APIドキュメント:オーディオブック制作のための統合ガイド

作成者 Krika Text編集チーム · 更新日 2026-11-18

このドキュメントは、APIの基礎知識があるクリエイターが、テキストからオーディオブックや自己出版用音声ファイルを生成するための統合ガイドです。APIキーの取得から最初のリクエスト、OpenAI SDKとの連携まで、具体的なコード例と数値を交えて手順を解説します。

エンドポイントの仕様、パラメータの選択、レートリミット、エラーハンドリングなど、実運用で必要な技術情報を網羅しています。REST APIの基礎知識があれば、すぐに音声合成ワークフローを構築でき、信頼性の高い音声生成を可能にします。

APIドキュメント:オーディオブック制作のための統合ガイド

よくある質問

APIキーはどこで取得できますか?

https://krika.net/get-api-key/ でGoogleまたはメールアドレスとパスワードでアカウントを作成し、APIキーを取得できます。キーは1アカウントにつき1つで、新しいキーを発行すると古いキーは即座に無効になります。

curlコマンドの具体例はありますか?

GET /v1/voices で音声一覧を取得し、POST /v1/audio/speech で音声ファイルを生成します。AuthorizationヘッダーにBearerキーを指定し、model、input、voice、response_format、speedをJSONボディに含めます。

OpenAI SDKはどのバージョンに対応していますか?

公式OpenAI SDKは、base_urlをhttps://api.krika.net/v1に変更して使用できます。リクエスト形状はOpenAIのspeechエンドポイントと同一です。

エラーコード503は何を意味しますか?

503はサービス利用不可を意味します。通常、サーバーの負荷が高いことを示します。

音声ファイルの形式は変更できますか?

mp3、wav、opus、flac、pcmの5形式から選択可能です。requestのresponse_formatパラメータで指定します。

速度パラメータの範囲は?

速度は0.25から4.0の範囲で指定できます。デフォルト値は設定されていませんが、通常は1.0が標準速度です。

言語コードはISO 639-1に準拠していますか?

はい、言語コードはISO 639-1に準拠しています。指定しない場合はスクリプトから推測されますが、非英語のラテン文字テキストには明示的な指定を推奨します。

4096文字を超えるテキストは怎么处理しますか?

4096文字ごとにテキストを分割し、各パートの音声ファイルを生成します。その後、生成された音声ファイルを結合して1つのファイルとして使用します。

最初のリクエスト

curl

curl https://api.krika.net/v1/audio/speech \
  -H "Authorization: Bearer $TTS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"tts-1","voice":"aria","input":"Hello from the API.","response_format":"mp3"}' \
  --output hello.mp3

Python (openai)

from openai import OpenAI

client = OpenAI(base_url="https://api.krika.net/v1", api_key="tts-...")

with client.audio.speech.with_streaming_response.create(
    model="tts-1", voice="nova", input="Hello from Python.", response_format="mp3"
) as response:
    response.stream_to_file("hello.mp3")

Node.js (openai)

import OpenAI from "openai";
import fs from "node:fs";

const client = new OpenAI({ baseURL: "https://api.krika.net/v1", apiKey: process.env.TTS_API_KEY });
const res = await client.audio.speech.create({ model: "tts-1", voice: "milo", input: "Hello from Node.js." });
fs.writeFileSync("hello.mp3", Buffer.from(await res.arrayBuffer()));
voice
aria女性
nova女性
luna女性
sage女性
felix男性
milo男性
atlas男性
orion男性
language
arالعربية
zh中文
daDansk
nlNederlands
enEnglish
fiSuomi
frFrançais
deDeutsch
elΕλληνικά
heעברית
hiहिन्दी
itItaliano
ja日本語
ko한국어
msBahasa Melayu
noNorsk
plPolski
ptPortuguês
ruРусский
esEspañol
swKiswahili
svSvenska
trTürkçe

クイックスタート

の音声波形イラスト: クイックスタート

APIキーを取得して、オーディオブックの制作をすぐに開始できます。Googleまたはメールアドレスとパスワードでアカウントを作成し、/get-api-key/ページからキーを発行します。

テキストを送信して音声ファイルを受け取るまで、数ステップで完了します。ここでは最初の基本的なリクエストを実行する方法を示します。

APIキーの取得

APIキーの取得

Googleまたはメールアドレスとパスワードでサインアップします。/get-api-key/ページに移動すると、APIキーと残高が表示されます。

初期状態では1分あたり10リクエストの制限があります。最初のチャージ後、制限は1分あたり60リクエストに向上します。

  • Googleサインインで無料トライアル($0.50)利用可能
  • 既存のキーは新しいキー発行時に即時無効化

最初のcurlリクエスト

最初のcurlリクエスト

以下のコマンドを実行して、テキストから音声ファイルを生成します。モデル「tts-1」または「tts-1-hd」を選択できます。

curl -X POST https://api.krika.net/v1/audio/speech \ -H "Authorization: Bearer YOUR_API_KEY" \ -H "Content-Type: application/json" \ -d '{"model": "tts-1", "input": "こんにちは、これはテストです。", "voice": "nova", "response_format": "mp3"}'

レスポンスの確認

正常なリクエストでは、バイナリの音声データが返されます。これはmp3、wav、opus、flac、またはpcm形式で提供されます。

失敗したリクエストは課金されません。ステータスコード200が返った場合、音声ファイルが生成されたことを意味します。

エンドポイントと仕様

の音声波形イラスト: エンドポイントと仕様

Krika TextのAPIは、シンプルなHTTPリクエストで音声ファイルを生成します。主要な3つのエンドポイントを通じて、音声の選択、モデルの確認、そして実際の音声合成を制御できます。

各エンドポイントはOpenAI SDKとの互換性を維持しており、既存のワークフローに容易に統合できます。

POST /v1/audio/speech

テキストから音声ファイルを生成する主要エンドポイントです。JSONボディにモデル、入力テキスト、音声プリセット、フォーマットを指定して送信します。

  • 音声合成の中心となるエンドポイント
  • OpenAI Speechエンドポイントと同等の仕様

GET /v1/voices

利用可能な音声プリセット、対応言語、フォーマットの一覧を取得します。オーディオブック制作に適した8種類の音声プリセットから選択できます。

  • 8種類の音声プリセットの確認
  • 対応言語とフォーマットの確認

GET /v1/models

利用可能なモデルの情報を取得します。tts-1とtts-1-hdの2つのモデルが利用可能で、両方とも同じエンジンと価格を使用します。

  • 2つの利用可能なモデル
  • 同じエンジンと価格

リクエストパラメータ

の音声波形イラスト: リクエストパラメータ

APIリクエストには、生成エンジン、合成対象テキスト、そして話者声を指定するパラメータが必要です。これらは生成される音声の品質、長さ、そして感情表現を決定する重要な要素となります。

modelパラメータ

modelにはtts-1またはtts-1-hdを指定します。両者は同一のエンジンと価格(100万文字あたり10ドル)を採用しており、機能に差はありません。

inputテキスト

合成対象のテキストをinputフィールドに設定します。1回のリクエストで最大4096文字まで処理可能です。それを超える長文の場合は、アプリ側で分割して連結する必要があります。

  • 最大文字数:4096文字(スペースや句読点含む)
  • 英語デフォルト:language未指定時はラテン文字が英語と判定されます

voiceプリセット

voiceには8種類のプリセットから選択します。ARIAやNOVAなどの女性音声、FELIXやMILOなどの男性音声から、オーディオブックのトーンに合うものを選んでください。

  • ARIA:温かみのあるナレーター
  • LUNA:語りを重視したソフトなトーン
  • ATLAS:ニュートラルなニュース調

レスポンスとフォーマット

の音声波形イラスト: レスポンスとフォーマット

APIリクエストが成功すると、音声ファイルが直接レスポンスボディとして返されます。ファイルはサーバーに保存されず、即時にダウンロードまたは再生可能です。生成された音声には合成音声であることを示す不可視の透かしが埋め込まれています。

失敗したリクエストでは、料金が全額返金され、エラー詳細がJSON形式で返されます。ステータスコードとエラーメッセージを確認し、必要に応じてパラメータを修正してください。

音声ファイルのダウンロード

成功したリクエストのレスポンスには、音声データがバイナリ形式で含まれます。指定されたresponse_format(mp3、wav、opus、flac、pcm)に従ってファイルが生成され、ブラウザやアプリケーションで直接扱えます。

ファイルは即座に生成され、長期保存はされません。ダウンロード後はクライアント側で管理してください。

  • 音声データはレスポンスボディに直接含まれる
  • 生成ファイルには合成音声の透かしが埋め込まれる
  • サーバー側での永続的な保存はない

エラーコードの解釈

エラー発生時は、JSON形式で原因とエラーコードが返されます。失敗したリクエストには課金されません。

エラーメッセージを参照し、パラメータ(例:文字数超過、無効な音声)を修正してから再送してください。

  • エラー時のみ課金されることはない
  • レスポンスはJSON形式でエラー詳細を含む
  • パラメータの検証が失敗の場合、修正が必要

ステータスコード

HTTPステータスコードは、リクエストの処理結果を示します。200は成功、4xxはクライアント側のエラー、5xxはサーバー側の問題を意味します。

ステータスコードを確認し、適切なエラーハンドリングを実装してください。

  • 200: 成功
  • 4xx: クライアント側のエラー(例:無効なパラメータ)
  • 5xx: サーバー側のエラー

OpenAI SDKとの連携

の音声波形イラスト: OpenAI SDKとの連携

Krika TextのAPIはOpenAIのspeechエンドポイントと互換性があります。公式SDKを使用し、base_urlパラメータにhttps://api.krika.net/v1を指定するだけで連携可能です。これにより、当社のエンドポイントへ正しくリクエストがルーティングされます。

base_urlの変更

SDKの初期化時にbase_urlパラメータにhttps://api.krika.net/v1を指定します。これにより、リクエストが当社のエンドポイントへルーティングされます。

SDKのインストール

Python環境ではpip install openaiを実行してください。Node.jsではnpm install openaiでインストールします。認証にはAPIキーが必要です。

コード例

以下はPythonでの基本的な音声生成コードです。modelにはtts-1またはtts-1-hdを指定します。

```python from openai import OpenAI client = OpenAI(api_key="tts-your-key", base_url="https://api.krika.net/v1") with client.audio.speech.with_streaming_response.create( model="tts-1", voice="nova", input="オーディオブックの制作を始めましょう。" ) as response: response.stream_to_file("output.mp3") ```

OpenAI SDKとの連携

レートリミットと制限

の音声波形イラスト: レートリミットと制限

オーディオブック制作において、一度に大量のテキストを送信する際、レートリミットは重要な要素となります。APIキーごとに毎分最大60回のリクエストを送信できます。

60リクエスト/分の制限

1つのAPIキーで、毎分最大60回のリクエストを送信できます。

チャージ前の制限

初回チャージ前のアカウントでは、毎分10回のリクエスト制限が適用されます。チャージ後、制限は通常通り60回/分に戻ります。

キューの仕組み

リクエストは順番に処理されます。負荷が高い場合、リクエストはキューに積まれます。これにより、音声生成の品質は維持されますが、生成完了までに若干の待ち時間が生じる可能性があります。

エラーハンドリング

の音声波形イラスト: エラーハンドリング

APIは予期せぬ中断や一時的なエラーに対しても堅牢な設計です。ステータスコードとエラーメッセージを適切に解釈することで、オーディブック制作のワークフローを中断せずに継続できます。

失敗したリクエストは課金されません。これは、ネットワークの不安定さやサーバー側の一時的な混雑時にも、コストを気にせずに処理を続けられることを意味します。

一般的なエラーコード

400エラーはリクエスト形式の誤りを示します。パラメータの型や文字数制限(最大4096文字)を超えていないか確認してください。

401エラーはAPIキーの問題です。キーの有効期限や権限を確認し、必要に応じて再発行してください。

  • 400: 不正なリクエストパラメータ
  • 401: 認証エラー(APIキー)
  • 429: レートリミット超過
  • 500: サーバー内部エラー

タイムアウトの処理

音声生成には通常の実時間相当の時間がかかります。長いテキストではキュー待ちが発生する可能性があります。

タイムアウト設定は、生成時間(通常はテキストの文字数に応じて数秒〜数分)を考慮して設定してください。

  • 推奨タイムアウト: 10秒以上
  • キュー待ちはタイムアウトに含まない

再試行の実装

一時的なエラー(5xx)やレートリミット(429)が発生した場合、指数バックオフで再試行してください。

失敗したリクエストは課金対象外なので、安全に再試行できます。ただし、頻繁な再試行はキューを混雑させるため注意が必要です。

再試行ロジックは、OpenAI SDKの標準機能または独自のラッパーで実装できます。

  • 指数バックオフ推奨
  • 5xxおよび429エラーで再試行
  • 課金されないため安全に再試行

データ形式とエンコーディング

の音声波形イラスト: データ形式とエンコーディング

APIはmp3、wav、opus、flac、pcmの5つの音声形式を提供します。mp3とwavは一般的な再生環境で広く使用され、opusは通信効率に優れています。flacとpcmはロスレス形式であり、編集時の品質維持に適しています。

用途に合わせて適切な形式を選択してください。mp3は容量と品質のバランスが取れており、オーディオブックの配布に推奨されます。wavは編集用として、opusは配信コストを抑えたい場合に適しています。

mp3, wav, opus, flac, pcm

mp3は圧縮形式で、ほとんどのデバイスで再生可能です。wavは非圧縮で高音質ですが、ファイルサイズが大きくなります。opusは低ビットレートでも高品質で、帯域幅を節約できます。flacとpcmはデータ損失のない形式です。

  • mp3: 広く互換性があり、ファイルサイズが小さい
  • wav: 非圧縮、高音質、ファイルサイズ大
  • opus: 効率的な圧縮、低帯域幅向け
  • flac: ロスレス圧縮、編集用
  • pcm: 生データ、最大品質

エンコーディングの選択

オーディオブックの最終納品にはmp3が一般的です。編集プロセスではwavやflacを使用すると、音声の品質を損なうことなく調整できます。配信先が不明な場合は、mp3が安全な選択肢です。opusはモバイル環境での配信に適しています。

ファイルサイズの影響

非圧縮形式(wav、pcm)はファイルサイズが大きく、保存や転送に時間がかかります。mp3やopusはサイズが小さく、迅速なダウンロードが可能です。ストレージコストを抑えるには、mp3が最適です。

8つの音声を確認

以下の各サンプルは、同じ文章をこのAPIで生成したものです。 例えば、初心者向けにはやや遅めの速度を、上級者向けには早めの速度を設定することで、コンテンツのアクセシビリティを向上させます。

音声のアバター aria
aria女性
音声のアバター nova
nova女性
音声のアバター luna
luna女性
音声のアバター sage
sage女性
音声のアバター felix
felix男性
音声のアバター milo
milo男性
音声のアバター atlas
atlas男性
音声のアバター orion
orion男性

23言語

どの音声でも、これらの言語のいずれかを話します。

出典および参考資料

  1. Wikipedia
  2. Creative Commons Attribution 4.0
  3. IETF RFC 7845: Ogg Opus
  4. Tether (USDT)
  5. LibriTTS-R corpus (OpenSLR 141)
  6. FFmpeg documentation
  7. W3C WAI: making audio and video accessible
  8. ISO 639 language codes
  9. openai-python on GitHub
  10. LibriTTS-R paper (arXiv 2305.18802)
  11. curl documentation
  12. Node.js documentation

このサイトに関するその他の情報