Speechify.aiとは何ですか？
Speechify.aiは、開発者向けに提供されるテキスト読み上げAPIおよび音声クローンサービスです。Simbaモデルを通じて、48言語に対応した表現力豊かな音声合成や、リアルタイムでのストリーミング出力を実現します。利用にはAPIキーが必要であり、文字数に応じた従量課金制のサブスクリプションプランでアクセスできます。
Speechify.aiの特徴は何ですか？
- 多言語テキスト読み上げSimba 3.5モデルを使用し、1つのAPIリクエストで48言語に対応する音声生成が可能です。
- 音声クローン機能同意を得た参考録音から、再利用可能なカスタム音声を作成できます（有料プラン限定）。
- 低遅延ストリーミングリアルタイムアプリケーション向けに、最初の音声バイトまでの待ち時間を短縮するストリーミングAPIを提供します。
- SSMLによる制御シミュレーションマークアップ言語（SSML）を用いて、ポーズやペースなどの発話タイミングを調整できます。
- モデル選択の柔軟性フラグシップのSimba 3.5に加え、英語特化のSimba 3.2や6言語対応のSimba 3.0を選択して利用可能です。
Speechify.aiの使用例は何ですか？
- マルチリンガルな音声エージェント国際的な顧客サポートやアプリにおいて、ユーザーの言語設定に合わせて即座に自然な音声応答を返すシステム構築。
- パーソナライズされたオーディオコンテンツ個人クリエイターや企業ブランドが、自身の声や許可を得た声をデジタルアセットとして再利用し、動画や記事のナレーションを自動化する場面。
- 高頻度・低コストのバッチ処理大量のテキストデータを音声ファイルに変換する必要があり、文字単価を抑えつつ安定した品質を求める開発チームのプロダクション環境。
Speechify.aiの使い方は？
- APIエンドポイントへの接続
https://api.speechify.ai/v1/audio/streamに対して、Bearerトークンを含むHTTPリクエストを送信します。 - パラメータの設定JSONボディ内で、入力テキスト（input）、モデル名（model）、言語コード（language）、およびボイスID（voice_id）を指定します。
- 音声データの受信レスポンスヘッダーで
audio/mpegを指定し、返却されるバイナリストリームを音声ファイルとして保存または再生します。
Speechify.aiの価格情報：
- Free$0/月。毎月500K文字が付与され、Simba 3.5は期間により上限が異なります。クレジットカード不要で、カタログボイス、ストリーミング、SSML機能が利用可能です。
- Starter$10/月。毎月1.9M文字（Simba 3.5は期間により950K～1.9M）が含まれます。音声クローン、ストリーミング、SSMLが利用可能で、超過分はトップアップで継続可能です。
- Pro$99/月。毎月13.5M文字（Simba 3.5は期間により6.75M～13.5M）が含まれます。音声クローン機能にプランごとの制限がなく、より低い単価で利用可能です。
- Scale$499/月。毎月78M文字（Simba 3.5は期間により39M～78M）が含まれます。公開されている最安値のレートで、最大25席と100のサービスアカウントを利用できます。
