よくある質問
TTS Playgroundとは何ですか?
KoeMakuは、機械学習用の合成音声データセット作成に特化したインディー開発者向けTTS APIです。テキストを送信すると音声ファイルが返るシンプルなAPIで、OpenAI SDKの互換性を持ちます。大量のテキストを効率的に音声に変換し、学習データの作成を支援します。
音声のライセンスはどのようなものですか?
音声はLibriTTS-R(CC BY 4.0)およびLibriVoxの録音を基にしています。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。これにより、機械学習データセットとしての利用が容易になり、ライセンスの整合性を保つことができます。
データポリシーはどのようになっていますか?
入力テキストは音声生成のみに使用され、学習には利用されません。生成された音声はレスポンスで返され、保存されません。請求のために使用した時間、文字数、ステータスのメタデータのみが保持されます。プライバシーを重視した設計です。
APIの制限は何ですか?
1リクエストあたり4096文字まで、1分あたり60リクエストの制限があります。ストリーミングやSSML、カスタム音声クローンは提供していません。音声は一度に処理され、負荷が高い場合はキューで待機する場合があります。これにより安定した品質を保ちます。
サポートはどのように受け取りますか?
サポートはメールのみで行っています。電話やライブチャット、SLAや稼働率保証はありません。インディー開発者のニーズに合わせたシンプルな対応を心がけています。技術的な質問や問題発生時は、お気軽にメールでご連絡ください。
APIの特性は何ですか?
OpenAI SDKと互換性のあるエンドポイントを提供します。8種類の音声プリセットと23言語に対応し、mp3やwavなど複数の形式で出力可能です。速度調整や文字単位の課金など、開発者がデータセットを効率的に作成するための機能を提供します。
TTS Playgroundのチームは誰ですか?
KoeMakuはインディー開発者によって運営されています。大規模な企業ではなく、機械学習データの効率化に情熱を注ぐ個人開発者のネットワークです。開発者目線で設計され、シンプルで透明性の高いサービスを提供しています。
APIの使命は何ですか?
機械学習のための合成音声データセット作成を効率化することです。大量のテキストを高速に音声に変換し、開発者のワークフローを支援します。高品質な音声データを簡単に入手できるようにすることで、AI研究と開発を促進します。
私たちについて
KoeMakuは、機械学習のための合成音声データセット作成に特化したAPIを開発するインディープロジェクトです。私たちは、独自に音声データを収集・処理する手間を省き、効率的に学習データを構築できる環境を提供することを目指しています。
開発者のみなさんが、大量のテキストを迅速に音声に変換し、AIモデルの品質向上に役立てられるよう、シンプルで堅牢なAPIインターフェースを設計しています。
インディー開発者への焦点
私たちは、大規模な企業向けではなく、自律的に開発を進めるインディー開発者のニーズに焦点を当てています。複雑な契約や高額な初期費用ではなく、APIキー一つで即座に利用を開始できる構造を採用しています。
- APIキーのみで即時利用開始
- 複雑な契約プロセスの省略
- インディー開発者に最適化されたワークフロー
合成音声APIの使命
私たちの使命は、高品質な合成音声データを容易に入手できるようにすることです。LibriTTS-R(CC BY 4.0)およびLibriVoxの録音データを活用したエンジンにより、多様な音声スタイルを生成できます。
- 効率的なデータセット作成
- 多様な音声スタイルの提供
- シンプルなコードでの実装
チームの背景
チームは、テキストから音声への変換技術に情熱を注ぐ開発者たちで構成されています。長年の開発経験とAPI設計のノウハウを活かし、開発者が直感的に扱えるインターフェースを実現しています。
音声のライセンス
KoeMakuの音声は、LibriVoxの公開オーディオブック録音に由来しています。これにより、著作権のクリアされた高品質なデータセットを効率的に構築できます。
LibriTTS-Rライセンス
生成音声はLibriTTS-Rライセンス(CC BY 4.0)に従います。
- CC BY 4.0ライセンス準拠
- 商用利用を含むデータセット構築が可能
LibriVoxの公的録音
8つの音声プリセットはすべて、LibriVoxの録音に基づいています。独自に録音したわけではなく、既に広く公開された声質を利用しています。
- LibriVoxの公開録音データを使用
- パブリックドメイン由来の声質
合成音声のウォーターマーク
生成される音声ファイルには不可視のウォーターマークが埋め込まれます。これにより、その音声が人工的に生成されたものであることを技術的に証明できます。
- 生成音声への不可視ウォーターマーク埋め込み
- 合成音声であることを示す技術的証跡
データポリシー
当APIは合成音声データセットの作成に特化しています。入力テキストは音声生成専用であり、モデル学習には一切使用しません。
入力テキストの使用
送信されたテキストは音声ファイルの生成にのみ使用され、他の目的や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。
生成音声の保存
生成された音声はレスポンスとして返されるのみで、サーバー上には永続的に保存されません。
メタデータの保持
請求処理のために、リクエスト時刻、文字数、ステータスなどのメタデータのみを保持します。
APIの制限と特性
APIはリクエストごとに音声ファイル全体を返すため、ストリーミングやWebSocketによるリアルタイムな音声ストリーミングには対応していません。大量のテキストをバッチ処理して機械学習用のデータセットを作成するワークフローには最適です。
SSMLや音素辞書、カスタマイズ可能な発音ルールもサポートしていません。シンプルなテキスト入力と音声設定の組み合わせで、予測可能な出力を得ることができます。
ストリーミングなし
エンドポイント POST /v1/audio/speech は、音声合成が完了した後にファイル全体を返します。リアルタイム性の高い対話型アプリケーションには不向きですが、バッチ処理によるデータセット作成には適しています。
SSMLなし
音声の強調や間、発音記号などのSSMLタグは利用できません。テキストの前後のスペースや句読点も文字数としてカウントされ、速度や音質には影響しません。
カスタム音声クローニングなし
既存の8種類のボイスプリセットから選択する形式です。独自の録音データから新しい声を生成したり、特定の人物の声を模倣したりする機能は提供していません。

サポートと連絡先
KoeMakuはインディー開発者のための軽量なTTS APIを提供しています。大規模な企業のような複雑なサポート体制を持たず、開発者が素早くAPIの動作を確認し、データセット作成のワークフローを停滞させないことを重視しています。
サポートはすべて非同期のメール対応です。質問やバグ報告は、開発チームが直接確認し、可能な限り迅速に返信します。
メールサポートのみ
すべての問い合わせはサポート宛てのメールアドレスに送信してください。APIキーの発行、課金の確認、技術的な質問など、何でも構いません。
インディー開発者として、メールであれば詳細なコンテキストを正確に伝えられ、記録も残るため、トラブルシューティングに最も適した手段だと考えています。
- 返信は平日の営業時間を想定していますが、急ぎの案件も可能な限り対応します
電話番号なし
現在のところ、サポート用の電話番号は設置していません。音声通話よりも、テキストベースの記録が残るメールをメインチャネルとしています。
緊急のシステム停止時など、特別な事情がある場合を除き、電話での対応はありません。
ライブチャットなし
Webサイト上でのリアルタイムチャットウィジェットは導入していません。チャットは不確実な応答時間や接続の切断リスクを伴うため、開発者のワークフローに合わないためです。
['代わりに、ドキュメントとメールサポートを組み合わせることで、確実な情報共有を行います。']
誠実な制限
私たちは個人開発者向けにシンプルなAPIを提供していますが、大規模なインフラ運用に頼った保証は行っていません。
SLAなし
公式なSLAや可用性の保証はありません。
可用性保証なし
リクエストはキューで待機することがあります。
エンタープライズ契約なし
月額プランや顧客専有の契約形態は用意していません。
必要に応じて随時利用可能なシンプルな料金体系のみです。
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。 各形式は、データセットの用途に応じて最適化されており、開発者は生成後の音声ファイルをそのまま学習データとして利用できます。
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。
