テキストを音声に変換 エージェント 音楽 音声からテキストへ 音声クローン モア

APIドキュメント

REST APIを使ってTTS.aiをアプリケーションに統合します。簡単な移行のためのOpenAI互換フォーマットです。

REST API OpenAI 互換 JSON 応答 ストリーミングサポート

概要

The TTS.ai API provides programmatic access to all platform features: text-to-speech synthesis, speech-to-text transcription, voice cloning, audio enhancement, and more. The API uses standard REST conventions with JSON request/response bodies.

API キー

ここから API キーを取得 アカウントの設定. プロプランとエンタープライズプランで利用可能。

ベース URL

https://api.tts.ai/v1/

認証

ベイヤー・トークン・バイア Authorization ヘッダ

認証

すべてのAPIリクエストは、ベーラ・トークンによる認証を必要とします。 Authorization ヘッダ.

HTTPヘッダ 
Authorization: Bearer sk-tts-your-api-key-here
API キーを秘密にしてください。 クライアント側のコード、公開リポジトリ、ログで共有しないでください。アカウントの設定からキーを定期的に交換してください。

ベース URL

ベース URL: https://api.tts.ai/v1/

すべてのエンドポイントはこのベース URL に対して相対的です。例えば、TTS エンドポイントは:

POST https://api.tts.ai/v1/tts/

レート制限

API速度制限はプランによって異なります。

プラン リクエスト/分 Concurrent 最大テキスト長
プロ 60 5 5000文字
エンタープライズ 300 20 5万文字

レート制限ヘッダはすべての応答に含まれます: X-RateLimit-Limit, X-RateLimit-Remaining, X-RateLimit-Reset.

クレジットコスト

サービス コスト ユニット
ＴＴＳ（フリーモデル：パイパー、ＶＩＴＳ、メロＴＴＳ） 1クレジット 1000文字あたり
TTS（標準モデル：Kokoro、CosyVoice2など） 2クレジット 1000文字あたり
TTS（プレミアムモデル：Tortoise、Chatterboxなど） 4クレジット 1000文字あたり
音声からテキストへ 2クレジット 1分あたりの音声は
音声クローン 4クレジット 1000文字あたり
ボイスチェンジャー 3クレジット 1分あたりの音声は
オーディオエンハンスメント 2クレジット 1分あたりの音声は
ボーカルリミット/ステムスプリット 3〜4点 1分あたりの音声は
音声翻訳 5クレジット 1分あたりの音声は
ボイスチャット 3クレジット 1ターンにつき
キー&BPM ファインダー フリー --
オーディオコンバータ フリー --

テキストを音声に変換

POST /v1/tts/

テキストを音声に変換します。要求されたフォーマットのオーディオファイルを返します。

リクエストの本文

パラメータタイプ必須説明
model string はい モデル ID (例: kokoro, chatterbox, piper)
text string はい 音声化するテキスト (Pro では最大 5,000 文字、Enterprise では 50,000 文字)
voice string はい 音声 ID (利用可能な音声をリストするには /v1/voices/ を使用)
format string いいえ 出力フォーマット: mp3 (デフォルト), wav, flac, ogg
speed float いいえ 話す速度の倍数。デフォルト: 1.0。範囲: 0.5 から 2.0
language string いいえ 言語コード (例: en, es)。省略すると自動検出されます。
stream boolean いいえ ストリーミング応答を有効にします。デフォルト: false

例の要求

cURL 
curl -X POST https://api.tts.ai/v1/tts/ \
  -H "Authorization: Bearer sk-tts-your-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kokoro",
    "text": "Hello from TTS.ai! This is a test.",
    "voice": "af_bella",
    "format": "mp3"
  }' \
  --output output.mp3

応答

Returns the audio file as binary data with appropriate Content-Type header (audio/mpeg, audio/wav, etc.).

応答ヘッダ 
Content-Type: audio/mpeg
Content-Length: 48256
X-Credits-Used: 2
X-Credits-Remaining: 498

音声からテキストへ

POST /v1/stt/

音声をテキストに変換します。自動検出で99の言語をサポートします。

リクエストの本文 (multipart/form-data)

パラメータタイプ必須説明
file file はい オーディオファイル (MP3, WAV, FLAC, OGG, M4A, MP4, WebM)。最大 100MB。
model string いいえ STT モデル: whisper (デフォルト), faster-whisper, sensevoice
language string いいえ 言語コード。自動検出のための auto（デフォルト）。
timestamps boolean いいえ ワードレベルのタイムスタンプを含む。デフォルト: false
diarize boolean いいえ スピーカーダイアリゼーションを有効にします。デフォルト: false

応答

JSON 応答 
{
  "text": "Hello, this is a transcription test.",
  "language": "en",
  "duration": 3.5,
  "segments": [
    {
      "start": 0.0,
      "end": 1.8,
      "text": "Hello, this is",
      "speaker": "SPEAKER_00"
    },
    {
      "start": 1.8,
      "end": 3.5,
      "text": "a transcription test.",
      "speaker": "SPEAKER_00"
    }
  ]
}

音声クローン

POST /v1/tts/clone/

クローン音声で音声を生成します。参照音声とテキストをアップロードします。

リクエストの本文 (multipart/form-data)

パラメータタイプ必須説明
reference_audio file はい 参考音声オーディオ (10-30 秒推奨)。最大 20MB。
text string はい クローン音声で話すテキスト。
model string いいえ クローンモデル: chatterbox (デフォルト), cosyvoice2, gpt-sovits
format string いいえ 出力フォーマット: mp3 (デフォルト), wav, flac
language string いいえ ターゲット言語コード。選択したモデルでサポートされている必要があります。

応答

オーディオファイルをバイナリデータとして返します。TTSエンドポイントと同じです。

ボイスチェンジャー

POST /v1/voice-convert/

オーディオを別の音声に変換します。ソースオーディオをアップロードし、ターゲット音声を選択します。

リクエストの本文 (multipart/form-data)

パラメータタイプ必須説明
file file はい ソースオーディオファイル (MP3、WAV、FLAC)。最大 50MB。
target_voice string はい 変換するターゲットボイス ID (利用可能なボイスをリストするには /v1/voices/ を使用)
model string いいえ 音声変換モデル: openvoice (デフォルト), knn-vc
format string いいえ 出力フォーマット: wav (デフォルト), mp3, flac

例の要求

cURL 
curl -X POST https://api.tts.ai/v1/voice-convert/ \
  -H "Authorization: Bearer sk-tts-your-key" \
  -F "file=@source_audio.mp3" \
  -F "target_voice=af_bella" \
  -F "model=openvoice" \
  -o converted.wav

応答

変換したオーディオファイルをバイナリデータとして返します。

音声翻訳

POST /v1/speech-translate/

一つの言語から他の言語に音声を翻訳します。音声からテキスト、翻訳、テキストから音声を一つの通話で結合します。

リクエストの本文 (multipart/form-data)

パラメータタイプ必須説明
file file はい ソース音声ファイルのオリジナル言語。最大 100MB。
target_language string はい ターゲット言語コード (例: es, fr, de, ja)
voice string いいえ 翻訳出力の音声。省略すると自動的に選択されます。
preserve_voice boolean いいえ 元のスピーカーを保存しようとする

応答

JSON 応答
{
  "original_text": "Hello, how are you?",
  "translated_text": "Hola, como estas?",
  "source_language": "en",
  "target_language": "es",
  "audio_url": "https://api.tts.ai/v1/results/translate_abc123.mp3",
  "credits_used": 5
}

スピーチツースピーチ

POST /v1/speech-to-speech/

内容を保持しながらスピーチスタイル、感情、または伝達を変更します。トーン、ペース、表現力を調整するのに役立ちます。

リクエストの本文 (multipart/form-data)

パラメータタイプ必須説明
file file はい ソース音声ファイル。最大 50MB。
voice string はい 出力音声のターゲットボイス ID
model string いいえ モデル: openvoice (デフォルト), chatterbox
emotion string いいえ ターゲット感情: 中立, 幸せ, 悲しみ, 怒り, 興奮
speed float いいえ 速度調整。デフォルト: 1.0。範囲: 0.5 から 2.0

応答

変換されたオーディオファイルをバイナリデータとして返します。

オーディオツール

音声処理エンドポイントは，音声強調，音声除去，ステムスプリッティングなどである。

POST /v1/audio/enhance/

音質向上：ノイズ除去，明瞭度向上，超高解像度。

file file拡張するオーディオファイル
denoise boolean雑音除去を有効にする (デフォルト: true)
enhance_clarity boolean音声の明瞭度を向上させる (デフォルト: true)
super_resolution booleanオーディオ品質をアップスケール (デフォルト: false)
strength integer1-3 (軽い、中、強い)。デフォルト: 2
POST /v1/audio/separate/

声部を楽器部から分離（声部除去）するか、ステムに分割する。

file file分離するオーディオファイル
model stringdemucs (デフォルト) もしくは spleeter
stems integerステムの数: 2, 4, 5, 6 (デフォルト: 2)
format string出力フォーマット: wav, mp3, flac
POST /v1/audio/dereverb/

オーディオ録音からエコーとリバーブを削除します。

file file処理するオーディオファイル
type stringecho or reverb (default: both)
intensity integer1-5 (default: 3)
POST /v1/audio/analyze/ フリー

音声を解析してキー、BPM、拍子を検出します。

file fileAudio file to analyze
応答
{
  "key": "C",
  "scale": "Major",
  "bpm": 120.0,
  "time_signature": "4/4",
  "camelot": "8B",
  "compatible_keys": ["C Major", "G Major", "F Major", "A Minor"]
}
POST /v1/audio/convert/ フリー

フォーマット間でオーディオを変換します。

file file変換するオーディオファイル
format stringターゲットフォーマット: mp3, wav, flac, ogg, m4a, aac
bitrate integer出力ビットレート (kbps): 64, 128, 192, 256, 320
sample_rate integerサンプリングレート：22050、44100、48000
channels stringmono もしくは stereo

ボイスチャット

POST /v1/voice-chat/

音声やテキストを送信し，合成音声でＡＩ応答を受け取る。

リクエストの本文 (multipart/form-data もしくは JSON)

パラメータタイプ必須説明
audio file いいえ* オーディオ入力 (audio または text が必要)
text string いいえ* テキスト入力 (audio または text が必要)
voice string いいえ AI 応答のための音声。標準: af_bella
tts_model string いいえ 応答のための TTS モデル。デフォルト: kokoro
system_prompt string いいえ AI のカスタムシステムプロンプト
conversation_id string いいえ 既存の会話を続ける

応答

JSON 応答
{
  "conversation_id": "conv_abc123",
  "user_text": "What is the capital of France?",
  "ai_text": "The capital of France is Paris.",
  "audio_url": "https://api.tts.ai/v1/audio/tmp/resp_xyz.mp3",
  "credits_used": 3
}

モデルのリスト

GET /v1/models/

利用可能なすべてのモデルとその機能のリストを返します。

応答

JSON 応答
{
  "models": [
    {
      "id": "kokoro",
      "name": "Kokoro",
      "type": "tts",
      "tier": "standard",
      "languages": ["en", "ja", "ko", "zh", "fr"],
      "supports_cloning": false,
      "supports_streaming": true,
      "credits_per_1k_chars": 2
    },
    {
      "id": "chatterbox",
      "name": "Chatterbox",
      "type": "tts",
      "tier": "premium",
      "languages": ["en"],
      "supports_cloning": true,
      "supports_streaming": true,
      "credits_per_1k_chars": 4
    }
  ]
}

リストボイス

GET /v1/voices/

使用可能な全ての音声のリストを返します。モデルまたは言語でフィルタリングすることもできます。

クエリパラメータ

パラメータタイプ説明
model string モデル ID でフィルタ (例: kokoro)
language string 言語コードでフィルタリング (例: en)
gender string 性別によるフィルタリング: male, female, neutral

応答

JSON 応答
{
  "voices": [
    {
      "id": "af_bella",
      "name": "Bella",
      "model": "kokoro",
      "language": "en",
      "gender": "female",
      "preview_url": "https://api.tts.ai/v1/voices/preview/af_bella.mp3"
    }
  ],
  "total": 142
}

コードの例

テキストを音声に変換

Python - requests 
import requests

API_KEY = "sk-tts-your-key"

# Text to Speech
response = requests.post(
    "https://api.tts.ai/v1/tts/",
    headers={"Authorization": f"Bearer {API_KEY}"},
    json={
        "model": "kokoro",
        "text": "Hello from TTS.ai!",
        "voice": "af_bella",
        "format": "mp3"
    }
)

with open("output.mp3", "wb") as f:
    f.write(response.content)

print(f"Credits used: {response.headers.get('X-Credits-Used')}")

音声からテキストへ

Python - requests 
# Speech to Text
with open("recording.mp3", "rb") as f:
    response = requests.post(
        "https://api.tts.ai/v1/stt/",
        headers={"Authorization": f"Bearer {API_KEY}"},
        files={"file": f},
        data={"model": "faster-whisper", "timestamps": "true"}
    )

result = response.json()
print(result["text"])

音声クローン

Python - requests 
# Voice Cloning
with open("reference.wav", "rb") as ref:
    response = requests.post(
        "https://api.tts.ai/v1/tts/clone/",
        headers={"Authorization": f"Bearer {API_KEY}"},
        files={"reference_audio": ref},
        data={
            "text": "This speech uses a cloned voice.",
            "model": "chatterbox"
        }
    )

with open("cloned_output.mp3", "wb") as f:
    f.write(response.content)

テキストを音声に変換

JavaScript - fetch 
const API_KEY = 'sk-tts-your-key';

// Text to Speech
const response = await fetch('https://api.tts.ai/v1/tts/', {
  method: 'POST',
  headers: {
    'Authorization': `Bearer ${API_KEY}`,
    'Content-Type': 'application/json'
  },
  body: JSON.stringify({
    model: 'kokoro',
    text: 'Hello from TTS.ai!',
    voice: 'af_bella',
    format: 'mp3'
  })
});

const audioBlob = await response.blob();
const audioUrl = URL.createObjectURL(audioBlob);
const audio = new Audio(audioUrl);
audio.play();

音声からテキストへ

JavaScript - fetch 
// Speech to Text
const formData = new FormData();
formData.append('file', audioFile);
formData.append('model', 'faster-whisper');

const response = await fetch('https://api.tts.ai/v1/stt/', {
  method: 'POST',
  headers: { 'Authorization': `Bearer ${API_KEY}` },
  body: formData
});

const result = await response.json();
console.log(result.text);

テキストを音声に変換

cURL 
# Text to Speech
curl -X POST https://api.tts.ai/v1/tts/ \
  -H "Authorization: Bearer sk-tts-your-key" \
  -H "Content-Type: application/json" \
  -d '{"model":"kokoro","text":"Hello!","voice":"af_bella","format":"mp3"}' \
  -o output.mp3

音声からテキストへ

cURL 
# Speech to Text
curl -X POST https://api.tts.ai/v1/stt/ \
  -H "Authorization: Bearer sk-tts-your-key" \
  -F "file=@recording.mp3" \
  -F "model=faster-whisper" \
  -F "timestamps=true"

音声クローン

cURL 
# Voice Cloning
curl -X POST https://api.tts.ai/v1/tts/clone/ \
  -H "Authorization: Bearer sk-tts-your-key" \
  -F "reference_audio=@reference.wav" \
  -F "text=This uses a cloned voice." \
  -F "model=chatterbox" \
  -o cloned.mp3

オーディオエンハンスメント

cURL 
# Audio Enhancement
curl -X POST https://api.tts.ai/v1/audio/enhance/ \
  -H "Authorization: Bearer sk-tts-your-key" \
  -F "file=@noisy_audio.mp3" \
  -F "denoise=true" \
  -F "enhance_clarity=true" \
  -o enhanced.mp3

エラーコード

すべてのエラーは JSON 応答を返します。 error フィールド

エラー応答フォーマット
{
  "error": {
    "code": "insufficient_credits",
    "message": "You do not have enough credits for this request.",
    "credits_required": 4,
    "credits_available": 2
  }
}
HTTP ステータスError Code説明
400 bad_request 不正な要求パラメータです。詳細はエラーメッセージを参照してください。
401 unauthorized 欠けているか無効な API キーです。
402 insufficient_credits クレジットが足りません。 /pricing/で購入してください。
403 forbidden あなたのプランでは API アクセスが利用できません。
404 not_found モデルまたは音声が見つかりません。
413 file_too_large アップロードされたファイルはサイズ制限を超えています。
429 rate_limited リクエストが多すぎます。速度制限ヘッダを確認してください。
500 internal_error サーバエラー。後でやり直してください。
503 model_loading モデルを読み込み中です。数秒後にやり直します。

ウェブフック

タスクが完了したら、結果をあなたの URL に POST します。

ウェブフックペイロード
{
  "event": "task.completed",
  "task_id": "task_abc123",
  "status": "success",
  "result_url": "https://api.tts.ai/v1/results/task_abc123",
  "credits_used": 12,
  "created_at": "2025-01-15T10:30:00Z",
  "completed_at": "2025-01-15T10:30:45Z"
}
Webhook の結果は完了後 24 時間以内にダウンロードできます。迅速にダウンロードしてください。

建設の準備はいいか？

API キーを入手し、TTS.ai を自分のアプリケーションに統合し始める。

無料登録 プランを表示