LibriVox音声でオーディオブック制作を効率化

作成者 Krika Text編集チーム · 更新日 2026-11-18

このガイドでは、Krika TextのAPIを活用してオーディオブックを効率的に制作するための具体的な手順と技術情報を解説します。LibriVox由来の録音データに基づく音声とOpenAI互換のエンドポイントを使い、コードに詳しくないクリエイターでも音声ファイルを生成できます。

テキストの分割方法、速度調整、課金の仕組みから、データプライバシーやサポート体制まで、実務で必要な情報を網羅します。長文のオーディオブック制作や自己出版における音声生成ワークフローを最適化するための、具体的で検証可能な技術ドキュメントです。

LibriVox音声でオーディオブック制作を効率化

よくある質問

Krika Textの料金はどのようになっていますか?

料金は100万文字あたり10ドル(1文字あたり約0.00001ドル)です。スペースや句読点も文字数に含まれます。失敗したリクエストは全額返金され、課金されません。Googleサインインで50,000文字の無料トライアルが利用可能です。月額プランはなく、必要に応じてUSDTでチャージして利用します。

どの言語に対応していますか?

英語、日本語、中国語、韓国語など23言語に対応しています。アラビア語からスワヒリ語まで幅広くサポートしており、どの音声でも全言語を話せます。言語を指定しない場合は文字から自動判別されますが、ラテン文字の非英語テキストは英語と認識されるため、明示的な指定をお勧めします。

OpenAI SDKは使えますか?

はい、公式SDKではありませんがOpenAI SDKと互換性のあるリクエスト形状を採用しています。base_urlをhttps://api.krika.net/v1に変更し、APIキーを設定するだけで利用可能です。専用SDKやモバイルSDK、ブラウザ拡張機能は提供していませんが、標準的なHTTPリクエストや既存のOpenAI用コードで動作します。

USDTでのチャージ方法は?

TRONネットワーク(TRC-20)上のUSDTのみでチャージ可能です。最小チャージ額は5ドルで、送金後数分で自動的に残高に反映されます。クレジットカードやPayPal、請求書によるVAT込みの支払いはありません。残高は期限切れにならず、無期限で利用可能です。

失敗したリクエストは課金されますか?

いいえ、課金されません。音声合成に失敗したリクエストについては、料金が全額返金されます。正常に処理されたリクエストのみが課金対象となります。これにより、ネットワークの不安定な状況でも安心してAPIを利用いただけます。残高はリアルタイムで更新されます。

ボイスはカスタマイズできますか?

速度(0.25〜4.0倍)のみ調整可能です。8種類のプリセットボイスから選択でき、感情タグやSSML、カスタム音声クローニングは提供していません。独自の音声アップロードやカスタム発音辞書も利用できません。各ボイスは既存の録音データに基づいており、細かなカスタマイズはできません。

オーディオブックの長文処理は可能ですか?

可能です。1リクエストあたり最大4,096文字まで処理でき、それを超える場合はテキストを分割して生成した音声ファイルを結合します。長文でもリアルタイムに近い速度で生成されますが、負荷が高い場合はキューで待機する場合があります。オーディオブック制作に適したワークフローです。

生成された音声には透波印がありますか?

はい、生成されたすべての音声ファイルには合成音声を示す不可視の透波印が含まれています。これにより、人間には聞こえない形で音声の合成由来がマークされます。オーディオブックや自己出版において、音声の性質を明確にするために役立ちます。

データは学習に使用されますか?

入力テキストは音声生成のみに使用され、学習データとしては利用されません。生成された音声も応答として返され、サーバーには保存されません。請求のためのメタデータ(時間、文字数、ステータス)のみが保持されます。プライバシーとデータの利用目的が明確に区別されています。

サポートはメールのみですか?

はい、サポートはメールのみです。電話番号やライブチャットは提供していません。SLAやアップタイム保証、エンタープライズ契約もありません。テクニカルな質問や請求に関する問い合わせは、メールサポートを通じて対応いたします。

Krika Textの概要

の音声波形イラスト: Krika Textの概要

Krika Textは、オーディオブックや自己出版のためのテキスト読み上げAPIです。コードを書かずに、テキストを自然な音声ファイルに変換できます。LibriTTS-R(CC BY 4.0)由来のLibriVoxの公的ドメイン録音に基づいており、信頼性の高い音声生成を実現します。

OpenAI互換のエンドポイントを採用しており、既存のSDKをそのまま利用可能です。8種類のプリセット音声から選べるため、オーディオブック制作の効率化に役立ちます。

LibriVox由来のライセンス済みボイス

すべての音声は、LibriTTS-R(CC BY 4.0)ライセンスに基づき、LibriVoxの公的ドメイン録音データから生成されています。これにより、著作権のクリアされた高品質な音声を提供します。

生成される音声ファイルには、合成音声であることを示す不可視の透波印(ウォーターマーク)が埋め込まれています。これにより、音声の起源を明確にできます。

OpenAI互換エンドポイント

エンドポイントは POST https://api.krika.net/v1/audio/speech です。リクエスト形状はOpenAIのspeechエンドポイントと同じです。

base_urlを https://api.krika.net/v1 に変更するだけで、公式のOpenAI SDKがそのまま動作します。コードを大幅に変更せずに統合できます。

  • エンドポイント: POST /v1/audio/speech
  • 認証: Bearer トークン
  • 互換性: OpenAI SDK準拠

8種類のプリセット音声

男女8種類のプリセット音声から選べます。ariaやnova、luna、sageなどの女性ボイスと、felix、milo、atlas、orionなどの男性ボイスが利用可能です。

これらの音声は、オーディオブックのナレーションからプロモーションまで、多様な用途に対応します。

どの音声も23言語の対応言語を話すことができ、言語に応じた自然な発音を提供します。

  • 女性: aria, nova, luna, sage
  • 男性: felix, milo, atlas, orion

コストと決済方法

の音声波形イラスト: コストと決済方法

Krika Textは、オーディオブック制作に最適化された透明な従量制課金モデルを提供します。すべてのテキスト(スペースや句読点含む)は100万文字あたり10ドル(1,000文字あたり0.01ドル)で計算されます。月額プランやSeats、最低利用額がないため、小規模な自己出版から大規模な制作まで柔軟にコストを管理できます。

決済はUSDT(TRONネットワーク/TRC-20)のみに対応しています。最小チャージ額は5ドルで、送金後数分以内に残高に反映されます。クレジットカードやPayPal、請求書払い(VAT込み)は用意されていないため、暗号通貨の送金手順を事前に確認してください。残高の有効期限はなく、使い切った分だけを課金します。

文字数単位の従量制課金

生成されたテキストの長さに応じてのみ課金されます。1回のAPIリクエストで最大4,096文字まで処理可能ですが、それを超える長文の場合はクライアント側で分割し、生成された音声ファイルを結合する必要があります。各文字が課金対象となるため、正確な文字数カウントがコスト管理の鍵となります。

失敗したリクエストについては課金されません。音声生成に失敗した場合は、使用したクレジットが全額返金されるため、無駄なコストがかかりません。これは、ネットワークの不安定さや一時的なサーバー負荷が高い場合でも、安全にAPIを利用できることを意味します。

  • 100万文字あたり$10($0.01/1,000文字)
  • スペースと句読点も文字数に含まれる
  • 失敗リクエストは無料(全額返金)
  • 月額プラン・Seats・最低利用額なし

USDT(TRC-20)でのチャージ

残高のチャージはTRONネットワーク上のUSDT(TRC-20)のみで行えます。最小チャージ額は5ドルで、トランザクション確認後、数分以内にアカウントの残高に自動的に反映されます。他の暗号通貨やフィアット通貨での決済は現在サポートしていません。

チャージ後は、APIキーを使って即座に音声生成を開始できます。残高は期限切れにならず、必要に応じていつでも追加チャージが可能です。ただし、クレジットカードやPayPal、請求書(VAT込み)での決済オプションは提供されていないため、注意してください。

失敗リクエストの無料化

音声合成の処理中に何らかのエラーが発生した場合、そのリクエストは課金対象外となります。音声生成に失敗した場合は、クレジットが全額返金されます。これにより、開発中のテストコストを抑えることができます。

この仕組みは、長文テキストの分割処理や速度調整(0.25〜4.0倍速)などの複雑なパラメータ設定を行う際にも安心です。生成失敗時の返金プロセスは自動的に行われるため、手動での申請は不要です。

対応言語と音声の質

の音声波形イラスト: 対応言語と音声の質

Krika Textは、英語を皮切りにアラビア語、中国語、日本語など23言語に対応しています。8種類のプリセット音声はどの言語でも使用可能で、ラテン文字の場合はデフォルトで英語と判断されるため、他の言語の場合は言語コードの指定が必要です。

生成された音声ファイルには合成音声を示す不可視の透波印が埋め込まれています。これにより、AIによって生成された音声であることを技術的に確認できます。

23言語の多言語対応

アラビア語、中国語、デンマーク語、オランダ語、英語、フィンランド語、フランス語、ドイツ語、ギリシャ語、ヘブライ語、ヒンディー語、イタリア語、日本語、韓国語、マレー語、ノルウェー語、ポーランド語、ポルトガル語、ロシア語、スペイン語、スワヒリ語、スウェーデン語、トルコ語の23言語をサポートしています。

どの音声でも全言語を話せるため、オーディオブックの多言語版制作に適しています。ベトナム語、タイ語、インドネシア語、ウクライナ語、ルーマニア語、チェコ語、ベンガル語などは対応していません。

男女8ボイスのバリエーション

aria、nova、luna、sageの4種類の女性音声と、felix、milo、atlas、orionの4種類の男性音声から選べます。

これらはLibriTTS-Rライセンスに基づき、LibriVoxの既存の録音データから生成された音声です。各音声には固有のトーンと役割があり、ナレーションや会話、ニュース、ドキュメンタリーなど用途に合わせて選定できます。

合成音声の透波印(ウォーターマーク)

すべての生成音声には不可視の透波印が埋め込まれています。これは音声ファイルが人工知能によって生成されたものであることを示す技術的な印です。

透波印は音声の内容や品質に影響を与えず、聴覚的には自然な音として再生されます。

技術仕様と制限

の音声波形イラスト: 技術仕様と制限

オーディオブック制作では長文テキストを扱うことが多く、APIは1リクエストあたり4096文字という制限があります。これにより、大量の原稿を効率的に音声ファイルに変換する際の分割処理が必要になります。

レートリミットは1つのAPIキーあたり1分間に60リクエストです(初回チャージ前は1分あたり10リクエスト)。これにより、安定したサービス提供が可能になりますが、大量の一括処理時にはキュー待機が発生する場合があります。

1リクエスト4096文字の制限

1回のAPI呼び出しで送信できるテキストの最大長は4096文字です。スペースや句読点も文字数に含まれるため、長い章を処理する場合は事前に分割する必要があります。

この制限により、1リクエストあたりの処理が迅速になり、音声生成の安定性が保たれます。分割したテキストを後で結合することで、一本のオーディオブックを完成させます。

60リクエスト/分のレートリミット

APIキーごとに、1分間に60リクエストまでの処理が可能です。課金前の初期状態では1分あたり10リクエストに制限されています。

この制限により、リソースの公平な配分が実現されます。同時に大量の音声ファイルを生成する際には、リクエストを調整する必要があります。

mp3, wav, opus, flac, pcm形式

音声ファイルはmp3、wav、opus、flac、pcmの5つの形式で出力可能です。用途に応じて最適な形式を選択できます。

mp3は通信量が少なく、wavは高音質が求められます。opusは圧縮効率が高く、flacは無損失圧縮です。pcmは生データとして利用できます。

オーディオブック制作ワークフロー

の音声波形イラスト: オーディオブック制作ワークフロー

オーディオブック制作では、4096文字の制限を超える長文を処理する必要があります。テキストを適度な長さのパートに分割し、それぞれの音声ファイルを生成します。その後、生成されたファイルを結合することで、一本の連続したオーディオブックを作成します。

生成速度は長文で実時間並みですが、短文は数秒かかります。負荷が高い場合はキュー待ちが発生するため、バッチ処理に適しています。

長文テキストの分割と結合

1リクエストあたりの文字数制限は4096文字です。これを超えるテキストは、論理的な区切りで複数のパートに分割します。各パートに対してAPIを呼び出し、生成された音声ファイルを後続の処理で結合します。これにより、大容量の原稿でも効率的に音声化できます。

  • 1リクエストあたり最大4096文字
  • 分割と結合による長文対応

速度調整(0.25〜4.0倍速)

生成された音声の再生速度は0.25倍速から4.0倍速まで調整可能です。オーディオブックでは、聴き手に合わせて最適な速度を選択します。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。

  • 0.25〜4.0倍速の範囲で調整可能

API統合による自動化

OpenAI互換のAPI仕様により、既存のツールやスクリプトと容易に統合できます。分割処理やファイル結合のワークフローを自動化することで、手作業の負担を減らし、オーディオブック制作の効率を最大化します。

  • OpenAI SDKとの互換性
  • 自動化による効率化

データプライバシーとライセンス

の音声波形イラスト: データプライバシーとライセンス

Krika Textは、入力テキストを音声に変換する際にのみ使用し、モデルの学習データには一切使用しません。生成された音声ファイルはレスポンスとして返送され、サーバー上に永続的に保存されることはありません。課金の検証や請求明細のために、リクエストの時刻、文字数、ステータスといったメタデータのみが保持されます。

学習用データ使用なし

入力テキストは音声合成処理専用に使用され、トレーニングデータとして再利用されることはありません。生成された音声も一時的に返送されるのみで、長期保存されません。

CC BY 4.0およびパブリックドメイン

ベースとなる音声は、LibriVoxの公衆ドメイン録音およびCC BY 4.0ライセンスのLibriTTS-Rデータセット由来です。これにより、商用利用を含む幅広い用途でのオーディオブック制作が合法かつ安価に実現します。

合成音声には合成音声であることを示す不可視の透波印が埋め込まれています。これは音声の性質を示すものであり、著作権上の制約とは異なります。

  • LibriTTS-R: CC BY 4.0
  • LibriVox: パブリックドメイン

メタデータの保存期間

課金と請求の検証のために、リクエストのタイムスタンプ、文字数、ステータスコードなどのメタデータが保持されます。これは音声ファイル自体の保存とは異なり、会計記録としての目的に限定されます。

音声ファイル自体はサーバーに保存されず、生成直後にクライアントへ返送されます。

サポートとアカウント管理

の音声波形イラスト: サポートとアカウント管理

Krika Textでは、電話やライブチャット、SLA保証はありません。サポートはメールアドレスへの問い合わせのみに対応しています。複雑な技術的な問い合わせでも、専門家が責任を持って返信いたしますので、安心してお使いください。

アカウントの作成は、/get-api-key/ ページからGoogleアカウントまたはメールアドレスとパスワードの組み合わせで可能です。Googleログインは無料トライアル($0.50)の対象ですが、メール登録ではトライアル付きではありません。

メールサポートのみ

電話やライブチャットはありません。サポートはメールのみです。

SLAやアップタイム保証、認証書はありません。

Googleまたはメール登録

Googleアカウントまたはメールアドレスでの登録に対応しています。

Googleログインでは$0.50の無料トライアルが利用可能ですが、メール登録では試用クレジットは付与されません。

  • Googleログイン: 即時トライアル付き
  • メール登録: 通常アカウント

APIキーの即時無効化

1つのアクティブキーを持ちます。新しいキーを発行すると、古いキーは直ちに無効化されます。

万が一の漏洩時でも、即時に使用不能にできるため、セキュアに管理できます。

サポートとアカウント管理

モデルと音声の詳細

の音声波形イラスト: モデルと音声の詳細

Krika Textはtts-1とtts-1-hdの2モデルを提供します。どちらも同一のエンジンと価格(100万文字あたり10米ドル)で、オーディオブック制作において品質とコストのバランスを選べます。

tts-1とtts-1-hdの選択

両モデルは同じ音声エンジンを使用し、価格も同等です。オーディオブック制作では、標準的なtts-1で十分な品質が得られるケースが多く、特別な要件がない限りこちらが推奨されます。

8つのプリセット音声一覧

LibriTTS-R(CC BY 4.0)由来の8種類のプリセット音声から選択できます。Narrator向けにはAria、StorytellingにはLuna、InstructionalにはSage、NewsにはAtlas、DocumentaryにはOrionなどが適しています。

これらの音声はライセンス付き録音に基づいており、生成されたファイルには合成音声を示す不可視の透波印(ウォーターマーク)が埋め込まれます。

  • Aria(暖かみのあるナレーター)
  • Nova(明るく活気のある音声)
  • Luna(柔らかいストーリーテリング)
  • Sage(落ち着いた指示音声)
  • Felix(エネルギッシュなプロモーション)
  • Milo(親しみやすい会話調)
  • Atlas(ニュートラルなニュース調)
  • Orion(深みのあるドキュメンタリー調)

言語指定と自動検出の仕組み

23言語に対応しています。languageパラメータを指定しない場合、文字スクリプトに基づいて言語が自動検出されます。ラテン文字のテキストはデフォルトで英語とみなされるため、英語以外のラテン文字テキストには明示的な言語指定が必要です。

VietnameseやIndonesianなど、リストに含まれない言語はサポートされていません。

アカウントと課金システム

の音声波形イラスト: アカウントと課金システム

Krika Textのアカウントは、サイト内の「/get-api-key/」ページでGoogle認証またはメールとパスワードの組み合わせにより作成します。各サイトは独立したストアフロントであり、アカウントもサイトごとに個別に管理されます。

課金システムはシンプルで、チャージ後は、APIキーを使って即座に音声生成を開始できます。Googleでサインインすると、初回に限定された無料クレジットが付与されます。

Googleまたはメールでの登録

アカウント作成は「/get-api-key/」ページから行えます。Googleアカウント連携が最も簡単ですが、従来のメールアドレスとパスワードでの登録も可能です。登録方法によって、初期特典の有無が異なります。

無料トライアルの条件

Google認証でサインインした場合、7日間有効の$0.50(約5万文字分)のクレジットが提供されます。メールアドレスとパスワードで登録したアカウントには、このトライアルクレジットは付与されません。

残高と使用状況の確認

ページでは、APIキー、残高、トライアル、残り文字数、使用状況を確認できます。USDT(TRC-20)でのチャージは最小$5から可能で、送金後数分で自動的に残高に反映されます。

残高は期限なしで保持され、月々の基本料やサブスクリプションも存在しません。

  • チャージはTRONネットワーク(TRC-20)のUSDTのみ
  • 残高の有効期限なし、最低チャージ額$5
  • 失敗したリクエストの料金は全額返金される

APIの使用方法

の音声波形イラスト: APIの使用方法

Krika Text APIは、OpenAIの音声生成エンドポイントと互換性のあるJSON形式でリクエストを送信します。テキストを音声に変換するには、POSTメソッドで https://api.krika.net/v1/audio/speech へアクセスします。

リクエストボディの構造

リクエストボディには model(tts-1 または tts-1-hd)、input(最大4096文字のテキスト)、voice(8種類のプリセットから選択)、response_format(mp3, wav, opus, flac, pcm)、speed(0.25〜4.0)を含めます。language は任意で、ISOコードで指定可能です。

  • model: tts-1 または tts-1-hd
  • input: 最大4096文字
  • voice: aria, nova, luna, sage, felix, milo, atlas, orion
  • response_format: mp3, wav, opus, flac, pcm
  • speed: 0.25 から 4.0 の範囲

認証キーの管理

各アカウントには1つのアクティブなAPIキーが割り当てられます。キーは Authorization: Bearer tts-... ヘッダーに設定します。新しいキーを発行すると、古いキーは直ちに無効化されます。

OpenAI SDKとの互換性

公式のOpenAI SDKは、base_url を https://api.krika.net/v1 に変更することでそのまま利用できます。これにより、既存のコードベースを最小限の修正で統合できます。

音声生成の特性

の音声波形イラスト: 音声生成の特性

音声生成は文字数に応じて所要時間が変動します。長文テキストでは実時間並みの速度(1秒あたり約25文字)で処理されますが、短めのフレーズでは数秒を要します。

生成速度の目安

短めのテキストほど相対的に処理に時間を要するため、注意が必要です。大量のテキストを一括で送信する際は、分割して送信することで安定した生成速度が期待できます。

キュー処理の影響

リクエストは順番に処理されるため、同時アクセスが多いとキュー待機が発生する場合があります。これにより、実際の生成所要時間が想定より長くなる可能性があります。

音声ファイルの形式

生成された音声はmp3、wav、opus、flac、pcmのいずれかで出力可能です。オーディオブック用にはmp3やopusが推奨され、編集用途にはwavやflacが適しています。

生成ファイルには合成音声を示す不可視の透波印(ウォーターマーク)が埋め込まれています。

サポートとよくある質問

の音声波形イラスト: サポートとよくある質問

Krika Textは、オーディオブック制作に必要なAPIをシンプルに提供します。サポートはメールアドレスのみで対応し、電話やチャットはありません。

技術的な制限事項を理解し、適切なワークフローで効率的に音声ファイルを生成してください。

サポートはメールのみ

電話番番やライブチャットはありません。技術的な質問や課金に関する問い合わせは、すべてメールサポートにて対応いたします。

返信は迅速に行いますが、リアルタイムなサポートは期待しないでください。

よくある質問

音声ファイルは永続的に保存されますか?生成された音声はレスポンスとして返され、サーバーには保存されません。

カスタム音声クローニングは可能ですか?8つのプリセット音声のみが利用可能です。

SSMLはサポートしていますか?SSMLタグは使用できません。

音声の学習に使用されますか?入力テキストは音声生成のみに使用され、学習データにはなりません。

技術的な制限事項

1回のリクエストで送信できるテキストは最大4096文字です。それを超える場合は分割して送信してください。

レートリミットは1分あたり60リクエストです。それを超えるとリクエストが拒否されます。

ストリーミングやWebSocketは提供していません。ファイルのダウンロードが必要です。

音声の感情や感情タグは設定できません。

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. FFmpeg documentation
  3. Creative Commons Attribution 4.0
  4. Node.js documentation
  5. TRON developer hub: TRC-20
  6. LibriTTS-R corpus (OpenSLR 141)
  7. IETF RFC 7845: Ogg Opus
  8. OpenAI API reference: create speech
  9. MDN: Web Speech API
  10. Tether (USDT)
  11. openai-node on GitHub
  12. LibriVox public-domain audiobooks

このサイトに関するその他の情報