

単一リクエストでの入力テキストは最大4,096文字です。これを超える長文の場合は、クライアント側で文字列を分割し、複数リクエストを送信する必要があります。

分割された音声ファイルは、アプリケーション側で結合することで、一貫した音声コンテンツを構築します。

音声プリセット一覧

の音声波形イラスト: 音声プリセット一覧

Yomikai APIは、出版コンテンツの音声化に必要な8種類の音声プリセットを提供します。各音声はLibriTTS-R(CC BY 4.0)およびLibriVoxの公衆ドメインオーディオブックの録音に基づいています。

女性音声:Aria, Nova, Luna, Sage

Ariaは明確なナレーターとして、Novaは活気あるトーンを提供します。Lunaは物語叙述に、Sageは教育的な指示に適しています。

男性音声:Felix, Milo, Atlas, Orion

Felixはプロモーション用途に、Miloは会話調の表現に使用されます。Atlasはニュートラルなニュース読み上げに、Orionはドキュメンタリー形式の深いトーンに対応します。

これらは英語デフォルトを基盤とし、23言語のいずれでも利用可能です。

各音声のトーン特性

各音声は生成ファイルに不可視の合成音声水印を埋め込みます。

テキストの性質に応じて、適切なトーンを選択することで、アクセシビリティ要件を満たす標準的な出力を得ることができます。

  • Aria: 暖かみのあるクリアなナレーション
  • Nova: 明るくアップビートなトーン
  • Luna: 柔らかく物語的な語り口
  • Sage: カームで教育的な指示
  • Felix: エネルギー溢れるプロモーション調
  • Milo: フレンドリーな会話調

技術的な実装要件

の音声波形イラスト: 技術的な実装要件

Yomikai APIは、標準的なBearer認証方式を採用しています。各アカウントには1つのアクティブなAPIキーが割り当てられ、リクエストヘッダーに Authorization: Bearer tts-... を設定して認証を行います。キーは必要に応じて即時再発行可能で、新旧キーの切り替えは即時反映されます。

APIキー認証方式

認証情報はリクエストヘッダー経由で送信します。OpenAI SDK互換の動作を保証するため、Base URLを https://api.plays98.com/v1 に変更するだけで既存の統合ワークフローに組み込むことができます。

  • Bearer トークン認証
  • 単一アクティブキー制(再発行で旧キー即時無効化)
  • OpenAI SDK互換のベースURL設定

レートリミット(60リクエスト/分)

APIキーあたり毎分60リクエストまでの同時実行制限があります。初回利用時は毎分10リクエストに制限されます。これは音声合成の処理能力を安定させるための仕様です。

制限超過時はキューに待機するか、エラーレスポンスが返されます。バッチ処理を行う場合は、このレートリミットを考慮してリクエスト間隔を調整する必要があります。

バッチ処理とキュー管理

音声生成リクエストはキューで逐次処理されます。長文テキストは4096文字ごとに分割され、生成された音声ファイルはクライアント側で結合されます。

短文でも生成には数秒を要し、負荷が高い場合はキュー待ちが発生します。これにより、一時的なスパイクにも対応可能な安定した処理が行われます。

技術的な実装要件

出版ワークフローへの統合

の音声波形イラスト: 出版ワークフローへの統合

Yomikai APIは、既存のデジタル出版ワークフローにシームレスに統合できます。標準的なOpenAI互換エンドポイント(POST /v1/audio/speech)を使用することで、CMSや電子書籍変換ツールとの連携が容易です。

コンテンツ管理システム連携

APIキー認証により、出版社のバックエンドシステムから直接音声データを取得可能です。レスポンス形式(mp3, wav, opusなど)を指定することで、EPUBやPDFへの埋め込み要件に最適化できます。

  • OpenAI互換SDKでの簡易統合
  • CMSとの直接API呼び出し対応

自動音声生成パイプライン

4096文字ごとのテキスト分割と音声結合により、長編書籍の自動生成が可能です。キュー管理により、負荷状況に応じて順序通りに処理されます。

  • 4096文字ごとの分割処理
  • 生成音声の自動結合

コスト管理とメトリクス

文字数ベースの従量課金(1,000文字あたり0.01米ドル)により、予測可能なコスト管理が可能です。APIダッシュボードで利用状況と残高をリアルタイムで確認できます。

  • 文字数ベースの従量課金

データプライバシーとライセンス

の音声波形イラスト: データプライバシーとライセンス

当APIは、入力テキストを音声生成以外の目的で使用せず、機械学習モデルのトレーニングデータとして再利用しません。生成された音声ファイルはレスポンスで返却されるのみで、サーバー上に永続的に保存されることはありません。請求処理のため、リクエストのメタデータ(時刻、文字数、ステータス)のみが保持されます。

入力テキストのトレーニング未使用

ユーザーが送信したテキストは、指定された音声合成エンジンでのみ処理され、他のユーザーのモデル改善やデータ分析に利用されることはありません。これにより、著作権のある著作物や機密性の高いコンテンツも安心してAPIに送信できます。

生成音声のストレージ仕様

音声ファイルはリアルタイムで生成され、APIレスポンスを通じてクライアントへ返送されます。サーバーサイドでの長期保存は行わないため、データの流出リスクが最小限に抑えられます。ただし、課金の正確性を確保するため、リクエストのメタデータは請求期間に基づき保持されます。

LibriTTS-Rライセンスの適応

音声プリセットは、CC BY 4.0ライセンスのLibriTTS-Rデータセットおよびパブリックドメインのオーディオブック読書に基づいています。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水印が自動的に埋め込まれます。これにより、出版物のアクセシビリティ要件における素材の透明性を保証します。

サポートと技術情報

の音声波形イラスト: サポートと技術情報

Yomikai APIの技術仕様は、/docs/ページで詳細に定義されています。OpenAI互換エンドポイントの仕様に準拠しているため、既存の開発リソースをそのまま活用可能です。

主要なエラーコードとレートリミット(60リクエスト/分)の挙動について記載されています。

APIドキュメントへのアクセス

技術文書はドキュメントページにて公開しています。エンドポイント、認証方式、およびパラメータの定義を網羅しており、開発チームが実装を進めるための基準となります。

トラブルシューティングの基本

429エラーはレートリミット超過を示します。バッチ処理時はキュー待ちを考慮し、60リクエスト/分の制限内でスループットを調整してください。

音声生成失敗時は課金されません。ステータスコードを確認し、必要に応じてAPIキーの再発行を検討してください。

  • 429: Rate limit exceeded
  • 400: Invalid request body

メールサポートの対応範囲

サポートはメールのみで行います。電話やライブチャットは導入していません。技術的な疑問やアカウントの問題は、記載されたメールアドレス宛てにご連絡ください。

導入のステップ

の音声波形イラスト: 導入のステップ

Yomikai APIの導入は、特定のSDKや複雑な設定を必要とせず、標準的なOpenAI互換エンドポイントとAPIキー認証のみで完了します。アカウント作成からAPIキーの発行、そして最初の音声生成まで、以下の手順に従って実装を進めてください。

APIキーの取得後、提供されているcurlコマンド例を使用してローカル環境で動作を確認し、その後コンテンツ管理システムや自動パイプラインに本番環境として統合します。

アカウント作成とAPIキー取得

サイト上部の「APIキーの取得」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とパスワードを使用して登録します。登録完了後、ダッシュボードで一意のAPIキー(Bearerトークン)を確認し、コピーしてください。キーは1アカウントにつき1つ有効で、発行し直すと旧キーは即時無効になります。

ダッシュボードには現在の残高、無料枠の残字符数、および使用状況が表示されます。残高が不足している場合は、TRONネットワーク(TRC-20)経由でUSDTを最低$5から追加できます。

  • Google認証またはメールアドレス/パスワードでの登録
  • APIキーの即時発行と旧キーの即時失効
  • ダッシュボードでの残高と使用状況の確認

curlコマンドでのテスト

取得したAPIキーを使用して、以下のcurlコマンドを実行します。base_urlはhttps://api.plays98.com/v1を指定します。tts-1またはtts-1-hdモデルを選択し、voiceパラメータで8種類のプリセットから1つ選定します。

inputフィールドには最大4096文字まで設定可能です。長文の場合は、クライアント側で分割処理を行い、生成された音声ファイルを結合する必要があります。response_formatにはmp3、wav、opus、flac、pcmのいずれかを指定できます。

  • POST https://api.plays98.com/v1/audio/speech
  • Authorization: Bearer YOUR_API_KEY
  • 最大4096文字のテキスト入力と音声形式の指定

本番環境でのデプロイ

テストが完了したら、既存の出版ワークフローにAPIエンドポイントを追加します。レートリミットはキーあたり1分あたり60リクエストです。負荷が高い場合はリクエストがキューに溜まるため、必要に応じて分割処理を実装してください。

生成された音声ファイルは即時レスポンスで返却され、永続ストレージには保存されません。入力テキストは音声生成のみで使用され、トレーニングには使用されません。

  • 1分あたり60リクエストのレートリミット管理
  • 4096文字超のテキスト分割と音声結合
  • ストレージ不要の即時レスポンス形式

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。

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. openai-python on GitHub
  3. IETF RFC 7845: Ogg Opus
  4. Creative Commons Attribution 4.0
  5. OpenAI API reference: create speech
  6. FFmpeg documentation
  7. Python documentation
  8. LibriVox public-domain audiobooks
  9. TRON developer hub: TRC-20
  10. curl documentation
  11. MDN: Web Speech API
  12. Tether (USDT)

このサイトに関するその他の情報