複数話者の音声生成

複数キャラクターの対話テキストを完全な対話音声に合成します。ポッドキャスト、ロールプレイ、オーディオブック、講座の対話に適しています。

1. APIキーを作成

   APIキー管理プラットフォームにアクセスしてAPIキーを作成し、環境変数として保存してください。APIキーをクライアントコードに書き込んだり、リポジトリにコミットしたりしないでください。

   MOSS_API_KEY=<your_api_key_here>

2. リクエスト入力を準備

   speakersで話者とvoice_idを宣言し、segmentsで話者ごとのセリフを指定します。同期呼び出しではdelivery_methodに応じて音声バイナリまたは結果URLが返されます。時間のかかる処理ではasync=trueを渡して非同期タスクを作成し、返されたtask_idで結果を照会します。

   フィールド型必須説明

   model: string必須

   moss-ttsd-1.0

   speakers: array必須

   話者IDとvoice_idの対応関係

   segments: array必須

   順番に並べたセグメントテキスト。speakerでspeakers.idと関連付けます

   delivery_method: string任意

   同期リクエストでURLを返すか音声を直接返すかを制御します。response_formatは同期出力の形式にのみ使用されます

   ボイスを試聴し、対応するVoice IDをコピーしてリクエストに入力してください。

   その他のボイスは Mosslandボイスライブラリでご確認ください。

   {
     "model": "moss-ttsd-1.0",
     "speakers": [
       {
         "id": "speaker_a",
         "voice_id": "7e5020e3-b88e-4271-a996-2908a182dd32"
       },
       {
         "id": "speaker_b",
         "voice_id": "2925f9ce-75af-4354-8757-b52c3e541e8c"
       }
     ],
     "segments": [
       {
         "speaker": "speaker_a",
         "text": "ねえ、最近AIについての記事を読んだんだけど、けっこう面白くて、ちょっと話したいなと思って。"
       },
       {
         "speaker": "speaker_b",
         "text": "え、そうなの？何についての記事？またどこかの会社がとんでもない新モデルでも出したの？"
       }
     ],
     "response_format": "wav",
     "delivery_method": "audio"
   }

3. 最初のリクエストを送信

   このシナリオのエンドポイントにリクエストを送信します。同期リクエストではdelivery_methodに応じて音声バイナリ、または結果URLを含むJSONが返されます。async=trueの場合はタスクオブジェクトが即座に返されます。

   curl --fail-with-body -sS -X POST "https://api.mosi.cn/v1/audio/speech/speakers" \
   -H "Authorization: Bearer $MOSS_API_KEY" \
   -H "Platform: moss-platform" \
   -H "Content-Type: application/json" \
   -d '{
   "model": "moss-ttsd-1.0",
   "speakers": [
   {
   "id": "speaker_a",
   "voice_id": "7e5020e3-b88e-4271-a996-2908a182dd32"
   },
   {
   "id": "speaker_b",
   "voice_id": "2925f9ce-75af-4354-8757-b52c3e541e8c"
   }
   ],
   "segments": [
   {
   "speaker": "speaker_a",
   "text": "ねえ、最近AIについての記事を読んだんだけど、けっこう面白くて、ちょっと話したいなと思って。"
   },
   {
   "speaker": "speaker_b",
   "text": "え、そうなの？何についての記事？またどこかの会社がとんでもない新モデルでも出したの？"
   }
   ],
   "response_format": "wav",
   "delivery_method": "audio"
   }'

   import os
   import requests
   
   resp = requests.post(
       "https://api.mosi.cn/v1/audio/speech/speakers",
       headers={
           "Authorization": f"Bearer {os.environ['MOSS_API_KEY']}",
           "Content-Type": "application/json",
       },
       json={
           "model": "moss-ttsd-1.0",
           "speakers": [
               {
                   "id": "speaker_a",
                   "voice_id": "<speaker_a_voice_id>"
               },
               {
                   "id": "speaker_b",
                   "voice_id": "<speaker_b_voice_id>"
               }
           ],
           "segments": [
               {
                   "speaker": "speaker_a",
                   "text": "こんにちは、Aです。"
               },
               {
                   "speaker": "speaker_b",
                   "text": "こんにちは、Bです。"
               }
           ],
           "delivery_method": "url",
           "response_format": "mp3"
       },
   )
   
   print(resp.status_code)
   print(resp.json())

   const response = await fetch("https://api.mosi.cn/v1/audio/speech/speakers", {
     method: "POST",
     headers: {
       Authorization: `Bearer ${process.env.MOSS_API_KEY}`,
       "Content-Type": "application/json",
     },
     body: JSON.stringify({
     "model": "moss-ttsd-1.0",
     "speakers": [
       {
         "id": "speaker_a",
         "voice_id": "<speaker_a_voice_id>"
       },
       {
         "id": "speaker_b",
         "voice_id": "<speaker_b_voice_id>"
       }
     ],
     "segments": [
       {
         "speaker": "speaker_a",
         "text": "こんにちは、Aです。"
       },
       {
         "speaker": "speaker_b",
         "text": "こんにちは、Bです。"
       }
     ],
     "delivery_method": "url",
     "response_format": "mp3"
   }),
   });
   
   console.log(response.status);
   console.log(await response.json());

4. タスクの結果を取得

   delivery_method=urlで同期呼び出しを行った場合は、レスポンスJSONから結果URLを読み取ります。async=trueを渡すとtask_idが返されるので、GET /v1/audio/tasks/{task_id}でタスク結果を照会できます。

   curl https://api.mosi.cn/v1/audio/tasks/$TASK_ID \
     -H "Authorization: Bearer $MOSS_API_KEY"

5. 成功を確認

   成功の目安：完全な対話音声（delivery_method=audio）または結果URL（delivery_method=url）を取得でき、ダウンロードまたは再生できます。

次のステップ