Text to Speech API: OpenAI 互換の音声合成

By Tokuse
API音声合成TTS
他の言語でも読む：English한국어

Text to Speech は OpenAI 互換の音声合成エンドポイントです。テキストを音声ファイルに変換します。上流には Volcengine（火山引擎）の TTS を使用します。

エンドポイント

POST https://tokuse.com/v1/audio/speech

認証

リクエストヘッダーに Authorization: Bearer sk-your-tokuse-key を付けます。上流の TTS キーは appid|access_token 形式で、通常の Ark API Key ではありません。

対応モデル

Volcengine の TTS モデルを使用します。voice には Volcengine コンソールで確認した音声 ID を指定します。モデル ID は Tokuse のモデル一覧で確認してください。

リクエスト例

curl https://tokuse.com/v1/audio/speech \
  -H "Authorization: Bearer sk-your-tokuse-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tts-model",
    "input": "Tokuse の API リファレンスへようこそ。",
    "voice": "voice-id",
    "response_format": "mp3"
  }' \
  --output speech.mp3

レスポンス例

HTTP/1.1 200 OK
Content-Type: audio/mpeg

（音声バイナリ）

注意事項と制限

  • 上流の TTS キーは appid|access_token 形式です。通常の Ark API Key ではないため、チャネル設定時にこの形式で入力してください。
  • レスポンスは JSON ではなく音声バイナリです。curl では --output でファイルに保存します。
  • voice は Volcengine コンソールの音声 ID を指定します。
  • response_format には mp3 などを指定できます。対応形式はモデルによって異なります。

料金

料金はモデルと上流の単価で決まります。具体的な金額は Tokuse の料金ページと上流コンソールで確認してください。