テキスト読み上げ

最新のAIボイスを使用してテキストを自然な音声に変換します。SimのText-to-Speech（TTS）ツールは、数十の言語で書かれたテキストから音声を生成でき、表現力豊かな声、フォーマット、速度、スタイル、感情などの高度なコントロールを選択できます。

対応プロバイダーとモデル：

OpenAI Text-to-Speech (OpenAI):
OpenAIのTTS APIは、tts-1、tts-1-hd、gpt-4o-mini-ttsなどの高度なAIモデルを使用した超リアルな音声を提供します。男性と女性の両方の声があり、alloy、echo、fable、onyx、nova、shimmer、ash、ballad、coral、sage、verseなどのオプションがあります。複数の音声フォーマット（mp3、opus、aac、flac、wav、pcm）、調整可能な速度、ストリーミング合成をサポートしています。
Deepgram Aura (Deepgram Inc.):
DeepgramのAuraは、会話の明瞭さ、低遅延、カスタマイズに最適化された、表現力豊かな英語と多言語AIボイスを提供します。aura-asteria-en、aura-luna-enなどのモデルが利用可能です。複数のエンコーディング形式（linear16、mp3、opus、aac、flac）と速度、サンプルレート、スタイルの微調整をサポートしています。
ElevenLabs Text-to-Speech (ElevenLabs):
ElevenLabsは、29以上の言語で数十の声を提供し、カスタム音声のクローンを作成する能力を持つ、リアルで感情豊かなTTSをリードしています。モデルは音声デザイン、音声合成、直接APIアクセスをサポートし、スタイル、感情、安定性、類似性の高度なコントロールを備えています。オーディオブック、コンテンツ作成、アクセシビリティなどに適しています。
Cartesia TTS (Cartesia):
Cartesiaは、プライバシーと柔軟な展開に焦点を当てた、高品質で高速かつ安全なテキスト読み上げを提供します。即時ストリーミング、リアルタイム合成を提供し、シンプルなAPIを通じてアクセス可能な複数の国際的な声とアクセントをサポートしています。
Google Cloud Text-to-Speech (Google Cloud):
GoogleはDeepMind WaveNetとNeural2モデルを使用して、50以上の言語とバリアントで高忠実度の音声を提供しています。機能には、音声選択、ピッチ、発話速度、音量調整、SSMLタグ、標準音声とスタジオグレードのプレミアム音声へのアクセスが含まれます。アクセシビリティ、IVR、メディアで広く使用されています。
Microsoft Azure Speech (Microsoft Azure):
Azureは140以上の言語とロケールにわたって400以上のニューラル音声を提供し、独自の音声カスタマイズ、スタイル、感情、役割、リアルタイム制御が可能です。発音、イントネーションなどのSSMLサポートを提供します。グローバル、エンタープライズ、またはクリエイティブなTTSニーズに最適です。
PlayHT (PlayHT):
PlayHTは、100以上の言語で800以上の音声を使用したリアルな音声合成、音声クローニング、インスタントストリーミング再生を専門としています。機能には、感情、ピッチと速度の制御、マルチボイスオーディオ、APIまたはオンラインスタジオを通じたカスタム音声作成が含まれます。

選び方：
言語、サポートされている音声タイプ、希望するフォーマット（mp3、wavなど）、制御の粒度（速度、感情など）、特殊機能（音声クローニング、アクセント、ストリーミング）を優先して、プロバイダーとモデルを選択してください。クリエイティブ、アクセシビリティ、または開発者のユースケースでは、アプリケーションの要件との互換性を確保し、コストを比較してください。

最新の機能、価格、ドキュメントの詳細については、各プロバイダーの公式サイトをご覧ください！

パラメータ	タイプ	必須	説明
`text`	string	はい	音声に変換するテキスト
`apiKey`	string	はい	OpenAI APIキー
`model`	string	いいえ	使用するTTSモデル（tts-1、tts-1-hd、またはgpt-4o-mini-tts）
`voice`	string	いいえ	使用する音声（alloy、ash、ballad、cedar、coral、echo、marin、sage、shimmer、verse）
`responseFormat`	string	いいえ	オーディオフォーマット（mp3、opus、aac、flac、wav、pcm）
`speed`	number	いいえ	発話速度（0.25から4.0、デフォルト：1.0）

出力

パラメータ	型	説明
`audioUrl`	string	生成された音声ファイルのURL
`audioFile`	file	生成された音声ファイルオブジェクト
`duration`	number	音声の長さ（秒）
`characterCount`	number	処理された文字数
`format`	string	音声フォーマット
`provider`	string	使用されたTTSプロバイダー

`tts_deepgram`

Deepgram Auraを使用してテキストを音声に変換する

入力

パラメータ	型	必須	説明
`text`	string	はい	音声に変換するテキスト
`apiKey`	string	はい	Deepgram APIキー
`model`	string	いいえ	Deepgramモデル/音声（例：aura-asteria-en、aura-luna-en）
`voice`	string	いいえ	音声識別子（modelパラメータの代替）
`encoding`	string	いいえ	音声エンコーディング（linear16、mp3、opus、aac、flac）
`sampleRate`	number	いいえ	サンプルレート（8000、16000、24000、48000）
`bitRate`	number	いいえ	圧縮フォーマットのビットレート
`container`	string	いいえ	コンテナフォーマット（none、wav、ogg）

出力

パラメータ	型	説明
`audioUrl`	string	生成された音声ファイルのURL
`audioFile`	file	生成された音声ファイルオブジェクト
`duration`	number	音声の長さ（秒）
`characterCount`	number	処理された文字数
`format`	string	音声フォーマット
`provider`	string	使用されたTTSプロバイダー

`tts_elevenlabs`

ElevenLabsの音声を使用してテキストを音声に変換する

入力

パラメータ	型	必須	説明
`text`	string	はい	音声に変換するテキスト
`voiceId`	string	はい	使用する音声のID
`apiKey`	string	はい	ElevenLabs APIキー
`modelId`	string	いいえ	使用するモデル（例：eleven_monolingual_v1、eleven_turbo_v2_5、eleven_flash_v2_5）
`stability`	number	いいえ	音声の安定性（0.0から1.0、デフォルト：0.5）
`similarityBoost`	number	いいえ	類似性ブースト（0.0から1.0、デフォルト：0.8）
`style`	number	いいえ	スタイル誇張（0.0から1.0）
`useSpeakerBoost`	boolean	いいえ	スピーカーブーストを使用（デフォルト：true）

出力

パラメータ	型	説明
`audioUrl`	string	生成された音声ファイルのURL
`audioFile`	file	生成された音声ファイルオブジェクト
`duration`	number	音声の長さ（秒）
`characterCount`	number	処理された文字数
`format`	string	音声フォーマット
`provider`	string	使用されたTTSプロバイダー

`tts_cartesia`

Cartesia Sonic（超低遅延）を使用してテキストを音声に変換する

入力

パラメータ	型	必須	説明
`text`	string	はい	音声に変換するテキスト
`apiKey`	string	はい	Cartesia APIキー
`modelId`	string	いいえ	モデルID（sonic-english、sonic-multilingual）
`voice`	string	いいえ	音声IDまたは埋め込み
`language`	string	いいえ	言語コード（en、es、fr、de、it、ptなど）
`outputFormat`	json	いいえ	出力フォーマット設定（コンテナ、エンコーディング、サンプルレート）
`speed`	number	いいえ	速度乗数
`emotion`	array	いいえ	Sonic-3用の感情タグ（例：['positivity:high']）

出力

パラメータ	型	説明
`audioUrl`	string	生成された音声ファイルのURL
`audioFile`	file	生成された音声ファイルオブジェクト
`duration`	number	音声の長さ（秒）
`characterCount`	number	処理された文字数
`format`	string	音声フォーマット
`provider`	string	使用されたTTSプロバイダー

`tts_google`

Google Cloud Text-to-Speechを使用してテキストを音声に変換

入力

パラメータ	型	必須	説明
`text`	string	はい	音声に変換するテキスト
`apiKey`	string	はい	Google Cloud APIキー
`voiceId`	string	いいえ	音声ID（例：en-US-Neural2-A、en-US-Wavenet-D）
`languageCode`	string	はい	言語コード（例：en-US、es-ES、fr-FR）
`gender`	string	いいえ	音声の性別（MALE、FEMALE、NEUTRAL）
`audioEncoding`	string	いいえ	音声エンコーディング（LINEAR16、MP3、OGG_OPUS、MULAW、ALAW）
`speakingRate`	number	いいえ	発話速度（0.25～2.0、デフォルト：1.0）
`pitch`	number	いいえ	音声のピッチ（-20.0～20.0、デフォルト：0.0）
`volumeGainDb`	number	いいえ	音量ゲイン（dB）（-96.0～16.0）
`sampleRateHertz`	number	いいえ	サンプルレート（Hz）
`effectsProfileId`	array	いいえ	エフェクトプロファイル（例：['headphone-class-device']）

出力

パラメータ	型	説明
`audioUrl`	string	生成された音声ファイルのURL
`audioFile`	file	生成された音声ファイルオブジェクト
`duration`	number	音声の長さ（秒）
`characterCount`	number	処理された文字数
`format`	string	音声フォーマット
`provider`	string	使用されたTTSプロバイダー

`tts_azure`

Azure Cognitive Servicesを使用してテキストを音声に変換

入力

パラメータ	型	必須	説明
`text`	string	はい	音声に変換するテキスト
`apiKey`	string	はい	Azure Speech Services APIキー
`voiceId`	string	いいえ	音声ID（例：en-US-JennyNeural、en-US-GuyNeural）
`region`	string	いいえ	Azureリージョン（例：eastus、westus、westeurope）
`outputFormat`	string	いいえ	出力音声フォーマット
`rate`	string	いいえ	話速（例：+10%、-20%、1.5）
`pitch`	string	いいえ	音声のピッチ（例：+5Hz、-2st、low）
`style`	string	いいえ	話し方のスタイル（例：cheerful、sad、angry - ニューラル音声のみ）
`styleDegree`	number	いいえ	スタイル強度（0.01〜2.0）
`role`	string	いいえ	役割（例：Girl、Boy、YoungAdultFemale）

出力

パラメータ	型	説明
`audioUrl`	string	生成された音声ファイルのURL
`audioFile`	file	生成された音声ファイルオブジェクト
`duration`	number	音声の長さ（秒）
`characterCount`	number	処理された文字数
`format`	string	音声フォーマット
`provider`	string	使用されたTTSプロバイダー

`tts_playht`

PlayHT（音声クローニング）を使用してテキストを音声に変換

入力

パラメータ	型	必須	説明
`text`	string	はい	音声に変換するテキスト
`apiKey`	string	はい	PlayHT APIキー（AUTHORIZATIONヘッダー）
`userId`	string	はい	PlayHT ユーザーID（X-USER-IDヘッダー）
`voice`	string	いいえ	音声IDまたはマニフェストURL
`quality`	string	いいえ	品質レベル（draft、standard、premium）
`outputFormat`	string	いいえ	出力形式（mp3、wav、ogg、flac、mulaw）
`speed`	number	いいえ	速度倍率（0.5〜2.0）
`temperature`	number	いいえ	創造性/ランダム性（0.0〜2.0）
`voiceGuidance`	number	いいえ	音声の安定性（1.0〜6.0）
`textGuidance`	number	いいえ	テキスト忠実度（1.0〜6.0）
`sampleRate`	number	いいえ	サンプルレート（8000、16000、22050、24000、44100、48000）

出力

パラメータ	型	説明
`audioUrl`	string	生成された音声ファイルのURL
`audioFile`	file	生成された音声ファイルオブジェクト
`duration`	number	音声の長さ（秒）
`characterCount`	number	処理された文字数
`format`	string	音声フォーマット
`provider`	string	使用されたTTSプロバイダー

メモ

カテゴリー: tools
タイプ: tts