ゲームNPC用TTS API:8プリセットで品質確認

作成者 NpcVoice Lab編集部 · 更新日 2026-11-19

このページでは、独立系ゲーム開発者がNPCの台詞生成を効率化するためのTTS APIの仕様と、8つのプリセット音声の品質確認方法をご紹介します。APIキーの発行から実際の音声生成までのワークフローを解説し、リソース効率を最大化する具体的な導入方法を確認できます。

Google認証による無料体験(5万文字分)で、開発環境への統合前に音声の質を実験できます。OpenAI互換のインターフェースを採用しているため、base_urlを変更したOpenAI SDKや標準的なHTTPクライアントが利用可能です。技術的な仕様からライセンス条件、パフォーマンス制限まで、現場で必要な情報を網羅しています。

ゲームNPC用TTS API:8プリセットで品質確認

よくある質問

ボーカロイド風読み上げとは何ですか?

ボーカロイド風読み上げは提供していません。当APIはLibriTTS-RやLibriVoxの録音データを基にした8つのプリセット音声(aria, nova, lunaなど)を使用します。特定のアニメ声やボーカロイド特有の合成音質ではなく、自然な人間の読み上げに近い音声ファイルを生成します。

無料体験のクレジットはいつ期限が切れますか?

Googleサインインで登録したアカウントには、0.50ドルの無料クレジットが付与されます。このクレジットは7日間の有効期間があり、期限が切れると自動的に失効します。メールアドレスとパスワードで登録した場合は、初期状態では無料クレジットは付与されません。

生成された音声には著作権はありますか?

生成された音声ファイル自体には著作権の記載はありませんが、基盤となる音声データは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。生成物には合成音声を示す不可視の透かしが埋め込まれており、学習データとして使用されることもありません。

APIキーはどのくらいで有効になりますか?

APIキーはアカウント登録直後に有効になります。ダッシュボードで新しいキーを発行すると、旧キーは即座に無効化され、新キーがすぐに使用可能になります。特別な待機時間は必要なく、即時でワークフローに組み込むことができます。

どのくらいの長さのテキストを処理できますか?

1回のリクエストあたり最大4096文字まで処理できます。それより長いテキストの場合は、クライアント側で4096文字ごとに分割し、生成された音声ファイルを結合する必要があります。これはNPCの長いセリフやナレーションにも対応するための標準的な処理方法です。

音声ファイルの形式はどれくらいありますか?

mp3, wav, opus, flac, pcmの5つの形式から選択できます。ゲーム開発ではmp3やopusが推奨されますが、後処理が必要な場合はwavやflac、生のデータ処理にはpcmも利用可能です。リクエストパラメータで簡単に指定できます。

複数人のチームでAPIキーを共有できますか?

1つのアカウントにつき有効なAPIキーは1つです。チームで共有して使用することは技術的に可能ですが、キーを発行し直すと旧キーが即時無効になるため、共有中のキーが突然使えなくなるリスクがあります。単独での利用が推奨されます。

音声の生成速度はどれくらいですか?

長いテキストでは、生成速度は実時間とほぼ同等(1秒あたり約25文字)です。短いフレーズでも数秒かかります。リクエストは順次処理されるため、負荷が高い場合はキューで待機する可能性があります。リアルタイムストリーミングはサポートしていません。

サポートは電話で受けられますか?

電話サポートは提供していません。サポートはメールのみで行われます。電話番号やライブチャットもありません。技術的な質問や課金に関する問い合わせは、メール経由で対応いたします。迅速な返信を心がけていますが、即時対応は保証されません。

音声の品質は保証されていますか?

音声の品質や稼働率(SLA)は保証していません。音声は8つのプリセットから選択でき、各音声には合成音声を示す透かしが埋め込まれます。品質に関する公式の保証や契約はありません。ご自身のプロジェクトで適宜検証してご使用ください。

音声データは学習に利用されますか?

入力されたテキストは音声生成のみに使用され、モデルの学習には利用されません。生成された音声ファイルはレスポンスで返された後、保存されません。請求のために記録されるのは、時刻、文字数、ステータスなどのメタデータのみです。

エラー時の返金ルールはありますか?

音声合成に失敗した場合、請求は全額返金されます。失敗したリクエストに対してはクレジットが消費されないため、実質的なコストはかかりません。正常に生成された場合のみ、課金が行われます。これはエラー時の明確な返金ルールとして機能します。

音声のトーンは後から変更できますか?

生成された音声ファイルのトーンを後から変更する機能は提供していません。音声のトーンや感情は、生成時に選択する8つのプリセット(aria, novaなど)と速度パラメータ(0.25〜4.0)で決定されます。SSMLや感情タグもサポートしていません。

カスタム音声のクローンはできますか?

カスタム音声のクローンは提供していません。お客様独自の音声をアップロードしてクローンしたり、カスタムボイスデザインを行ったりする機能はありません。8つのプリセット音声(aria, nova, luna, sage, felix, milo, atlas, orion)から選択して使用します。

最初のリクエスト

curl

curl https://api.y7777.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

ゲーム開発に特化した読み上げAPI

の音声波形イラスト: ゲーム開発に特化した読み上げAPI

Voicemateは、フリーランスのゲーム開発者がNPC台詞を素早く生成するためのTTS APIです。テキストを送信するだけで音声ファイルが得られ、ワークフローの効率を最大化します。

8種類のプリセット音声とOpenAI互換のインターフェースにより、開発環境への統合が容易です。リソース効率を考慮したシンプルな設計で、品質確認を高速化します。

NPC台詞の生成を効率化

NPC台詞の生成を効率化

1回のリクエストで最大4096文字まで処理可能です。長文は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、NPCの会話スクリプトを効率的に音声化できます。

速度は0.25〜4.0倍で調整可能で、生成速度は実時間ペース(約1秒に25文字)です。短めの台詞でも数秒で完了し、デバッグサイクルを短縮します。

8種類のプリセット音声

Aria, Nova, Luna, Sage, Felix, Milo, Atlas, Orionの8プリセットから選択します。各音声はライセンス付き録音に基づいており、NPCの性格や役割に合わせたトーン設定が可能です。

生成された音声には合成音声を示す不可視の透かしが含まれます。これにより、NPC音声の出典管理が容易になります。

開発ワークフローへの統合

エンドポイントはPOST https://api.y7777.info/v1/audio/speechです。JSONボディでmodel、input、voiceなどを指定します。OpenAI SDKのbase_urlを変更するだけで利用できます。

認証にはAuthorization: Bearerヘッダーを使用します。APIキーは1アカウントにつき1つで、必要に応じて再発行可能です。これにより、開発環境でのアクセス管理がシンプルになります。

無料体験で品質を確認

の音声波形イラスト: 無料体験で品質を確認

APIの品質をリスクゼロで検証できます。Googleアカウントでの登録により、すぐに5万文字の無料クレジットが利用可能になります。メールアドレス登録のみの場合は付与されません。

ゲーム開発におけるNPC台詞の生成速度や音質を確認し、ワークフローへの適合性を確認してください。

5万文字の無料クレジット

Google認証によるサインアップ時に約5万文字分($0.50相当)のクレジットが付与されます。スペースや句読点も文字数に含まれるため、実際のNPC台詞生成で十分な検証が可能です。

  • クレジット有効期間: 7日間
  • 対象: 全モデル(tts-1 / tts-1-hd)

Google認証での簡単開始

Googleアカウントを用いた認証により、メールアドレス登録の手間なくAPIキーを取得できます。即座にダッシュボードにアクセスし、生成テストを開始できます。

試用期間のルール

無料クレジットの有効期限は7日間です。期限内に使い切らなくても残額は失効しますが、期間満了後は通常通り課金アカウントへ移行可能です。

メールとパスワードのみで登録したアカウントには、この無料クレジットは付与されません。

8種類のプリセット音声

の音声波形イラスト: 8種類のプリセット音声

NPCの感情や役割に合わせた8つのプリセット音声から選べます。開発ワークフローにおいて、キャラクターの個性を迅速に定義し、品質確認を効率化します。

女性ボイス(Aria, Nova, Luna, Sage)

Ariaは温かく明確なナレーター、Novaは明るく活気のあるトーンです。Lunaは柔らかなストーリーテリング向け、Sageは落ち着いた指示に適しています。

  • Aria: 温かく、明確なナレーター
  • Nova: 明るく、活気のあるトーン
  • Luna: 柔らかな、ストーリーテリング
  • Sage: 落ち着いた、教育的な指示

男性ボイス(Felix, Milo, Atlas, Orion)

Felixはエネルギッシュなプロモーション用、Miloはフレンドリーな会話型です。Atlasはニュートラルなニュース向け、Orionは深みのあるドキュメンタリースタイルです。

これらの音声は、ゲーム内の広告、NPCの会話、ニュース配信、ドキュメンタリー風ナレーションなど、多様なシチュエーションに対応します。

  • Felix: エネルギッシュなプロモーション
  • Milo: フレンドリーな会話型
  • Atlas: ニュートラルなニュース
  • Orion: 深みのあるドキュメンタリー

多言語対応の柔軟性

23言語に対応し、どの音声でも全ての言語で話せます。言語を指定しない場合はスクリプトから自動検出されますが、ラテン文字の非英語テキストには明示的な指定をお勧めします。

これにより、多言語展開するゲーム開発において、音声の品質を一定に保つことが可能です。

技術的な仕様と互換性

の音声波形イラスト: 技術的な仕様と互換性

Voicemate APIは、OpenAIのSpeechエンドポイントと互換性のある設計です。base_urlをhttps://api.y7777.info/v1に変更するだけで、既存のOpenAI SDKや標準的なHTTPクライアントがそのまま利用可能です。

リクエストはJSON形式で送信し、モデル、音声、フォーマットなどのパラメータを指定します。これにより、ゲーム開発のワークフローへの統合がスムーズに行えます。

OpenAI互換エンドポイント

エンドポイントはPOST https://api.y7777.info/v1/audio/speechです。認証はAuthorization: BearerヘッダーにAPIキーを設定します。これにより、複雑な独自プロトコルの実装が不要です。

  • エンドポイント: POST /v1/audio/speech
  • 認証: Bearerトークン
  • 互換性: OpenAI Speech APIと同一

JSONベースのリクエスト

リクエストボディにはmodel、input、voiceなどの必須フィールドを含めます。inputは最大4096文字まで対応し、それを超える場合はアプリ側で分割する必要があります。

レスポンスは音声ファイルのバイナリデータです。エラー時には返金額が保証されるため、失敗時の処理も明確です。

  • 必須フィールド: model, input, voice
  • 文字制限: 1リクエスト最大4096文字
  • レスポンス: 音声ファイルバイナリ

標準的なSDKの利用

公式SDKは提供していませんが、OpenAIの公式SDKをbase_urlを変更して使用できます。PythonやNode.jsなどの標準的なHTTPライブラリでも簡単に実装可能です。

独自フォーマットの変換ロジックが不要なため、開発リソースをゲーム本体の機能開発に集中できます。

  • OpenAI SDKの再利用が可能
  • 標準HTTPクライアント対応
  • 独自フォーマット不要

対応言語と音声データ

の音声波形イラスト: 対応言語と音声データ

対応言語は23種類をカバーし、日本語、英語、中国語、韓国語など、ゲーム開発で必要な多様な言語に対応します。すべての音声プリセットはどの言語でも問題なく使用可能で、NPCの背景や出身地に合わせて柔軟に選択できます。

ラテン文字以外のスクリプトでも正確な発音を提供します。言語コードを明示的に指定することで、自動検出の誤判定を防ぎ、キャラクターの言語設定を正確に反映させることが可能です。

23言語の多様性

アラビア語、ロシア語、スワヒリ語など、多様な言語環境に対応しています。これにより、異なる文化背景を持つNPCキャラクターの台詞生成が効率化されます。

すべての音声プリセットはどの言語でも使用可能であり、特定の言語に限定されません。NPCの言語設定に合わせて、最適な声質を選択してください。

  • アラビア語、中国語、デンマーク語、オランダ語、英語、フィンランド語、フランス語、ドイツ語、ギリシャ語、ヘブライ語、ヒンディー語、イタリア語、日本語、韓国語、マレー語、ノルウェー語、ポーランド語、ポルトガル語、ロシア語、スペイン語、スワヒリ語、スウェーデン語、トルコ語

非ラテン文字の処理

ラテン文字以外のスクリプトでも、正確な発音を実現します。各音声プリセットは多言語に対応しており、NPCの言語設定に合わせた柔軟な音声生成が可能です。

非ラテン文字のテキストでも、言語コードを明示的に指定することで、より正確な発音を得ることができます。これにより、NPCの言語設定を正確に反映させることが可能です。

自動言語検出の設定

言語コードを指定しない場合、テキストの文字コードから言語が自動的に検出されます。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るため、日本語や中国語などのテキストを使用する場合は明示的にlanguageパラメータを設定してください。

自動検出を介さずに、正確な言語設定を行うことで、NPCの言語設定をより正確に反映させることができます。

対応言語と音声データ

音声のライセンスと著作権

の音声波形イラスト: 音声のライセンスと著作権

Voicemateの音声は、LibriVoxの公開朗読データに基づいています。すべての音声はLibriTTS-Rデータセットに基づき、CC BY 4.0ライセンスで公開されている録音データから派生しています。ゲーム開発におけるNPC台詞やナレーションの生成に適した安定した品質を保証します。

生成される音声ファイルには合成音声を示す不可視の透かしが埋め込まれます。これにより、プレイヤーが生成された音声であることを識別でき、著作権や出元の明示が必要なケースでも明確に区別できます。

LibriTTS-Rの活用

音声データはLibriTTS-Rデータセットから派生しています。これはCC BY 4.0ライセンスで公開されているデータソースです。

この基盤により、一貫した音声品質が維持され、ゲーム開発におけるNPCの多様なキャラクター演じ分けが効率的に行えます。

CC BY 4.0の条件

CC BY 4.0ライセンスは、商用利用を含む幅広い利用を許可しています。ゲーム内で生成音声を使用する場合、適切な出典明示が必要です。

音声自体に追加の著作権制限はありませんが、ライセンスの条件に従って利用することで、法的なリスクを最小限に抑えられます。

合成音声の透かし

すべての生成音声には、人間が聴き取れないレベルのデジタル透かしが埋め込まれています。これは音声ファイルがAIによって生成されたことを示す指標です。

透かしは音声の品質や再生には影響を与えません。ゲーム内での使用時、生成音声であることを明確にするための参考情報として機能します。

パフォーマンスと制限

の音声波形イラスト: パフォーマンスと制限

APIのパフォーマンスは、安定した運用のために設計された制限に基づいています。1分あたりのリクエスト数とテキストの長さ制限を理解し、キュー処理の仕組みを活用することで、NPC台詞の生成ワークフローをスムーズに維持できます。

1分あたりのリクエスト数

標準レートリミットは1分間あたり60リクエストです。アカウント作成直後は1分あたり10リクエストに制限されます。これは最初のトップアップ後、または最初の課金が完了するまで適用されます。

テキストの長さ制限

1つのリクエストで送信できるテキストは最大4,096文字です。これを超える長い台詞を生成する場合は、クライアント側で複数のリクエストに分割し、生成された音声ファイルを結合する必要があります。

キュー処理の仕組み

リクエストは順番に処理されます。特にテキストが長い場合やシステムに負荷がかかっているときは、キューに待機する可能性があります。これにより、生成品質と安定性が維持されます。

データとプライバシー

の音声波形イラスト: データとプライバシー

入力テキストは音声生成専用であり、モデル学習には使用されません。生成された音声ファイルはレスポンスとして返却され、サーバー上には保存されません。

課金のための請求記録として、リクエスト時刻、文字数、ステータスのメタデータが保持されます。

学習用データの使用

送信されたテキストは音声合成の処理のみに行われ、トレーニングデータとして再利用されることはありません。これにより、あなたの独自なNPCセリフが公開データとして利用されるリスクがありません。

生成音声の保存

音声ファイルは生成と同時にクライアントに返送され、当社のサーバーには永続的に保存されません。一時的な処理用として使用された後、データは消去されます。

メタデータの記録

課金と利用状況の管理のため、リクエストの時刻、文字数、ステータスコードなどのメタデータが記録されます。これらは請求明細の参照のみを目的としています。

サポートと連絡先

の音声波形イラスト: サポートと連絡先

Voicemateでは、電話やライブチャットではなく、メールサポートのみを提供しています。複雑な技術的な質問でも、専任チームが丁寧に対応いたします。

一般的な利用規約やAPI仕様については、FAQページで迅速に解決できます。アカウントの管理は公式サイトから直接行えます。

メールサポートのみ

電話やライブチャットは提供していません。サポートはメールのみです。開発者向けに、APIのエラーログや設定内容を記載いただければ、迅速な返信を目指します。

営業時間の制限もなく、記録を残せる形式で問い合わせ可能です。

FAQでの解決

よくある質問はドキュメントページで確認できます。APIキーの発行方法や、レートリミットの超過時の対処法など、一般的な疑問はここで解決できます。

新しい機能や仕様の変更に伴い、FAQは随時更新されます。

アカウント管理

アカウントの作成やAPIキーの管理は、サイト上の「/get-api-key/」ページから行えます。Google認証またはメール・パスワードでのサインインが可能です。

APIキーは1アカウントにつき1つまで有効です。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。残高や利用状況もこのページで確認できます。

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。 ただし、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埋め込まれており、これが人工知能による生成音源であることを示しています。

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. ISO 639 language codes
  3. FFmpeg documentation
  4. openai-node on GitHub
  5. OpenAI API reference: create speech
  6. openai-python on GitHub
  7. LibriVox public-domain audiobooks
  8. Node.js documentation
  9. IETF RFC 7845: Ogg Opus
  10. TRON developer hub: TRC-20
  11. MDN: Web Speech API
  12. Creative Commons Attribution 4.0

このサイトに関するその他の情報