Text-to-Speech
Google の最先端 AI テクノロジーを活用した API を利用して、テキストを自然な音声に変換できます。
新規のお客様には、Text-to-Speech で使用できる無料クレジット $300 分を差し上げます。
-
自然でスマートな応答で顧客対応を改善
-
デバイスやアプリケーションの音声ユーザー インターフェースでユーザーを引き付ける
-
ユーザーが選ぶ音声と言語に基づいてコミュニケーションをパーソナライズ
利点
忠実度の高い音声
Google の画期的なテクノロジーを導入すれば、人間のような自然なイントネーションの音声を生成できます。DeepMind の専門的な音声合成技術をベースに構築された API が、人間にかなり近い音声を実現します。
豊富な音声の種類
中国語（北京語）、ヒンディー語、スペイン語、アラビア語、ロシア語など、50 以上の言語と言語変種、380 種類以上の音声から選択できます。ユーザーとアプリケーションに最適な音声を選ぶことができます。
独自の音声
他の企業も使用している一般的な音声の代わりに、貴社のブランドを代表するオリジナルの音声を作成して、顧客とのあらゆるタッチポイントに使用できます。
デモ
Text-to-Speech を試してみましょう
テキストを入力し、言語を選択して [Speak It] をクリックすれば、すぐに読み上げられます。
主な機能
主な機能
Neural2 音声
カスタム音声の背後にある最新の研究に基づく音声を使用して、音声エクスペリエンスを多言語化できます。
Studio Voices（プレビュー版）
スタジオ品質の環境で録音された、プロフェッショナルなナレーションのコンテンツでリスナーの注意を引き付けます。ぜひヘッドホンでお試しください。
カスタム音声
独自の音声録音を使用してカスタム音声モデルをトレーニングし、オリジナルの、より自然な音声を作成します。自社に合う音声プロファイルを定義、選択でき、音声を変更する必要が生じたときにもすばやく調整可能です。新しくフレーズを録音する必要はありません。
音声のチューニング
選択した音声の高さ（ピッチ）を、デフォルトから上下 20 セミトーン（半音 20 個分）の幅で調整可能です。また、発話の速度を通常の 4 倍まで速くまたは遅く調整可能です。
テキストと SSML のサポート
SSML タグを使用すると、息つぎ、数字、日時形式、その他の発音上の指示を追加して発話をカスタマイズできます。
ドキュメント
ドキュメント
Text-to-Speech の基本
Text-to-Speech API の使用に関する基本的なコンセプトのガイドです。
クイックスタート: コマンドラインの使用
Google Cloud プロジェクトと認証情報を設定し、テキストから音声を生成するよう Text-to-Speech にリクエストを送信します。
サポートされている音声と言語
このプロダクトに関するガイドとリソースをご覧ください。
カスタム音声（ベータ版）の概要
カスタム音声機能を使用して、独自のスタジオ品質の音声録音をベースに、オリジナルの、より自然な音声を作成する方法をご確認ください。
WaveNet とその他の合成音声
プレミアム WaveNet 音声を含む、Text-to-Speech で使用できるさまざまな合成音声について学習します。
SSML で住所を読み上げる
このチュートリアルでは、音声合成マークアップ言語（SSML）を使用して、いくつかの住所を含むテキスト ファイルを読み上げる方法を説明します。
ユースケース
ユースケース
あらかじめ録音された固定的な音声を再生するのではなく、動的に音声を生成する Dialogflow の音声 bot で、カスタマー サービスにおける音声エクスペリエンスを改善します。発信者に親近感とパーソナルな印象を与える高品質の合成音声で対応します。
デバイスのテキスト リーダーで人間のような音声を使用することで、ユーザーとの自然なコミュニケーションが可能になります。Speech-to-Text と Natural Language を取り入れてエンドツーエンドの音声ユーザー インターフェースを構築し、スムーズで魅力的なインタラクションでユーザー エクスペリエンスを改善します。
EPG にテキストを読み上げさせることによって、ユーザー エクスペリエンスを向上させ、サービスやアプリケーションのユーザー補助の要件を満たすことができます。EPG デモをお試しください。
EPG のテキスト読み上げ機能は簡単に実装できます。
すべての機能
すべての機能
| カスタム音声（ベータ版） | 独自の音声録音を使用してカスタム音声合成モデルをトレーニングし、オリジナルの、より自然な音声を作成します。自社に合う音声プロファイルを定義、選択でき、音声を変更する必要が生じたときにもすばやく調整可能です。新しくフレーズを録音する必要はありません。詳細 |
| 選択できる音声と言語 | 40 以上の言語と言語変種、220 種類以上の音声から選択できます（今後も順次追加予定）。 |
| WaveNet 音声 | DeepMind の音声生成に関する画期的な研究に基づいて開発された 90 以上の WaveNet 音声を利用すると、実際の人間による発話との差が大きく縮まります。 |
| テキストと SSML のサポート | SSML タグを使用すると、息つぎ、数字、日時形式、その他の発音上の指示を追加して発話をカスタマイズできます。 |
| 声の高さのチューニング | 選択した音声の高さ（ピッチ）を、デフォルトから上下 20 セミトーン（半音 20 個分）の幅で調整可能です。 |
| 発話速度のチューニング | 発話の速度を通常の 4 倍まで速くまたは遅く調整可能です。 |
| ボリュームのゲイン コントロール | 出力のボリュームを最大 16 db、最小 -96 db の幅で調整可能です。 |
| REST と gRPC API の統合 | スマートフォン、PC、タブレット、IoT デバイス（例: 自動車、テレビ、スピーカー）など、REST または gRPC リクエストを送信できるすべてのアプリケーションやデバイスとの間で簡単に統合できます。 |
| さまざまな音声形式に柔軟に対応 | テキストを MP3、Linear16、OGG Opus、その他さまざまな音声形式に変換します。 |
| 音声プロファイル | スピーカーの種類（ヘッドホン、電話回線など）に応じて音声を最適化できます。 |
料金
料金
Text-to-Speech の料金は、音声への合成のためにサービスに送信された文字数に基づいて、月単位で請求されます。WaveNet 音声の最初の 100 万文字は、毎月無料です。WaveNet 以外の標準音声は、毎月最初の 400 万文字が無料です。Text-to-Speech は無料枠以降 100 万文字ごとに課金されます。
米ドル以外の通貨でお支払いの場合は、Google Cloud SKU に記載されている該当の通貨の料金が適用されます。