よくある質問
音声読み上げソフト無料でも高品質な音声は生成できるか
Googleサインインで0.50ドルの無料トライアル(約5万文字、7日間有効)が利用できます。パスワード登録の場合はクレジットなしです。それ以降は100万文字あたり10ドルの従量課金制です。
OpenAI SDKとの互換性はどの程度か
リクエスト形状がOpenAIのspeechエンドポイントと同一です。base_urlをhttps://api.777300er.info/v1に変更し、APIキーを設定するだけで公式SDKが動作します。これにより、既存のOpenAI互換コードをそのまま利用して音声合成APIを統合できます。
音声のライセンスはどのように管理されているか
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不可聴の透かしが埋め込まれます。入力テキストは学習に使用されず、生成音声も保存されません。
失敗したリクエストはどのように課金されるか
音声合成に失敗したリクエストは無料です。課金が発生しないため、失敗した分のクレジットは返金されます。正常に処理されたリクエストのみが請求対象となります。これにより、ネットワークエラーや一時的な処理失敗時のコスト負担を軽減できます。
サポートは電話かメールか
サポートはメールのみです。電話番号やライブチャットは提供されていません。質問やトラブルシューティングが必要な場合は、公式の連絡先メールアドレス宛てにメールを送信してください。電話での対応や即時チャットサポートはありませんのでご注意ください。
音声データはどのくらい保存されるか
生成された音声データはレスポンスとして返送され、サーバーには保存されません。請求のために必要なメタデータ(時刻、文字数、ステータス)のみが保持されます。入力テキストも音声生成のみに使用され、他の目的では利用されません。
APIキーは複数持てるか
アカウントあたりアクティブなAPIキーは1つだけです。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。そのため、複数のキーを並行して使用することはできません。キーのローテーションが必要な場合は、新しいキーを発行してください。
速度調整はどの範囲で可能か
速度パラメータは0.25から4.0の範囲で調整可能です。デフォルト速度は1.0です。これにより、読み上げの早送りやスロー再生を柔軟に制御できます。特定の速度が必要な場合は、リクエストパラメータで指定してください。
言語指定を忘れた場合どうなるか
言語が指定されない場合、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扱われます。英語以外のラテン文字テキストや、他の言語を正しく認識させる場合は、明示的にlanguageパラメータを設定してください。
音声のフォーマットは自由に選べるか
mp3、wav、opus、flac、pcmの5つのフォーマットから選択可能です。用途に応じて最適な形式を選べます。ストリーミングやWebSocketはサポートされていないため、ファイル形式での受け取りになります。必要なフォーマットをresponse_formatパラメータで指定してください。
ストリーミング再生はサポートされているか
ストリーミング再生はサポートされていません。WebSocketやリアルタイムの部分的な音声配信も提供していません。音声は生成完了後にファイルとして返されます。
SSMLタグは使用できるか
SSMLタグは使用できません。発音記号辞書やカスタム発音辞書、感情タグ、カスタム音声クローニングも提供していません。詳細な制御が必要な場合は、テキスト側で工夫してください。
カスタム音声クローニングはできるか
カスタム音声クローニングはできません。ユーザー独自の音声をアップロードしたり、既存の音声から新しいボイスを設計したりする機能はありません。8つのプリセットボイスから選択するのみです。独自の音声が必要な場合は、別のサービスを検討してください。
SLAやuptime保証はあるか
SLAや稼働率保証はありません。エンタープライズ契約やオンプレミス導入、SOC 2やHIPAAなどの認証も提供していません。重要なシステムに使用する場合は、自前のフォールバック機構を構築してください。
最初のリクエスト
curl
curl https://api.777300er.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飲食店向けの音声読み上げAPIとは
KotobaMenuは、飲食店や給食施設の音声コンテンツ制作を効率化するためのAPIプラットフォームです。メニュー読み上げやアナウンス機能をアプリケーションに組み込み、開発プロセスを加速させます。
シンプルなインターフェースで、多言語メニューへの対応も可能です。インドゥー開発者が選んだ、実用的な音声合成ソリューションです。
メニュー読み上げの自動化
メニューテキストをAPIに送信するだけで、音声ファイルを生成できます。最大4096文字のテキストを処理可能で、長いメニューでも分割して結合できます。
生成された音声は、店内のデジタルサイネージやアプリ内の音声案内として利用できます。ストリーミングは提供しませんが、安定した品質で音声を提供します。
- テキスト送信から音声ファイル受信までのシンプルなフロー
- 4096文字までのテキスト処理が可能
- 音声ファイルの自動結合により長いメニューも対応
給食施設のアナウンス対応
給食施設では、時間割や注意喚起のアナウンスを自動化できます。8つのプリセットボイスから、用途に合わせた音声を選択可能です。
例えば、朝の挨拶には「nova」、給食の案内には「sage」など、明確な役割分担ができます。合成音声には透かし水印が埋め込まれています。
- 8種類のプリセットボイスから選択可能
- 透明感のある女性ボイスと落ち着いた男性ボイス
- 合成音声であることを示す透かし水印付き
多言語メニューへの対応
23言語をサポートしており、外国語メニューの読み上げも可能です。英語、中国語、スペイン語など、主要言語の音声生成に対応しています。
言語を指定しない場合は、テキストの文字から自動判定されますが、確実性を高めるため言語コードの設定をお勧めします。
- 23言語のサポート
- 言語コードの指定で精度向上
- 自動判定機能も備える
開発者が選ぶ理由
既存のOpenAI SDKのbase_urlを変更するだけで、数行のコードで音声合成機能を組み込めます。認証キーはBearer方式で、開発環境への導入がスムーズに進みます。
8種類のプリセットボイスから、ナレーションやアナウンスに最適な音色を選べます。技術的な制約を理解した上で、効率的な実装が可能です。
OpenAI互換SDKで即座に実装
OpenAI SDKのbase_urlを https://api.777300er.info/v1 に書き換えるだけで利用可能です。HTTPクライアントでもJSONボディを送信するだけで同等の機能が得られます。
8つの preset voice から選択
aria、nova、luna、sageの女性4種と、felix、milo、atlas、orionの男性4種から選べます。各ボイスはLibriTTS-Rの録音データに基づいており、自然な読み上げを実現します。
メニュー読み上げにはariaやnovaが適しており、お知らせアナウンスにはatlasやorionが適しています。用途に合わせて音色を切り替えてください。
- aria: 暖かくクリアなナレーター
- nova: 明るく活気あるトーン
- luna: 柔らかく物語的な語り
- sage: 落ち着いた指示説明調
- felix: エネルギーあふれるプロモーション
- milo: 親しみやすい会話調
- atlas: ニュースのような中立性
- orion: 深みのあるドキュメンタリー調
23言語をサポートする多言語対応
英語、日本語、中国語、韓国語など23言語をサポートしています。ラテン文字のテキストはデフォルトで英語と判定されるため、それ以外の言語ではlanguageパラメータを明示してください。
インドネシア語やタイ語は未対応です。多言語メニューのアプリ開発では、言語コードを正しく指定することで正確な発音を得られます。
主要な機能と制限
テキスト読み上げAPIは、長文のメニューやアナウンスを効率的に音声化するための基盤です。単一リクエストでは4096文字までしか処理できず、それ以上の場合は分割して結合する必要があります。
音声ファイルはmp3、wav、opus、flac、pcmの5形式から選択可能です。これにより、Webアプリケーションや組み込み機器など、環境に応じた最適な形式での配信が実現します。
4096文字までのテキスト処理
1回のAPI呼び出しで処理できるテキストの上限は4096文字です。これを超える長文の場合は、クライアント側で適切な区切りで分割し、生成された音声ファイルを結合するワークフローが必要です。
分割結合の処理は実装が容易ですが、長文では生成に数秒〜実時間程度の時間がかかる点に注意してください。
mp3/wav/opus/flac/pcm フォーマット
出力形式はmp3、wav、opus、flac、pcmの5種類から指定できます。mp3は通信負荷が低く、wavやflacは品質重視のシーンに適しています。
PCMは生データとして扱う場合に利用され、WebブラウザやAndroid/iOSアプリなど、様々なプラットフォームでの音声再生に対応しています。
1分間あたり60リクエストの制限
APIキー1つあたりのレートリミットは1分間あたり60リクエストです。新規作成時は1分間あたり10リクエストから始まり、チャージ後に60リクエストに引き上げられます。
同時アクセスが集中するとキューに入り、処理に遅延が生じる場合があります。バッチ処理や分散設計を考慮すると安定した運用が可能です。
音声ライブラリの特徴
音声ライブラリは、CC BY 4.0ライセンスのLibriTTS-Rデータセットに基づいています。LibriVoxの公衆ドメインオーディオブックの録音から抽出された音声で、自然な読み上げを実現します。
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透かし水印が埋め込まれています。また、言語コードを指定しない場合、文字種に基づいて言語が自動的に判定されます。
LibriTTS-Rに基づくライセンス音声
LibriTTS-RはCC BY 4.0ライセンスの下で提供されており、LibriVoxのオーディオブック読み上げデータから構築されています。これにより、自然で聞きやすい音声品質を保ちつつ、ライセンス上の制限も明確です。
合成音声を示す透かし水印
生成された音声ファイルには、人間には聞こえない範囲で透かし水印が埋め込まれます。これにより、音声コンテンツがAIによって生成されたものであることを、技術的に確認することができます。
この水印は、音声の真正性を保証するものではなく、単に合成音声であることを示すための技術的要素です。
言語に応じた自動判定
言語パラメータを指定しない場合、システムは入力テキストの文字種に基づいて言語を自動で判定します。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。
日本語や中国語など、異なる文字を使用する言語の場合は、適切に認識されますが、より正確な結果を得るためには、明示的に言語コードを指定することをお勧めします。
価格体系の透明性
API利用料金は文字数に応じて課金されます。100万文字あたり10ドル(1,000文字あたり0.01ドル)で、スペースや句読点も文字数に含まれます。定額プランや基本料金はなく、利用した分だけ支払うシンプルな構造です。
Googleアカウントでサインインすると、7日間有効の0.50ドル(約5万文字)の無料トライアルクレジットが付与されます。ただし、メールとパスワードで作成したアカウントにはトライアルクレジットは付きません。残高は期限なく維持されます。
文字数ベースの従量課金
基本料金や月額プランはありません。100万文字ごとに10ドルという従量課金制です。SpacesやPunctuationも1文字としてカウントされるため、テキストの長さに比例して正確に計算されます。
音声合成に失敗した場合、そのリクエストに対する料金は返金されます。正常に完了したリクエストのみが請求対象となります。
失敗リクエストは無料
音声合成の処理中にエラーが発生した場合は、そのリクエストに対する料金が全額返金されます。これにより、ネットワーク環境や一時的なサーバー負荷による失敗でも、無駄なコストを支払う必要がありません。
APIキーあたりのレートリミットは1分間あたり60リクエストです(初回チャージ前は1分間10リクエスト)。制限内での効率的な利用が可能です。
TRC-20 USDTでのチャージ
チャージはUSDT(TRC-20)のみに対応しています。クレジットカードやPayPal、請求書での支払いはありません。最小チャージ額は5ドルです。
トランザクションが確認されると、数分以内に残高に自動的に反映されます。サブスクリプションや追加の座席も不要で、必要な分だけをチャージして利用します。

技術的な仕様
API連携により、飲食店のメニュー読み上げや給食施設のアナウンス機能をアプリケーションに容易に組み込めます。技術的な仕様は明確で、シンプルかつ堅牢な設計を採用しています。
標準的なHTTP通信で動作するため、既存のWeb技術スタックと親和性が高く、開発効率の向上に寄与します。
POST /v1/audio/speech エンドポイント
音声合成の主要なエンドポイントは POST https://api.777300er.info/v1/audio/speech です。テキストを送信すると、指定した音声ファイルが返されます。
- エンポイント:
POST https://api.777300er.info/v1/audio/speech - リクエストボディはJSON形式
Bearer認証によるセキュリティ
認証には Authorization: Bearer ヘッダーを使用します。発行されたAPIキーを指定することで、安全にリクエストを送信できます。
JSON形式のレスポンス
リクエストに対してJSON形式のレスポンスが返されます。音声ファイルはバイナリデータとして返され、エラー時は詳細なメッセージが含まれます。
サポートと連絡先
KotobaMenuのサポートはメールのみです。電話やライブチャットはありません。開発者が自分のペースで質問できる環境を重視しています。
ドキュメントと管理画面で多くの疑問を解決できます。技術的な質問はサポートメールまでお気軽にどうぞ。
メールサポートのみ対応
電話やライブチャットは提供していません。開発者が集中できる環境を維持するため、メールサポートのみを推奨します。
ドキュメントでの自己解決
APIリファレンスと統合ガイドを充実させています。よくある質問やコード例で、すぐに実装を始められます。
APIキーの管理画面
ダッシュボードで残高や使用状況をリアルタイムで確認できます。キーの発行も簡単に行えます。
利用開始までの流れ
777300er.infoのアカウント作成は、Googleまたはメールアドレスとパスワードで完了します。Googleサインインには無料トライアルの$0.50が付与され、7日間で有効です。メールアドレス登録の場合はトライアルなしで開始します。
Googleまたはメールでサインイン
アカウントはサイトごとに独立しています。Googleアカウントによるサインインでは、自動的に$0.50の試用クレジットが付与され、約50,000文字の利用が可能です。このクレジットは7日間で失効します。
APIキーの取得
ダッシュボードからAPIキーを生成します。1つの有効なキーのみがアカウントに紐付きます。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。キーは安全に保管してください。
最初のAPIリクエスト送信
GET /v1/voicesで利用可能な音声一覧を確認し、POST /v1/audio/speechエンドポイントにテキストと音声IDを指定してJSONリクエストを送信します。成功すると音声ファイルが返されます。
データの取り扱いについて
APIへの入力テキストは、音声合成のための処理にのみ使用されます。生成された音声ファイルはAPIレスポンスを通じて返却され、サーバーには永続的に保存されません。したがって、ユーザーの会話内容やメニューデータが継続的に蓄積されることはありません。
ただし、課金の正確性を保つため、リクエストの時刻、文字数、ステータスなどのメタデータは請求用として保持されます。入力テキストは機械学習モデルのトレーニングデータには一切使用されず、第三者に提供されることもありません。
入力テキストのトレーニング未使用
送信されたテキストは、指定された音声エンジンで音声ファイルに変換するだけの目的で利用されます。変換が完了すれば、元となったテキストはトレーニング用のデータセットに追加されません。これにより、顧客固有の発話パターンやメニューの内容が、将来のモデル改善のために無断で使用されるリスクを排除しています。
生成音声の永続保存なし
生成された音声ファイルは、APIのレスポンスとしてクライアント側に返された時点で、当社のサーバー上からは削除されます。一時的なキャッシュは存在する可能性がありますが、永続的なストレージとして音声データが蓄積されることはありません。これにより、大量のメニュー読み上げやアナウンスを処理しても、顧客の音声資産がサーバー上に残る心配がありません。
請求用のメタデータ保持
課金システムを正確に運用するため、各リクエストの処理時刻、処理された文字数、およびステータスコードなどのメタデータは記録されます。これらは請求額の算出と、必要に応じた課金の検証のためにのみ使用されます。音声そのものの内容ではなく、処理の事実のみを記録するため、プライバシーへの影響は最小限に抑えられています。
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。 飲食店や給食施設での利用を想定し、メニュー読み上げやアナウンス機能に求められる「確実な伝達」と「組み込みの容易さ」を最優先基準とします。
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。
