単一話者の音声生成

テキストを単一ボイスの音声に合成します。ナレーション、カスタマーサポートのトークスクリプト、アナウンス、音声コンテンツの生成に適しています。

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

   テキスト、ボイス、モデルmoss-tts-1.5-flashを指定します。非ストリーミングでは音声またはURLを直接生成し、ストリーミングではstream=trueを渡します。

   フィールド型必須説明

   model: string必須

   moss-tts-1.5-flash

   input: string必須

   合成するテキスト

   voice_id: string必須

   ボイスID。ボイス一覧の照会APIまたはボイス作成APIから取得できます

   response_format: string任意

   同期リクエストの音声形式（例：mp3 / wav）。mp3を推奨

   delivery_method: string任意

   audioは音声を直接返します。urlはJSONと結果URLを返します

   stream: boolean任意

   trueに設定するとストリーミングレスポンスが有効になります

   非ストリーミングストリーミング

   {
     "model": "moss-tts-1.5-flash",
     "input": "Moss APIへようこそ。[pause 0.8s]これから音声を生成します。",
     "voice_id": "94aa4989-c7e9-5007-ae42-ab401823e6c9",
     "response_format": "mp3",
     "delivery_method": "url"
   }

   {
     "model": "moss-tts-1.5-flash",
     "input": "Moss APIへようこそ。",
     "voice_id": "94aa4989-c7e9-5007-ae42-ab401823e6c9",
     "stream": true,
     "response_format": "pcm",
     "stream_format": "sse"
   }

   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。

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音声、URL、またはテキストが直接返される場合があります。非同期リクエストではタスクオブジェクトが返されます。

   非ストリーミングSSEストリーミング

   curl -X POST "https://api.mosi.cn/v1/audio/speech" \
     -H "Authorization: Bearer $MOSS_API_KEY" \
     -H "Content-Type: application/json" \
     -d '{
     "model": "moss-tts-1.5-flash",
     "input": "Moss APIへようこそ。[pause 0.8s]これから音声を生成します。",
     "voice_id": "94aa4989-c7e9-5007-ae42-ab401823e6c9",
     "response_format": "mp3",
     "delivery_method": "url"
   }'

   import os
   import requests
   
   resp = requests.post(
       "https://api.mosi.cn/v1/audio/speech",
       headers={
           "Authorization": f"Bearer {os.environ['MOSS_API_KEY']}",
           "Content-Type": "application/json",
       },
       json={
           "model": "moss-tts-1.5-flash",
           "input": "Moss APIへようこそ。[pause 0.8s]これから音声を生成します。",
           "voice_id": "94aa4989-c7e9-5007-ae42-ab401823e6c9",
           "response_format": "mp3",
           "delivery_method": "url"
       },
   )
   
   print(resp.status_code)
   print(resp.json())

   const response = await fetch("https://api.mosi.cn/v1/audio/speech", {
     method: "POST",
     headers: {
       Authorization: `Bearer ${process.env.MOSS_API_KEY}`,
       "Content-Type": "application/json",
     },
     body: JSON.stringify({
     "model": "moss-tts-1.5-flash",
     "input": "Moss APIへようこそ。[pause 0.8s]これから音声を生成します。",
     "voice_id": "94aa4989-c7e9-5007-ae42-ab401823e6c9",
     "response_format": "mp3",
     "delivery_method": "url"
   }),
   });
   
   console.log(response.status);
   console.log(await response.json());

   curl -N -X POST "https://api.mosi.cn/v1/audio/speech" \
     -H "Authorization: Bearer $MOSS_API_KEY" \
     -H "Accept: text/event-stream" \
     -H "Content-Type: application/json" \
     -d '{
     "model": "moss-tts-1.5-flash",
     "input": "Moss APIへようこそ。",
     "voice_id": "94aa4989-c7e9-5007-ae42-ab401823e6c9",
     "stream": true,
     "response_format": "pcm",
     "stream_format": "sse"
   }'

   import os
   import requests
   
   with requests.post(
       "https://api.mosi.cn/v1/audio/speech",
       headers={
           "Authorization": f"Bearer {os.environ['MOSS_API_KEY']}",
           "Accept": "text/event-stream",
           "Content-Type": "application/json",
       },
       json={
           "model": "moss-tts-1.5-flash",
           "input": "Moss APIへようこそ。",
           "voice_id": "94aa4989-c7e9-5007-ae42-ab401823e6c9",
           "stream": True,
           "response_format": "pcm",
           "stream_format": "sse"
       },
       stream=True,
   ) as resp:
       resp.raise_for_status()
       for chunk in resp.iter_content(chunk_size=None):
           if chunk:
               print(chunk)

   const response = await fetch("https://api.mosi.cn/v1/audio/speech", {
     method: "POST",
     headers: {
       Authorization: `Bearer ${process.env.MOSS_API_KEY}`,
       Accept: "text/event-stream",
       "Content-Type": "application/json",
     },
     body: JSON.stringify({
     "model": "moss-tts-1.5-flash",
     "input": "Moss APIへようこそ。",
     "voice_id": "94aa4989-c7e9-5007-ae42-ab401823e6c9",
     "stream": true,
     "response_format": "pcm",
     "stream_format": "sse"
   }),
   });
   
   const reader = response.body?.getReader();
   // Consume streaming chunks according to the server-defined protocol

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。SSEを使用する場合はspeech.audio.doneまで読み取ります。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"

   resp = requests.get(
       f"https://api.mosi.cn/v1/audio/tasks/{task_id}",
       headers={"Authorization": f"Bearer {os.environ['MOSS_API_KEY']}"},
   )
   print(resp.json())

   const resp = await fetch(`https://api.mosi.cn/v1/audio/tasks/${taskId}`, {
     headers: { Authorization: `Bearer ${apiKey}` },
   })

5. 成功を確認

   成功の目安：結果音声（delivery_method=audio）または結果URL（delivery_method=url）を取得でき、生成された音声をダウンロードまたは再生できます。

次のステップ