VTuber向けTTS APIの使い方とドキュメント

作成者 VTuberTTS編集部 · 更新日 2026-11-19

このページでは、VTuberや配信者がKoeGaminのTTS APIをすばやく導入・活用するための手順を解説します。APIキーの取得方法から、curlや公式SDKを使った最初のリクエスト、音声・言語の設定まで、実際の開発ワークフローに即した具体的な情報をお届けします。

レート制限や文字数制限、エラー処理の仕組みから、分割生成のヒント、データの取り扱い方針まで、実運用で役立つ情報を網羅しています。OpenAI SDKとの互換性や、著作権クリアな音声利用の注意点も記載しているので、ライブ配信や動画制作の音源調達にお役立てください。

VTuber向けTTS APIの使い方とドキュメント

よくある質問

APIキーはどのように取得しますか?

/get-api-key/ページでGoogleまたはメールアドレスとパスワードでサインアップすると、APIキーが発行されます。アカウントはサイトごとに独立しており、ダッシュボードでキーの確認や新しいキーの発行が可能です。

OpenAI SDKは使えますか?

はい、公式のOpenAI SDKがそのまま利用可能です。base_urlを当社のエンドポイントに変更し、APIキーを設定するだけで、同じリクエスト形状で音声合成の送信が可能です。

base_urlはどう設定しますか?

base_urlを「https://api.rbaje.info/v1」に設定してください。これにより、公式SDKを使って当社のAPIにアクセスできます。認証ヘッダーには「Bearer tts-...」形式のキーを使用します。

どのフォーマットがサポートされていますか?

mp3、wav、opus、flac、pcmの5つの形式に対応しています。必要に応じてresponse_formatパラメータで指定してください。

音声の指定はどのように行いますか?

voiceパラメータに、aria、nova、luna、sage、felix、milo、atlas、orionの8つのプリセットから1つを指定します。各音声は特定のトーンを持っており、用途に合わせて選べます。

言語は自動検知されますか?

言語コードが指定されない場合、スクリプトから推測されます。ラテン文字のテキストはデフォルトで英語として処理されるため、英語以外のラテン文字テキストには明示的な言語設定が必要です。

言語コードを明示的に設定できますか?

はい、languageパラメータにISOコードを指定できます。23言語に対応しており、音声はどの言語でも話せます。指定しない場合はスクリプトに基づいて推測されます。

エラーコードの意味は何ですか?

合成に失敗した場合は課金が全額返金されます。一般的なHTTPステータスコードに従って処理してください。

レートリミットを超えるとどうなりますか?

1分間あたり60リクエストの制限があります。最初のトップアップ前は1分間10リクエストです。制限を超えると、キューに待機するかエラーになります。

テキストの最大文字数は?

1つのリクエストあたり最大4096文字です。これを超える場合は、複数のリクエストに分割して生成する必要があります。空白や句読点も文字数に含まれます。

長いテキストはどのように生成しますか?

4096文字ごとにテキストを分割し、複数のリクエストを送信します。生成された音声ファイルはクライアント側で結合する必要があります。サーバー側での自動結合はサポートしていません。

音声の結合は手動ですか?

はい、音声の結合は手動で行う必要があります。分割された音声ファイルを取得し、クライアント側で結合してください。サーバー側での自動結合機能は提供していません。

生成音声はサーバーに保存されますか?

生成された音声はレスポンスで返され、サーバーには保存されません。課金用のメタデータ(時間、文字数、ステータス)のみ保持されます。

入力テキストは学習に使用されますか?

入力テキストは音声生成のみに使用され、学習には使用されません。生成された音声もサーバーには保存されません。課金用のメタデータのみ保持されます。

最初のリクエスト

curl

curl https://api.rbaje.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

Python (openai)

from openai import OpenAI

client = OpenAI(base_url="https://api.rbaje.info/v1", api_key="tts-...")

with client.audio.speech.with_streaming_response.create(
    model="tts-1", voice="nova", input="Hello from Python.", response_format="mp3"
) as response:
    response.stream_to_file("hello.mp3")

Node.js (openai)

import OpenAI from "openai";
import fs from "node:fs";

const client = new OpenAI({ baseURL: "https://api.rbaje.info/v1", apiKey: process.env.TTS_API_KEY });
const res = await client.audio.speech.create({ model: "tts-1", voice: "milo", input: "Hello from Node.js." });
fs.writeFileSync("hello.mp3", Buffer.from(await res.arrayBuffer()));
voice
aria女性
nova女性
luna女性
sage女性
felix男性
milo男性
atlas男性
orion男性
language
arالعربية
zh中文
daDansk
nlNederlands
enEnglish
fiSuomi
frFrançais
deDeutsch
elΕλληνικά
heעברית
hiहिन्दी
itItaliano
ja日本語
ko한국어
msBahasa Melayu
noNorsk
plPolski
ptPortuguês
ruРусский
esEspañol
swKiswahili
svSvenska
trTürkçe

APIキーの取得

の音声波形イラスト: APIキーの取得

KoeGaminのAPIキーは、rbaje.infoの「APIキーの取得」ページでGoogleまたはメールアドレス登録によって取得します。Googleサインインでは即時に0.50ドルの無料トライアルクレジットが付与され、7日間有効です。

アカウント作成にはGoogle認証またはメールとパスワードの2通りがあり、各サイトごとに独立したアカウント管理となります。取得したキーは認証ヘッダーに設定し、APIリクエストの送信に使用します。

Googleサインイン

Googleサインイン

Googleアカウントを使用して登録すると、すぐにAPIキーと0.50ドルのトライアルクレジットが利用可能になります。このクレジットは約5万文字の生成に相当し、7日間有効です。

登録完了後、ダッシュボードにキーが表示され、すぐにAPI呼び出しを開始できます。

  • Google認証による即座の登録
  • 0.50ドルのトライラルクレジット付与
  • 7日間の有効期限

メールとパスワード登録

メールとパスワード登録

メールアドレスとパスワードで登録する場合、トライアルクレジットは付与されません。代わりに、USDTによるチャージが必要となります。

この方法は、Googleアカウントを持たないユーザーや、個別に管理したい配信者向けです。

アカウント作成後、TRONネットワーク(TRC-20)での最小5ドル以上のチャージで利用を開始できます。

  • メールアドレスとパスワードでの登録
  • トライアルクレジットなし
  • チャージ後の利用開始

キーの発行と無効化

アカウントには1つのアクティブなAPIキーのみが割り当てられます。新しいキーを発行すると、古いキーは即時に無効化されます。

キーの漏洩やセキュリティ上の理由で、いつでも新しいキーを発行して古いキーを廃止できます。ダッシュボードから簡単に操作可能です。

キーは「Bearer tts-...」の形式で、APIリクエストのAuthorizationヘッダーに設定します。

  • 1アカウントにつき1つのアクティブキー
  • 新キー発行で旧キーは即時無効化
  • ダッシュボードから簡単管理

最初のリクエスト

の音声波形イラスト: 最初のリクエスト

APIキーを取得したら、curlコマンドで実際に音声ファイルを生成してみましょう。APIエンドポイントは https://api.rbaje.info/v1/audio/speech です。

curlコマンドの例

以下のコマンドを実行すると、mp3形式の音声データが返されます。YOUR_API_KEY はご自身のキーに置き換えてください。

  • ```bash
  • curl -X POST https://api.rbaje.info/v1/audio/speech \
  • -H "Authorization: Bearer YOUR_API_KEY" \
  • -H "Content-Type: application/json" \
  • -d '{"model": "tts-1", "input": "こんにちは、これはテストです。", "voice": "nova", "response_format": "mp3"}' \
  • -o output.mp3
  • ```

JSONボディの構造

リクエストボディには model、input、voice が必須です。input は最大4096文字まで指定できます。スペースや句読点も文字数に含まれます。

レスポンスの形式

成功すると、音声ファイルのバイナリデータが返されます。失敗した場合はエラーコードと共に返金されます。

OpenAI SDKとの連携

の音声波形イラスト: OpenAI SDKとの連携

KoeGaminのAPIはOpenAIの音声エンドポイントとリクエスト形状が一致するため、既存のOpenAI SDKをそのまま利用できます。base_urlをAPIのエンドポイントに変更するだけで、特別なクライアントライブラリを追加する必要なく統合可能です。

これにより、Node.jsやPythonなどの公式SDKを使用して、VTuberの配信スクリプトや動画ナレーションをプログラム的に生成できます。認証やリクエスト構造の変更だけで動作するため、開発負荷を大幅に削減できます。

base_urlの変更

SDKの設定オブジェクトで base_url を https://api.rbaje.info/v1 に変更します。これだけで、既存のOpenAI互換のコードがKoeGaminのAPIを呼び出せるようになります。他のパラメータはそのまま維持されます。

公式SDKの互換性

OpenAIの公式SDK(Node.js, Python, C#など)は、リクエスト形状が同一のためそのまま動作します。モデル名に "tts-1" または "tts-1-hd" を指定し、テキストと音声パラメータを送信するだけで合成が完了します。

  • OpenAI SDKの公式パッケージを利用可能
  • 追加の依存関係は不要
  • 既存のコードベースをそのまま流用可能

認証ヘッダーの設定

リクエストヘッダーに Authorization: Bearer <YOUR_API_KEY> を設定します。APIキーはダッシュボードで発行されたものを使用します。このヘッダーにより、KoeGaminのAPIがリクエストを認証し、課金とレートリミットを適用します。

音声とフォーマット

の音声波形イラスト: 音声とフォーマット

TTS APIでは8種類のプリセットボイスから選択できます。女性ボイスは「aria」「nova」「luna」「sage」、男性ボイスは「felix」「milo」「atlas」「orion」の8種類が利用可能です。

対応フォーマットはmp3、wav、opus、flac、pcmの5種類です。VTuber配信や動画制作ではmp3やwavが一般的ですが、ロスレス形式も選べます。

8種類のプリセットボイス

各ボイスはLibriTTS-R(CC BY 4.0)の録音を基にしています。ariaはクリアなナレーター、novaはアップビート、lunaは物語風、sageは指示口調です。男性ボイスでは、felixはエネルギッシュ、miloは会話風、atlasはニュートラル、orionは深みのあるドキュメンタリー調です。

生成された音声ファイルには合成音声を示す不可視の透かしが含まれます。

  • aria: 温かみのあるクリアなナレーター
  • nova: 明るく活気のあるトーン
  • luna: 柔らかい物語語り
  • sage: カームな指示口調
  • felix: エネルギッシュなプロモーション風
  • milo: 親しみやすい会話風
  • atlas: ニュース風のニュートラル
  • orion: ドキュメンタリー調の深い声

mp3, wav, opus, flac, pcm

音声の出力形式はresponse_formatパラメータで指定します。mp3とwavは幅広いツールでそのまま利用可能で、opusとflacは圧縮やロスレスの選択肢として、pcmは生データとして扱えます。

配信ソフトや編集ソフトウェアの仕様に合わせて、適切な形式を選択してください。

音声の指定方法

リクエストボディのvoiceフィールドに、上記8種類のボイス名(例: aria, felix)を指定します。デフォルト設定はありませんので、各リクエストで明示的に指定する必要があります。

同じAPIキーで任意のボイスを瞬時に切り替えて使用できます。

言語の設定

の音声波形イラスト: 言語の設定

KoeGamin APIは23言語に対応しています。ArabicからTurkishまで、どの音声でも全ての言語で読み上げが可能です。

ただし、言語の自動検知には制限があります。正しく音声を作成するために、言語コードを明示的に指定することを推奨します。

23言語のサポート

Arabic, Chinese, Danish, Dutch, English, Finnish, French, German, Greek, Hebrew, Hindi, Italian, Japanese, Korean, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swahili, Swedish, Turkishの23言語に対応しています。どの音声プリセットでも、これらの言語を自由に使用できます。

自動言語検知の制限

languageパラメータを指定しない場合、APIはテキストの文字ベースで言語を推測します。ラテン文字のテキストはデフォルトで英語として扱われるため、英語以外のラテン文字言語(例:ドイツ語やオランダ語)を使用する場合は、必ずlanguageフィールドで明示してください。

未サポート言語にはVietnamese, Indonesian, Thai, Ukrainian, Romanian, Czech, Bengaliなどがあります。これらを含むテキストを送信すると、正しく読み上げられない可能性があります。

言語コードの設定

リクエストボディのlanguageフィールドに、ISO 639-1形式の2文字コード(例: ja, en, de)を指定します。これにより、音声合成エンジンは最適な発音モデルを選択し、より自然な読み上げを実現します。

  • 有効な言語コード例: ja (日本語), en (英語), zh (中国語)
  • ラテン文字の非英語テキストでは、自動検知を避けるために明示的な指定が必須です
言語の設定

エラーと制限

の音声波形イラスト: エラーと制限

API呼び出し時には、リクエスト形式や認証状態に応じたエラーが返されます。特にレートリミット超過やテキスト上限違反は、VTuber配信中の急な音声生成失敗の原因となりやすいため、事前に制限値を確認しておきましょう。

エラーが発生した場合は、ステータスコードとエラーメッセージを確認し、必要な修正を行ってから再試行してください。失敗したリクエストは課金されません。

400, 401, 429エラー

400はリクエスト形式の誤り、401はAPIキーの問題、429はレートリミット超過を示します。これらのエラーが出た場合は、JSONボディやヘッダー、キーの有効性を確認してください。

レートリミットの超過

キーあたり1分間60リクエストまでです。初回利用時は1分間10リクエストに制限されます。課金口座に入金後、制限は緩和されます。同時多人数の配信時やバッチ処理時には注意が必要です。

テキスト文字数の制限

1回のリクエストで4096文字までです。それを超える場合は、クライアント側で分割して複数のリクエストを送り、生成された音声ファイルを結合してください。文字数にはスペースや句読点も含まれます。

分割生成のヒント

の音声波形イラスト: 分割生成のヒント

4096文字を超えるテキストを処理する際、クライアント側で分割し、生成された音声ファイルを結合する必要があります。これにより、長時間の配信や動画でも音声を読み上げることができます。

キューの待機時間は、リクエストの順序通り処理されるため、負荷が高い時間帯に長くなることがあります。短めの文章は数秒で完了しますが、大量の処理では待ち時間が生じる点をご留意ください。

4096文字の制限

1回のAPIリクエストで送信できるテキストの上限は4096文字です。これを超える文章を送るとエラーになりますので、適切な位置で分割してください。文字数にはスペースや句読点も含まれます。

  • 1リクエストあたり最大4096文字
  • スペースと句読点も文字数にカウント
  • 超限時のエラー handling が必要

音声の結合方法

分割した各テキストから返される音声ファイル(mp3など)を、クライアント側で結合してください。公式SDKやライブラリを使用して、ファイルの末尾と先頭を自然に繋げる処理を実装します。

結合処理は、生成された音声ファイルの形式に合わせて行います。mp3やwavなどの形式で返されるため、一般的なオーディオライブラリで結合可能です。

  • 分割した音声ファイルを結合
  • クライアント側で結合処理を実装
  • mp3やwavなど形式に合わせ

キューの待機時間

リクエストは順番に処理されるため、負荷が高い時間帯にはキューに待機時間が生じることがあります。短めの文章でも数秒かかる場合があります。

この待機時間は、同時実行数やサーバーの負荷状態によって変動します。安定した処理を行うためには、適切な間隔を空けてリクエストを送信することをお勧めします。

  • 負荷により待機時間が変動
  • 短文でも数秒かかる場合あり
  • 安定処理には間隔を空ける

データの取り扱い

の音声波形イラスト: データの取り扱い

KoeGaminは、あなたのコンテンツ制作のプライバシーを尊重します。APIリクエストに含まれるテキストは、音声生成のための処理にのみ使用され、学習データとして再利用されることはありません。また、生成された音声ファイルはレスポンスとして返された時点で破棄され、サーバー上に永続的に保存されません。

入力テキストの保存なし

送信されたテキストは音声合成エンジンでの処理後、直ちに使用目的外での利用や分析のために保管されることはありません。VTuberの台本や配信者の即興トークでも、データが長期保存される心配はありません。

生成音声の保存なし

生成された音声ファイルは、APIレスポンスとしてクライアントに返された時点でサーバー側では保持されません。ただし、音声ファイル自体には合成音声であることを示す不可聴の透かしが埋め込まれています。

課金メタデータの保持

請求額と利用状況を確認するために、リクエストの時刻、文字数、ステータスなどのメタデータが保持されます。これらは課金の透明性を確保するためのものであり、音声コンテンツそのものとは別に管理されます。

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。 これにより、配信や動画制作において音声素材のライセンス問題を最小限に抑え、安心して商用利用や公開配信を行うことができます。

音声のアバター aria
aria女性
音声のアバター nova
nova女性
音声のアバター luna
luna女性
音声のアバター sage
sage女性
音声のアバター felix
felix男性
音声のアバター milo
milo男性
音声のアバター atlas
atlas男性
音声のアバター orion
orion男性

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。

出典および参考資料

  1. Wikipedia
  2. Tether (USDT)
  3. openai-node on GitHub
  4. IETF RFC 7845: Ogg Opus
  5. OpenAI API reference: create speech
  6. TRON developer hub: TRC-20
  7. FFmpeg documentation
  8. LibriTTS-R corpus (OpenSLR 141)
  9. MDN: Web Speech API
  10. W3C WAI: making audio and video accessible
  11. Node.js documentation
  12. LibriVox public-domain audiobooks

このサイトに関するその他の情報