TTS（テキスト読み上げ） - Phaseo Docs

テキストを POST /v1/audio/speech に送ると、指定した形式の読み上げ音声が返ってきます。例では、インストールのとおりに作成した client を使います。

import { writeFile } from "node:fs/promises";

const audio = await client.generateSpeech({
  model: "openai/gpt-4o-mini-tts",
  input: "Hello world",
  voice: "alloy",
  format: "mp3",
});

await writeFile("hello.mp3", Buffer.from(await audio.arrayBuffer()));

audio = client.generate_speech({
    "model": "openai/gpt-4o-mini-tts",
    "input": "Hello world",
    "voice": "alloy",
    "format": "mp3",
})

with open("hello.mp3", "wb") as file:
    file.write(audio)

audio, err := client.CreateSpeech(context.Background(), map[string]interface{}{
  "model":  "openai/gpt-4o-mini-tts",
  "input":  "Hello world",
  "voice":  "alloy",
  "format": "mp3",
})
if err != nil {
  panic(err)
}
fmt.Printf("%T\n", audio) // check the concrete type before writing it to a file

var audio = await client.CreateSpeech(new Dictionary<string, object>
{
    ["model"] = "openai/gpt-4o-mini-tts",
    ["input"] = "Hello world",
    ["voice"] = "alloy",
    ["format"] = "mp3",
});

$audio = $client->createSpeech([
    'model' => 'openai/gpt-4o-mini-tts',
    'input' => 'Hello world',
    'voice' => 'alloy',
    'format' => 'mp3',
]);

audio = client.generate_speech(
  model: 'openai/gpt-4o-mini-tts',
  input: 'Hello world',
  voice: 'alloy',
  format: 'mp3'
)

String body = """
{
  "model": "openai/gpt-4o-mini-tts",
  "input": "Hello world",
  "voice": "alloy",
  "format": "mp3"
}
""";

byte[] audio = client.rawClient().requestBytes("POST", "/audio/speech", null, null, body);
java.nio.file.Files.write(java.nio.file.Path.of("hello.mp3"), audio);

言語ごとのメソッド

言語	メソッド	戻り値
TypeScript	`client.generateSpeech(request)`	`Blob`
Python	`client.generate_speech(request)` または `client.audio.speech.create(request)`	`bytes`
Go	`client.CreateSpeech(ctx, req)`	`interface{}`。ファイルに書き込む前に具体的な型を確認してください
C#	`client.CreateSpeech(request)`	`object?`。ファイルに書き込む前に具体的な型を確認してください
PHP	`$client->createSpeech($request)`	音声。ファイルに書き込む前に値の型を確認してください
Ruby	`client.generate_speech(...)`、別名 `create_speech`	音声。ファイルに書き込む前に値のクラスを確認してください
Java	音声合成のメソッドはありません。`client.rawClient().requestBytes("POST", "/audio/speech", ...)` で JSON 本文を送信します	`byte[]`

Rust には音声合成のメソッドがなく、post() ヘルパーはレスポンスを JSON として解析するため、音声を返せません。

パラメーター

どの SDK でも、フィールド名は JSON 本文のフィールドです。format を使ってください。API は response_format も受け付けますが、TypeScript のリクエスト型はこれを拒否します。

フィールド	注記
`model`	必須。音声合成モデルの ID。
`input`	必須。読み上げるテキスト。多くのプロバイダーは最大 4,096 文字まで受け付けます。ElevenLabs のモデルは、モデルによって 5,000〜40,000 文字まで使えます。
`voice`	プロバイダー間で正規化された音声の別名（推奨）、プロバイダー独自の音声の値、または `id` か `name` を持つオブジェクト。ルーティング先のプロバイダーで有効な音声でない場合、API は `param: "voice"` 付きの `400` を返します。
`format`	`mp3`、`wav`、`ogg`、`aac`、`flac`、`opus`、`pcm` のいずれか。
`speed`	再生速度。`0.25`〜`4`。
`instructions`	スタイルの指示（モデルが対応している場合）。
`config`	プロバイダー固有の設定。下記を参照してください。
`provider`	プロバイダーのルーティング設定。

完全なスキーマは Speech API リファレンスにあります。

プロバイダー独自の音声を設定する

プロバイダーの正確な音声を config の下に渡します。同じ入れ子のオブジェクトは、どの SDK のリクエストマップでも使えます。

// ElevenLabs: pick an exact voice ID
await client.generateSpeech({
  model: "eleven-labs/eleven-v3",
  input: "Hello from ElevenLabs",
  voice: "rachel",
  config: {
    elevenlabs: {
      voice_id: "21m00Tcm4TlvDq8ikWAM",
    },
  },
});

// Google: pick an exact voice name
await client.generateSpeech({
  model: "google/gemini-3.1-flash-tts-preview",
  input: "Hello from Gemini",
  voice: "kore",
  config: {
    google: {
      voice_name: "Kore",
    },
  },
});

# ElevenLabs: pick an exact voice ID
client.generate_speech({
    "model": "eleven-labs/eleven-v3",
    "input": "Hello from ElevenLabs",
    "voice": "rachel",
    "config": {"elevenlabs": {"voice_id": "21m00Tcm4TlvDq8ikWAM"}},
})

# Google: pick an exact voice name
client.generate_speech({
    "model": "google/gemini-3.1-flash-tts-preview",
    "input": "Hello from Gemini",
    "voice": "kore",
    "config": {"google": {"voice_name": "Kore"}},
})

最終更新日 2026年11月5日