よくある質問
法人向けAPIの選択で最も重要な要素は?
正確な音声合成とコスト管理が重要です。当APIは100万文字あたり10ドルで、失敗時の返金保証があります。1分間60リクエストのレート制限があり、大量の契約書や説明書も分割処理で対応可能です。Google認証で即座にAPIキーを取得でき、TRONネットワーク経由のUSDTで簡単に課金できます。
音声の品質はどのように評価されますか?
LibriTTS-RおよびLibriVoxのライセンス済み録音に基づく8つのボイスプリセットから選択します。各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。言語は23言語に対応し、デフォルト設定でもスクリプトから言語を推測します。ただし、SSMLや感情タグはサポートしていません。
セキュリティ監査は行われますか?
SOC 2やHIPAA、GDPRの認証は提供していません。入力テキストは音声生成のみで使用され、学習には利用されません。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(時刻、文字数、ステータス)のみが保持されます。
サポートは24時間対応ですか?
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。24時間対応の保証も、稼働率の保証(SLA)もありません。重要なテキストコンテンツの処理には、APIのエラーレスポンスを確認し、必要に応じて再リクエストを行う運用が推奨されます。
APIのバージョンアップは頻繁ですか?
バージョンアップの頻度やスケジュールに関する公式の告知はありません。現在利用可能なモデルは「tts-1」と「tts-1-hd」のみです。エンドポイントの形状はOpenAI Speechエンドポイントと同一であり、SDKのbase_urlを変更するだけで連携可能です。具体的なアップデート計画については別途お知らせします。
カスタマイズ可能な音声はありますか?
顧客独自の音声クローニングや、音声のアップロードによるカスタマイズは提供していません。8つのプリセットボイス(aria, nova, luna, sage, felix, milo, atlas, orion)から選択します。独自の発音辞書やカスタムプロンunciationもサポートしていません。既存の音声品質で要件を満たすことを想定しています。
SSMLはサポートされていますか?
SSML(Speech Synthesis Markup Language)はサポートしていません。テキストをそのまま送信し、速度パラメータで調整します。発音の細かな制御や、音声の間の一時停止をXMLタグで行うことはできません。単純なテキスト読み上げが必要な法務文書やマニュアルの生成に適しています。
ストリーミング再生は可能ですか?
ストリーミングやWebSocket、リアルタイムの部分的な音声返却はサポートしていません。リクエストを送信すると、完了した音声ファイルがレスポンスとして返されます。短くても数秒、長いテキストではリアルタイム並みの処理時間がかかるため、バッチ処理での利用が最適です。
音声ファイルの保存期間は?
生成された音声ファイル自体はサーバー上に保存されません。レスポンスでクライアントに返された後、永続的なストレージには残しません。ただし、課金と請求のために、リクエストのメタデータ(時刻、文字数、ステータス)が保持されます。ファイルの保管はクライアント側の管理となります。
データのエクスポートは可能ですか?
生成された音声データのエクスポート機能は特に定義されていません。音声ファイルはAPIレスポンスとして即座に取得できます。課金履歴や使用状況はダッシュボードで確認できますが、音声ファイルそのものの一括エクスポート機能は提供していません。必要なファイルは都度ダウンロードしてください。
APIの可用性保証はありますか?
稼働率の保証(SLA)は提供していません。音声生成はキューで逐次処理されるため、負荷が高い場合は待機が発生する可能性があります。重要な業務でも無保証での利用となります。60リクエスト/分の制限内で効率的に処理できるよう、テキストを分割する設計が推奨されます。
SLAは提供されていますか?
SLA(サービスレベル契約)は提供していません。アップタイムの保証や、障害時の補償規定もありません。エンタープライズ契約やオンプレミスインストールは提供していません。信頼性を重視する法務部門では、エラー時の再試行ロジックを自前で実装することが推奨されます。
どのブラウザで動作しますか?
専用ブラウザ拡張機能やモバイルアプリは提供していません。APIは標準的なHTTPリクエストなので、どのブラウザや環境からでも呼び出せます。OpenAI SDKやcURL、任意のプログラミング言語を使用して統合できます。特定のブラウザ依存機能はなく、純粋なAPI連携となります。
モバイルアプリとの統合は可能ですか?
専用モバイルSDKは提供していませんが、標準的なHTTP APIであるため、iOSやAndroidアプリから直接呼び出すことが可能です。base_urlを変更し、APIキーを認証に使用すれば、ネイティブアプリでも簡単に音声合成機能を実装できます。WordPressプラグインも提供していません。
音声の品質と自然さ
法人の契約書や説明書作成において、音声の明瞭さは不可欠です。LexiCorp APIは8種類のプリセット音声を提供し、文脈に合わせた適切なトーンを選択できます。
8種類のプリセット音声
女性4声(aria, nova, luna, sage)と男性4声(felix, milo, atlas, orion)から選べます。法務文書には「sage」の落ち着いたトーンが適し、プロモーション用には「felix」のエネルギッシュな発音が推奨されます。これらはすべてライセンス済みの録音に基づくプリセットです。
- aria: 明確なナレーター
- nova: 明るく活発
- luna: 物語的な語り
- sage: 教育的で落ち着いたトーン
- felix: プロモーション向け
- milo: 会話的な親しみやすさ
- atlas: ニュース向けの中立性
- orion: ドキュメンタリー向け深み
LibriTTS-Rライセンスの品質
音声はLibriTTS-R(CC BY 4.0)に基づくライセンス済み録音とLibriVoxのパーブリックドメインオーディオブック読み上げから生成されています。これにより、著作権上のリスクを最小限に抑えつつ、高品質な合成音声を実現します。
- LibriTTS-Rデータセット活用
- CC BY 4.0ライセンス準拠
- パブリックドメイン素材の活用
透かしマークによる合成音声の識別
生成される音声ファイルには、聴覚には検知できない透かしマークが含まれています。これにより、音声コンテンツが人工的に生成されたものであることを明確に識別可能になります。法人利用における透明性の確保に寄与します。
言語サポートの広さ
法人の音声合成システムにおいて、多言語対応はグローバル展開や多様な顧客層への対応において不可欠です。LexiCorpのAPIは23言語をサポートしており、契約書やマニュアルの国際化対応を効率化します。
言語の自動検出機能により、開発負荷を軽減しつつ、明示的な言語指定でも精度を確保できます。これにより、複雑な多言語環境でも一貫した音声品質を実現します。
23言語の対応
アラビア語、中国語、英語、フランス語、ドイツ語、日本語、韓国語など、計23言語に対応しています。音声は任意の言語で発話可能であり、契約書の多言語版作成や、国際的なマニュアル音声化に適しています。
言語の組み合わせは制限されず、同じ音声で異なる言語を切り替えて使用することも可能です。これにより、単一の音声エンジンで多言語コンテンツを生成する際のスコープを拡大します。
- 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
言語の自動検出
言語パラメータを指定しない場合、APIは入力テキストの文字コードに基づいて言語を自動的に推測します。ラテン文字のテキストはデフォルトで英語として処理されるため、英語コンテンツでは追加設定が不要です。
自動検出は高速な処理に適していますが、特定の言語で発話させる場合は明示的な指定が推奨されます。特に、ラテン文字を使用するが英語でないテキスト(ドイツ語やオランダ語など)の場合、言語パラメータの設定が重要です。
言語指定のパラメータ
リクエストボディのlanguageフィールドにISO言語コードを指定することで、音声の発話言語を明示的に制御できます。これにより、自動検出が誤判断するケースを防ぎ、正確な音声生成を保証します。
例えば、ドイツ語の契約書を生成する際にlanguage: "de"を指定することで、正しい発音とリズムを実現します。これにより、法文書や説明書といった重要なコンテンツの品質を維持します。
セキュリティとデータプライバシー
法人の音声合成API選定において、データプライバシーは重要な判断基準となります。本APIは、入力テキストをモデルのトレーニングに使用しないことを明確に規定しており、生成された音声データも応答後に即時返却され、永続的に保管されません。
これにより、契約書や機密文書などの入力テキストが学習データとして再利用されるリスクを排除し、企業のデータガバナンス要件に適合した運用を可能にします。
トレーニング用データの非使用
入力テキストは音声生成の目的でのみ使用され、モデルの改善や再学習のためのトレーニングデータとして利用されることはありません。これにより、機密性の高い法務文書や内部文書の音声化においても、データの流出や再利用の懸念がありません。
生成音声の即時返却
音声合成が完了すると、生成された音声ファイルはAPIレスポンスとして即時返却されます。返却後の音声ファイルはサーバー上に永続的に保存されないため、不要なデータ残存によるセキュリティリスクを低減できます。
リクエストメタデータの保持
課金および監査のために、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。音声そのものは保存されませんが、これらのメタデータは課金の透明性を確保し、利用履歴の追跡を可能にします。
統合の容易さ
APIエンドポイントはOpenAIのspeechエンドポイントと同一のJSON形状を採用しています。ベースURLのみ変更するだけで、公式OpenAI SDKをそのまま利用可能です。既存の統合コードを大幅に変更せず、LexiCorpの音声合成機能に置き換えることができます。
OpenAI SDKとの互換性
Base URLを https://api.7i77.info/v1 に設定するだけで、標準的なOpenAI SDKのクライアントライブラリが動作します。認証情報は tts-... で始まるAPIキーを使用し、既存の認証ロジックを維持したまま移行可能です。
- OpenAI SDKの互換性により、開発負荷を最小限に抑えます。
- SDKのバージョンアップにも柔軟に対応可能な汎用性の高い設計です。
curlコマンドの簡便さ
GET /v1/voices や POST /v1/audio/speech などの主要エンドポイントは、curlコマンドで即座にテスト可能です。APIキーと必要なパラメータ(model, voice, input)を指定するだけで、音声ファイルの生成から取得まで完了します。
- GET /v1/voices で利用可能な音声と言語を確認できます。
- POST リクエストでJSONボディを渡すだけで音声データを取得します。
エンドポイントの一貫性
エンドポイントは RESTful な構造で設計されており、予測可能なURLパスに従います。GET /v1/models でモデル情報を取得でき、POST で音声合成を行う標準的なREST APIの作法に従っているため、各種プログラミング言語のHTTPライブラリと容易に統合できます。
コストの透明性
法人の予算計画において、音声合成のコスト構造が明確であることは重要です。当社のAPIは文字数ベースで課金され、100万文字あたり10ドル(1,000文字あたり0.01ドル)の統一料金です。空白文字や句読点も文字数にカウントされるため、見積もりの精度が担保されます。
文字数ベースの課金
料金は生成されたテキストの長さに応じて算出されます。最大4096文字のリクエストごとに課金されるため、バッチ処理時のコスト予測も容易です。
- 100万文字あたり10ドルの定額制
- 空白・句読点含む全文字が課金対象
- 失敗したリクエストは無料
失敗時の返金
音声合成に失敗した場合、そのリクエスト分の料金は全額返金されます。返金処理は自動的に行われるため、手動でのクレーム申請は不要です。
これは、サーバー側の障害や一時的な遅延による失敗にも適用されます。
USDTによる支払い
支払いはUSDT(TRC-20)のみに対応しています。クレジットカードやペイパル、請求書払いではなく、トロンネットワーク上のトランザクションのみを受け付けます。
最小充值額は5ドルで、送金後数分で残高に反映されます。月額プランやサブスクリプションはなく、使った分だけ精算する従量課金制です。
- USDT(TRC-20)限定
- 最小充值額5ドル
- 即時反映、残失効なし
サポートとドキュメント
法人向けAPI導入において、技術サポートの形態とドキュメントの完成度は実装コストを左右します。当社は電話やライブチャットを導入せず、メールのみによるサポート体制を構築しています。これは、法的・コンプライアンス関連の重要なテキスト処理における記録の正確性と、大規模チームにおける問い合わせの一元化を優先しているためです。
ドキュメントはAPI仕様に準拠しており、複雑な推測を必要としない明確な記述を提供します。特にcURLコマンドの例は、実際の開発環境での動作検証を迅速化し、エラー発生時のトラブルシューティング時間を短縮します。これにより、開発チームは音声合成機能の統合に集中できます。
メールサポートのみの対応
サポートはメールのみで行われます。電話やリアルタイムチャットは提供していません。これにより、問い合わせ内容が記録され、監査証跡として残ります。重要な契約書や説明書の処理に関する技術的な質問にも、記録を残しながら対応可能です。
通常は24時間以内の返信を目標としています。
- メールサポートのみ
- 問い合わせの記録保持
- 監査証跡としての活用
詳細なAPIドキュメント
エンドポイント、パラメータ、レスポンス形式を網羅したドキュメントを提供しています。各フィールドの型と制限値(例:4096文字の上限)が明記されており、実装時の誤りを防ぎます。
エラーコードの説明も充実しており、HTTPステータスコードに対応する具体的な原因と対処法を記載しています。これにより、システム間の連携障害を迅速に特定できます。
- エンドポイント仕様書
- パラメータリファレンス
- エラーコード一覧
curl例の提供
主要なリクエストパターンについて、そのままコピー&ペースト可能なcURLコマンド例を提供しています。認証キーの挿入部分のみ変更すれば、すぐにテスト実行が可能です。
この例は、OpenAI SDKとの互換性に基づいており、他の言語のSDK導入時にも参考になります。
- 認証済みcURL例
- コピー&ペースト可能
- テスト用リクエスト
スケーラビリティ
法人規模の音声合成ニーズにおいて、60リクエスト/分のレート制限は、バッチ処理を適切に設計することで安定して運用可能です。短く制限の低い環境でも、キュー処理によりリクエストが順番に処理されるため、急なトラフィック増でもサービス品質が低下することはありません。
レート制限の運用
1アカウントあたり1分間60リクエストの制限があり、初回トップアップ前は10リクエスト/分です。大規模チームでは、APIキーを管理し、必要に応じて新しいキーを発行することで、実質的なスループットを増やすことが可能です。
キュー処理の仕組み
リクエストは順次処理され、負荷が高い場合はキュー待ちが発生します。これにより、システムの安定性が保たれ、音声生成の品質が維持されます。
バッチ処理の可能性
4096文字ごとにテキストを分割し、音声ファイルを結合することで、長文の効率的な処理が可能です。これにより、大量の契約書や説明書を効率的に音声化できます。

法的なコンプライアンス
法人の音声コンテンツ利用において、音声データのライセンス由来は法的リスクの重要な要素です。当APIで提供される8種のプリセット音声は、LibriTTS-R(CC BY 4.0ライセンス)に基づいています。これにより、商用利用における著作権の明確な位置づけが保証されます。
また、生成される音声ファイルには不可視の透かしが埋め込まれており、合成音声であることを明確に識別可能です。これにより、コンテンツの出元を明記する義務や、ライセンス遵守の証跡が明確になり、法務部門の監査基準に適合します。
ライセンスの遵守
LibriTTS-Rはクリエイティブ・コモンズ・ライセンスの下で公開されており、音声合成エンジンとしての利用要件が明確に定義されています。当APIを通じて提供される音声は、このライセンスの条件を厳格に遵守しています。
音声データはパブリックドメインのオーディオブック読み上げを基盤としているため、個々の音声素材について個別のライセンス確認が必要です。これにより、大規模チームでの多用途利用時にも、ライセンス違反のリスクを最小限に抑えます。
パブリックドメインの活用
LibriVoxの公開録音データを活用することで、高品質な音声素材を安定して提供します。これにより、独自に録音を行う場合と比較して、権利処理の手間を大幅に削減できます。
音声ファイルには合成音声を示す透かしが埋め込まれており、音声の性質を明確に示すことが可能です。これにより、利用状況に応じた適切な表記や報告が可能になります。
透明な利用条件
入力テキストは音声生成のみ目的で利用され、学習データには使用されません。生成音声は即時応答として返却され、サーバー上に永続的に保存されません。
課金のためのメタデータ(時刻、文字数、ステータス)のみ保持されます。このデータは請求明細の検証に使用され、利用履歴の透明性を確保します。
パフォーマンスと速度
法人向けTTS APIのパフォーマンスは、テキスト長さに依存します。長文では1秒あたり約25文字の生成速度を実現し、ほぼリアルタイムの出力が可能です。一方、短文の処理には数秒を要します。
大量のテキストを音声化する際は、4096文字ごとに分割して処理します。音声ファイルは個別に生成され、後で結合されるため、全体の完了時間は各リクエストの処理時間とキュー待機時間に左右されます。
リアルタイムに近い生成速度
長文テキストの処理では、生成速度はほぼリアルタイムに近くなります。具体的には、1秒あたり約25文字のテキストを音声に変換する能力を持っています。この速度は、契約書や説明書などの長文コンテンツを効率的に音声化する上で重要な指標となります。
- 長文テキスト: 1秒あたり約25文字の生成速度
- 短文テキスト: 生成完了まで数秒を要する
短文と長文の処理速度
短文の処理は、長文に比べて相対的に時間がかかる傾向があります。これは、APIのリクエスト処理のオーバーヘッドによるものです。4096文字を超えるテキストは、自動的に分割され、各チャンクが独立して処理されます。
分割された音声ファイルは、最終的に単一の音声ファイルとして結合されます。このプロセスにより、大量のデータを効率的に処理することが可能になります。
キュー待機の影響
システムの負荷が高い場合、リクエストはキューに積み、処理順序待ちになります。これにより、実際の生成開始時間が遅れる可能性があります。特に、同時実行数が増加する状況では、キュー待機時間が顕著になることがあります。
レート制限は1分あたり60リクエスト(初回トップアップ前は1分あたり10リクエスト)です。これを超えると、キューが長引く可能性があります。事前にキューの状況を把握し、適切なタイミングでリクエストを送信することが推奨されます。
エラーハンドリング
APIは標準的なHTTPステータスコードを返却します。400はリクエスト形式、401は認証キー、429はレート制限(分60リクエスト)を示します。これにより、統合時のエラー分岐が明確になります。
合成処理が失敗した場合は課金が返還されます。メタデータは課金用として保持されますが、音声データは即時返却され、トレーニングデータには使用されません。
HTTPエラーコード
400 Bad RequestはJSON形式やパラメータの誤りを示します。401 Unauthorizedは無効なAPIキーです。429 Too Many Requestsは1分間60リクエストの制限に達したことを意味し、キュー待機が必要です。
- 400: リクエスト形式エラー
- 401: 認証エラー
- 429: レート制限超過
失敗時の課金返還
音声生成に失敗したリクエストに対する課金は全額返還されます。これにより、ネットワーク障害や一時的なサーバー負荷による失敗でもコストが発生しません。
タイムアウトの処理
処理が長時間かかっても課金は発生しません。ただし、レート制限(分60リクエスト)に達している場合、キュー待機が発生するため、タイムアウトのように見えても課金対象ではありません。
フォーマットの互換性
APIはmp3、wav、opus、flac、pcmの5つの音声フォーマットに対応します。生成された音声ファイルは即時レスポンスとして返却され、サーバーには保存されません。
mp3, wav, opus, flac, pcm
各フォーマットは用途に応じて選択可能です。mp3は通信コストを抑え、wavやflacは高品質な録音に適します。pcmは生の音声データとして処理したい場合に利用します。
音声データのエンコーディング
エンコーディングはAPI内部で処理され、ユーザーが指定した形式で出力されます。音声ファイルは合成音声を示す不可聴の透かしマークを内蔵しています。
ストリーミングの非存在
本APIはストリーミングに対応していません。完全な音声ファイルが生成されるまで待機する必要があります。WebSocketやリアルタイムpartial audioは提供されません。
将来の拡張性
当APIは現在8種類のプリセット音声と23言語を提供していますが、将来的には音声ライブラリの拡充や、新たな言語サポートの追加が計画されています。これにより、グローバルな法務チームの要件にもより柔軟に対応可能になります。
APIの互換性を保ちつつ、エンドポイントの進化を図ります。既存のOpenAI SDK互換性を維持しつつ、必要に応じて新しい機能やフォーマットの追加を行い、長期的な安定した運用を支える基盤を構築します。
新しい音声の追加
既存の8音声に加え、特定の業界向けや、より専門的なトーンを持つ音声の追加が検討されています。これにより、契約書や特許文書など、異なる文脈に最適化された音声選択の幅が広がります。
言語の拡張
これにより、多国籍な法務部門における契約書の音声化要件をより広く満たすことが可能になります。
APIのエボリューション
ベースとなるAPI構造はOpenAI互換性を維持しつつ、必要に応じて新しいエンドポイントやパラメータの追加が行われます。既存の統合を崩さずに、機能性を段階的に向上させるアプローチを取ります。
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。 入力テキストは音声生成の目的でのみ使用され、モデルの改善や再学習のためのトレーニングデータとして利用されることはありません。
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
- Wikipedia
- IETF RFC 7845: Ogg Opus
- Node.js documentation
- LibriTTS-R paper (arXiv 2305.18802)
- LibriVox public-domain audiobooks
- curl documentation
- TRON developer hub: TRC-20
- MDN: Web Speech API
- openai-node on GitHub
- LibriTTS-R corpus (OpenSLR 141)
- W3C WAI: making audio and video accessible
- Creative Commons Attribution 4.0
