音声合成 — BazaarLink API

ドキュメント APIリファレンス SDKリファレンスエージェント利用 AIスキル

音声合成

/v1/models?output_modalities=speech のモデル ID でテキストを音声に変換します。モデルページの100万文字あたりの価格で課金されます。音声全体をバッファしてからバイナリで返し、分割ストリーミングには対応していません。provider、transforms、route、service_tier、preset などのルーティング制御フィールドは無視されます。

POST/v1/audio/speech

認証

Authorization必須

string · header

Authorization ヘッダーに Bearer トークンとして API キーを渡します。

Body

model必須

string

/v1/models のモデル ID または別名。

input必須

string

合成する文字。

1–4096 characters (10,000 for elevenlabs/eleven-v4 and eleven-v4-turbo)

voice

string

選択したモデルが対応する音声。ElevenLabs モデル（elevenlabs/*）は音声名（george, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will）を指定でき、省略も可能です（既定は george）。それ以外の値は 400 invalid_voice になります (OpenAI: alloy)。他のモデルでは必須です。アカウントで有効になっていれば、自分のカスタムボイス（voice_…、「カスタムボイス」参照）も指定できます。

response_format

string

出力音声の形式。対応範囲はモデルによって異なります。ネイティブ WAV ルートは現在 WAV のみを生成し、変換は行いません。mp3 や opus を指定しても audio/wav が返ります。レスポンスの Content-Type に従って保存してください。

mp3opusaacflacwavpcm

speed

number

話す速さ。0.25〜4.0 の範囲で、効果の有無はモデルによります。

0.25–4.0

instructions

string

音声生成への指示。効果の有無はモデルによります。

stability

number

声の安定性（0〜1、既定 0.5）。低いほど感情豊か、高いほど平坦になります。当社の直接音声ルートで処理される elevenlabs/* モデルで有効です。レスポンスヘッダー X-Voice-Settings が applied（適用）か ignored（未適用）を示します。

0–1 (0.5)

similarity_boost

number

元の声との類似度（0〜1、既定 0.75）。Eleven v3 では使われません。

0–1 (0.75)

style

number

スタイルの強調度（0〜1、既定 0）。0 より大きいと遅延が増えます。Eleven v4 では使われません。

0–1 (0)

use_speaker_boost

boolean

元の話者との類似度を高めます（既定 true）。わずかに遅延が増えます。

true / false (true)

clone_strength

number

クローン強度（0〜1、通常は 0 を推奨）。Eleven v4 向けに学習したご自身のプロフェッショナルクローン音声（voice_…）にのみ有効です。

0–1

language_code

string

読み上げ言語を指定する 2 文字の小文字の言語コード（ISO 639-1。例：ar、ja、en）。multilingual-v2 モデルでは使われません。

ISO 639-1, e.g. ar, ja, en

audio_effects

object

任意のオーディオエフェクトのオブジェクト：filter_preset_id（フィルター。例 phone、old_radio）、environment_id（残響空間。例 small_room、hall）、background_noise_id（背景音。例 cafe）、distance（距離 0〜1）、send_level（残響量 0〜1）、pan（左右位置 −1〜1）。ID は小文字・数字・アンダースコアのみ。追加料金はありません。残響または pan が 0 以外だとステレオ出力になり、pcm 出力とは併用できません。

filter_preset_id, environment_id, background_noise_id, distance 0–1, send_level 0–1, pan −1…1

詳細ガイド →

POST /v1/audio/speech

1
2
3
4
5
6
7
8
9
10
11
12
curl https://api.bazaarlink.ai/v1/audio/speech \
  -H "$BAZAARLINK_AUTH_HEADER" \
  -H "Content-Type: application/json" \
  -d '{"model":"<speech-model-id>","input":"Hello","voice":"alloy","response_format":"mp3"}' \
  --output speech.mp3

# Voice settings (elevenlabs/* models; the X-Voice-Settings response header says applied or ignored)
curl -D - https://api.bazaarlink.ai/v1/audio/speech \
  -H "$BAZAARLINK_AUTH_HEADER" \
  -H "Content-Type: application/json" \
  -d '{"model":"elevenlabs/eleven-v4","input":"Hello","voice":"george","stability":0.4,"similarity_boost":0.8,"style":0.2,"use_speaker_boost":true,"language_code":"en","audio_effects":{"distance":0.3}}' \
  --output speech.mp3

レスポンス例

成功。

1
<binary audio>