> ## Documentation Index
> Fetch the complete documentation index at: https://docs.aihubmix.com/llms.txt
> Use this file to discover all available pages before exploring further.

# TTS テキスト読み上げ

> AIモデルを使用してテキストを自然な音声に変換し、複数の音声スタイルと出力形式をサポート

## はじめに

テキスト読み上げ（TTS）APIは、高度な生成AIモデルに基づいており、入力されたテキストをリアルな音声オーディオに変換できます。さまざまな用途をサポートしています。

* 書かれたブログ記事にナレーションを付ける
* 複数の言語で音声オーディオを生成する
* リアルタイムの音声出力ストリームを提供する

**利用可能なモデルリスト：**

* **gpt-4o-audio-preview** —— OpenAIの最新の音声生成モデルで、対話型音声生成をサポート
* **gpt-4o-mini-tts** —— スマートなリアルタイムアプリケーションに最適なモデルで、高度な音声制御をサポートし、プロンプトを通じてさまざまな音声特性を制御できます。
  * アクセント (Accent)
  * 感情の範囲 (Emotional range)
  * イントネーション (Intonation)
  * 印象/スタイル (Impressions)
  * 話す速度 (Speed of speech)
  * トーン (Tone)
  * ささやき (Whispering)
* **tts-1-hd** —— 高音質の旧世代TTSモデル
* **tts-1** —— 標準TTSモデルで、品質と速度のバランスが取れています

<Tip>
  **パフォーマンスの推奨事項：** 最速の応答時間を実現するには、応答形式として `wav` または `pcm` を使用することをお勧めします。高品質のオーディオには `tts-1-hd` を、より高速な生成には `tts-1` を、スマートな音声アプリケーションには `gpt-4o-mini-tts` を使用することをお勧めします。

  **音色のプレビュー：** [OpenAI.fm](https://www.openai.fm/) でさまざまな音色の効果を試聴できます。
</Tip>

## モデル呼び出し方法

### 標準TTSモデル（tts-1, tts-1-hd）

`/v1/audio/speech` エンドポイントを使用し、`client.audio.speech.create()` メソッドを介して呼び出します。

### gpt-4o-mini-tts モデル

`/v1/audio/speech` エンドポイントを使用し、高度な音声制御のために `instructions` パラメータをサポートします。

### gpt-4o-audio-preview モデル

`/v1/chat/completions` エンドポイントを使用し、`modalities: ["text", "audio"]` と `audio` 設定が必要です。

### リクエストパラメータ

#### 標準TTSパラメータ（tts-1, tts-1-hd, gpt-4o-mini-ttsに適用）

<ParamField body="model" type="string" required>
  使用するモデルID。オプション：`tts-1`、`tts-1-hd`、`gpt-4o-mini-tts`
</ParamField>

<ParamField body="input" type="string" required>
  オーディオを生成するテキスト。最大長は4096文字です。
</ParamField>

<ParamField body="voice" type="string" required>
  合成に使用する音声。オプション：`alloy`、`echo`、`fable`、`onyx`、`nova`、`shimmer`
</ParamField>

<ParamField body="response_format" type="string">
  オーディオ出力形式。サポートされている形式：`mp3`、`opus`、`aac`、`flac`、`wav`、`pcm`。デフォルトは `mp3`
</ParamField>

<ParamField body="speed" type="number">
  生成されるオーディオの速度。範囲は0.25から4.0。デフォルトは1.0。**`注意：gpt-4o-mini-ttsはこのパラメータをサポートしていませんが、自然言語で速度を制御できます`**
</ParamField>

<ParamField body="instructions" type="string">
  音声生成指示（`gpt-4o-mini-tts`モデルのみ）。音声スタイル、イントネーション、感情などの特性を詳細に指定できます。
</ParamField>

#### gpt-4o-audio-preview パラメータ

<ParamField body="model" type="string" required>
  `gpt-4o-audio-preview` に設定します。
</ParamField>

<ParamField body="modalities" type="array" required>
  音声出力を有効にするために `["text", "audio"]` に設定します。
</ParamField>

<ParamField body="audio" type="object" required>
  `voice` と `format` フィールドを含むオーディオ設定オブジェクト。
</ParamField>

<ParamField body="messages" type="array" required>
  チャットメッセージの配列。標準のチャット形式と同じです。
</ParamField>

## 使用方法

<CodeGroup>
  ```shell Curl theme={null}
  curl https://aihubmix.com/v1/audio/speech \
    -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
    -H "Content-Type: application/json" \
    -d '{
      "model": "tts-1",
      "input": "The quick brown 🦊 jumped over the lazy dog.",
      "voice": "alloy"
    }' \
    --output speech.mp3
  ```

  ```py gpt-4o-audio-preview theme={null}
  import base64
  from openai import OpenAI
  import os

  client = OpenAI(
    api_key=os.getenv("AIHUBMIX_API_KEY"),
    base_url="https://aihubmix.com/v1"
  )

  completion = client.chat.completions.create(
      model="gpt-4o-audio-preview",
      modalities=["text", "audio"],
      audio={"voice": "alloy", "format": "wav"},
      messages=[
          {
              "role": "user",
              "content": "The quick brown 🦊 jumped over the lazy dog."
          }
      ]
  )

  print(completion.choices[0])

  wav_bytes = base64.b64decode(completion.choices[0].message.audio.data)
  with open("output.wav", "wb") as f:
      f.write(wav_bytes)
  ```

  ```py gpt-4o-mini-tts theme={null}
  from pathlib import Path
  from openai import OpenAI
  import os

  # aihubmix 転送
  client = OpenAI(
    api_key="sk-***", # あなたのAiHubMix APIキーに置き換えてください
    base_url="https://aihubmix.com/v1"
  )

  speech_file_path = Path(__file__).parent / "speech.mp3"
  with client.audio.speech.with_streaming_response.create(
    model="gpt-4o-mini-tts",
    voice="alloy", # 最適なバランスの音色、クリアな発音
    instructions="""Play as a Patient Teacher""",
    input="The quick brown 🦊 jumped over the lazy dog."
  ) as response:
    response.stream_to_file(speech_file_path)
  ```

  ```py 標準 TTS モデル theme={null}
  from pathlib import Path
  from openai import OpenAI
  import os

  client = OpenAI(
    api_key="sk-***", # あなたのAiHubMix APIキーに置き換えてください
    base_url="https://aihubmix.com/v1"
  )

  speech_file_path = Path(__file__).parent / "speech.mp3"
  response = client.audio.speech.create(
    model="tts-1-hd",
    voice="alloy",
    input="The quick brown 🦊 jumped over the lazy dog.",
    response_format="mp3",
    speed=1.0
  )

  response.stream_to_file(speech_file_path)
  ```
</CodeGroup>

***

最終更新日：2026-06-01