API リファレンステキスト読み上げ
TTS モデル
テキスト読み上げで利用できる modelId とモデル選択のガイドです。
利用可否はサイトとアカウントによって異なります。GET /api/open/v3/speech/tts/capabilities で確認してください。stability / similarity は Kitta Audio では 0.5–1.5（両方の既定値は 1）、ElevenLabs では 0–1（既定値は 0.5 / 0.75）です。ElevenLabs の速度は 0.7–1.2 が必要で、volume は適用されません。未対応の設定は省略してください。
TTS モデル
modelId は TTS エンジンとバージョン、voiceId は音声を指定します。同期・非同期リクエストでは両方を送信することを推奨します。
対応している modelId
modelId | ブランド | バージョン | 主な用途 |
|---|---|---|---|
fishaudio-s21pro | FishAudio | S2.1 Pro | 本番コンテンツ向けの高品質モデル |
fishaudio-s21pro-flash | FishAudio | S2.1 Pro Flash | 既定、高速でクレジット消費が少ない |
fishaudio-s2pro | FishAudio | S2 Pro | S2 Pro 対応ワークフロー |
fishaudio-s1 | FishAudio | S1 | 既存の S1 連携 |
minimax-2.8-turbo | MiniMax | Speech 2.8 Turbo | 速度重視の標準モデル |
minimax-2.8-hd | MiniMax | Speech 2.8 HD | 高品質な MiniMax 出力 |
minimax-2.6-turbo | MiniMax | Speech 2.6 Turbo | 2.6 Turbo 互換 |
minimax-2.6-hd | MiniMax | Speech 2.6 HD | 2.6 HD 互換 |
qwen3-tts-flash | Qwen | TTS 3 Flash | Qwen 音声による高速生成 |
qwen-audio-3.0-tts-plus | Qwen | Audio 3.0 Plus | 自然言語の音声指示に対応する高品質生成 |
qwen-audio-3.0-tts-flash | Qwen | Audio 3.0 Flash | システム音声とクローン音声に対応する高速生成 |
cosyvoice-v3-flash | CosyVoice | V3 Flash | 低遅延の多言語システム音声 |
doubao-tts-2.0 | Doubao | Seed TTS 2.0 | 自然で表現力豊かな中国語システム音声 |
gemini-3.8-flash-tts | Gemini 3.8 Flash | — | |
gemini-3.8-flash-lite-tts | Gemini 3.8 Flash Lite | — | |
elevenlabs-flash-v2.5 | ElevenLabs | Flash v2.5 | — |
elevenlabs-multilingual-v2 | ElevenLabs | Multilingual v2 | — |
最新の公開モデル一覧は GET /api/openapi.json の TTS スキーマを参照してください。voiceId と同じブランドのモデルを選択します。
リクエスト例
{
"text": "こんにちは、TTS モデルのテストです。",
"voiceId": "00a1b221-6137-4b73-ad62-b0cbce134167",
"modelId": "fishaudio-s21pro-flash",
"format": "mp3"
}完全なリクエスト仕様は 同期 HTTP、非同期ジョブ、OpenAI 互換 TTS を参照してください。