Quickstart: Using the Command Line

This quickstart introduces you to the Cloud Text-to-Speech API. In this quickstart, you set up your Google Cloud Platform project and authorization and then make a request for the Text-to-Speech API to create audio from text.

To learn more about the fundamental concepts in Cloud Text-to-Speech API, read Cloud Text-to-Speech API Basics.

Before you begin

  1. Google アカウントにログインします。

    Google アカウントをまだお持ちでない場合は、新しいアカウントを登録します。

  2. GCP プロジェクトを選択または作成します。

    [リソースの管理] ページに移動

  3. プロジェクトに対して課金が有効になっていることを確認します。


  4. Cloud Text-to-Speech API を有効にする。

    Enable the API

  5. 認証情報の設定:
    1. GCP Console で [サービス アカウント キーの作成] ページに移動します。

      [サービス アカウント キーの作成] ページに移動
    2. [サービス アカウント] プルダウン リストから [新しいサービス アカウント] を選択します。
    3. [サービス アカウント名] フィールドに名前を入力します。
    4. [役割] プルダウン リストから値を選択しないでください。このサービスにアクセスするために必要な役割はありません。
    5. [作成] をクリックします。このサービス アカウントには役割がないという警告メッセージが表示されます。
    6. [役割なしで作成] をクリックします。キーが含まれている JSON ファイルがパソコンにダウンロードされます。
  6. 環境変数 GOOGLE_APPLICATION_CREDENTIALS をサービス アカウント キーが含まれる JSON ファイルのファイルパスに設定します。

  7. Cloud SDK をインストールし、初期化します

Synthesize audio from text

You can convert text to audio by making an HTTP POST request to the https://texttospeech.googleapis.com/v1/text:synthesize endpoint. In the body of your POST command, specify the type of voice to synthesize in the voice configuration section, specify the text to synthesize in the text field of the input section, and specify the type of audio to create in the audioConfig section.

  1. Run the following line at the command line to synthesize audio from text using the Text-to-Speech API. The command uses the gcloud auth application-default print-access-token command to retrieve an authorization token for the request.

    The response is directed to the output file, synthesize-output.txt.

    curl -H "Authorization: Bearer "$(gcloud auth application-default print-access-token) \
      -H "Content-Type: application/json; charset=utf-8" \
      --data "{
          'text':'Android is a mobile operating system developed by Google,
             based on the Linux kernel and designed primarily for
             touchscreen mobile devices such as smartphones and tablets.'
      }" "https://texttospeech.googleapis.com/v1/text:synthesize" > synthesize-text.txt

    The contents of the synthesize-text.txt file should be similar to the following:

      "audioContent": "//NExAASCCIIAAhEAGAAEMW4kAYPnwwIKw/BBTpwTvB+IAxIfghUfW.."

  2. The JSON output for the REST command contains the synthesized audio in base64-encoded format. Copy the contents of the audioContent field into a new file named synthesize-output-base64.txt. Your new file will look something like the following:


  3. Decode the contents of the synthesize-output-base64.txt file into a new file named synthesized-audio.mp3. For information on decoding base64, see Decoding Base64-Encoded Audio Content.

    base64 synthesize-output-base64.txt --decode > synthesized-audio.mp3

  4. Play the contents of synthesized-audio.mp3 in an audio application or on an audio device. You can also open the synthesized-audio.mp3 in the Chrome browser to play the audio by navigating to the folder that contains the file, for example file://my_file_path/synthesized-audio.mp3

Clean up

To avoid unnecessary Google Cloud Platform charges, use the GCP Console to delete your project if you do not need it.

What's next

  • Learn more about Cloud Text-to-Speech by reading the basics.
  • Review the list of available voices you can use for synthetic speech.