無料の音声合成 API
音声合成 (TTS) API は、テキストを音声に変換します。一部のプロバイダは、文字数またはリクエスト数の上限付きで TTS を無料で提供しています。FreeLLMAPI は、音声モデルを提供するプロバイダに /v1/audio/speech のリクエストを送ります。あるプロバイダが失敗するか上限に達すると、ルーターは次のプロバイダを試します。
コード、モデル名、ライブのカタログラベルは英語で表示します。
無料の音声合成プロバイダ
この表は、無料の TTS 枠があるプロバイダを示します。各上限は、プロバイダの公式ページで確認しました。無料の音声枠は、文字数、リクエスト数、または 1 日の計算予算で示されます。比較する際は注意してください。
| プロバイダ | モデル | 無料枠 (公式) | 出力 | 注記 |
|---|---|---|---|---|
| Groq | Orpheus English、Orpheus Arabic (Saudi) | 1 日の上限がある無料プラン。リクエストごとの最大は 200 文字 | WAV のみ | 最初に、組織の管理者が Groq コンソールでモデルの規約に同意する必要があります |
| Google AI Studio | Gemini 2.5 Flash TTS (プレビュー) | 無料枠: 入力と出力は無料。レート制限あり | WAV | 多数の音声。自然な発話に適しています |
| Cloudflare Workers AI | MeloTTS | 1 日あたり 10,000 ニューロン。MeloTTS は音声 1 分あたり 18.63 ニューロンを使用 | WAV | 他のモデルが予算を使わない場合、1 日およそ 536 分の音声。言語の選択はできますが、音声の選択はできません |
| Cloudflare Workers AI | Deepgram Aura 1 | 同じ 10,000 ニューロン。Aura 1 は 1,000 文字あたり 1,363.64 ニューロンを使用 | MP3 | 1 日およそ 7,300 文字 |
| Speechify | Simba | 毎月 500,000 文字。カード登録は不要 | MP3 | 無料プランで商用利用が記載されています。Simba 3.5 は 2026 年 11 月 21 日から 333,000 文字に減ります |
| Cartesia | Sonic | 毎月 20,000 クレジット。1 クレジットは 1 文字 | WAV | 商用利用のライセンスは、有料プランのみに記載されています |
「およそ」の数値は、公開されたレートに基づく当社の計算です。Cloudflare の予算は、1 つのアカウントにあるすべての Workers AI モデルで共有されます。チャットモデルや画像モデルも含まれます。
手順 1: FreeLLMAPI をインストールし、音声のキーを追加する
FreeLLMAPI はオープンソースです。Docker でお使いのコンピュータ上で動作します。プロバイダのキーは、お使いのコンピュータに保存されたままになります。
インストールする (macOS または Linux)
curl -fsSL https://freellmapi.co/install.sh | bashhttp://localhost:3001 でダッシュボードを開きます。Keys ページでキーを追加します。Groq のキーまたは Google AI Studio のキーを追加すると、それらの音声モデルも有効になります。次に Models, Audio を開き、音声モデルを確認して、オンまたはオフにします。Keys ページから統合キーをコピーします。
手順 2: 音声を生成する
このエンドポイントは、OpenAI のリクエスト形式を使います。input フィールドは必須です。model、voice、response_format のフィールドは任意です。レスポンスの本文が音声ファイルです。
curl: ルーターにプロバイダを選ばせる
curl http://localhost:3001/v1/audio/speech \
-H "Authorization: Bearer <unified-key>" \
-H "Content-Type: application/json" \
-d '{"model": "auto", "input": "Your order has shipped.", "voice": "alloy"}' \
--dump-header headers.txt \
--output speech.audio
grep -i -E "content-type|x-provider" headers.txtPython: Groq Orpheus English を指定する
from openai import OpenAI
client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")
with client.audio.speech.with_streaming_response.create(
model="canopylabs/orpheus-v1-english",
voice="troy", # a native Orpheus voice; "alloy" also maps to troy
input="Your order has shipped. It arrives on Friday.",
response_format="wav", # Orpheus returns WAV only
) as response:
print("Served by:", response.headers.get("x-provider"))
response.stream_to_file("speech.wav")X-Provider ヘッダーには、音声を作成したプロバイダが表示されます。Content-Type ヘッダーには形式が表示されます。例: audio/wav または audio/mpeg。
音声、形式、テキストの長さ
- 音声:
alloyなどの標準的な OpenAI の音声名は、多くのプロバイダでテスト済みのネイティブ音声に対応付けられます。ネイティブの音声名も送れます。例: Orpheus English のtroy、Orpheus Arabic のfahad。 - 形式: 各プロバイダは独自の形式で音声を作成します。Groq Orpheus と Cloudflare MeloTTS は WAV を作成します。Cloudflare Aura は MP3 を作成します。プロバイダは、作成できない形式を拒否します。誤ったラベルのファイルを送ることはありません。
- テキストの長さ: Groq は、リクエストごとに最大 200 文字を受け付けます。長いテキストは文に分割し、文ごとに 1 件のリクエストを送ります。
- 言語: Orpheus には英語とサウジアラビア語のモデルがあります。Cloudflare の MeloTTS は、このアダプターを通じて英語を使用します。
Python: 長いテキストを短いリクエストに分割する
import re
from openai import OpenAI
client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")
text = open("article.txt").read()
parts = [s for s in re.split(r"(?<=[.!?])\s+", text) if s.strip()]
for i, part in enumerate(parts):
with client.audio.speech.with_streaming_response.create(
model="auto", voice="alloy", input=part[:200],
) as r:
ext = "mp3" if "mpeg" in r.headers.get("content-type", "") else "wav"
r.stream_to_file(f"part-{i:03d}.{ext}")使用の規則と注意点
- ライセンス条件: 無料プランでは、商用利用が制限される場合があります。Cartesia は、商用ライセンスを有料プランのみに記載しています。音声を公開する前に、各プロバイダの条件を確認してください。
- 共有の枠: 毎月の文字数の枠は、アカウント単位です。音声やモデルを増やしても、文字数は増えません。
- Groq コンソールの規約: 管理者がモデルの規約に同意するまで、Groq はエラーを返します。FreeLLMAPI がお客様に代わって規約に同意することはありません。
- 形式の混在:
model: "auto"を使うと、2 件のリクエストが異なるプロバイダから来る場合があります。ファイルを結合する前にContent-Typeを確認するか、1 つのモデルを指定してください。 - パーツの結合: ffmpeg などのツールで音声パーツを結合します。すべてのパーツは、同じ形式と同じサンプリングレートである必要があります。そのため、1 つの書類には 1 つのモデルを指定してください。
- 切り捨て: 分割の例では、各パーツを 200 文字で切ります。文をそれより短くしてください。そうしないと、単語が失われる場合があります。
トラブルシューティング
| 問題 | 原因 | 対処 |
|---|---|---|
| 形式を指定するとエラー 400 になる | プロバイダがその形式を作成できない | response_format を削除するか、Orpheus に wav を要求します |
| 長いテキストで Groq のリクエストが失敗する | テキストが 200 文字を超えている | テキストを短いパーツに分割します |
| 規約に関する Groq のエラー | モデルの規約に同意していない | Groq コンソールで規約に同意します |
| 音声ファイルが再生されない | ファイルの拡張子が形式と一致していない | Content-Type ヘッダーを使って拡張子を設定します |
| エラー 503 | 有効な音声モデルがない | キーを追加し、Models, Audio でモデルをオンにします |
よくある質問
無料の音声合成 API はありますか?
はい。Groq、Google AI Studio、Cloudflare Workers AI、Speechify、Cartesia は、上限付きで無料の音声合成を提供しています。FreeLLMAPI は、1 つのキーを通じて、これらのプロバイダに /v1/audio/speech のリクエストを送ります。
文字数が最も多い無料の音声合成 API はどれですか?
表にあるプロバイダの中では、Speechify が無料プランで毎月 500,000 文字を提供しています。Cartesia は毎月 20,000 クレジットを提供しています。1 クレジットは 1 文字です。
無料の音声合成で作った音声を商用利用できますか?
プロバイダによって異なります。Speechify は無料プランで商用利用を記載しています。Cartesia は、商用ライセンスを有料プランのみに記載しています。各プロバイダの条件を確認してください。
無料の音声合成に OpenAI SDK は使えますか?
はい。base_url を http://localhost:3001/v1 に設定し、client.audio.speech.create を呼び出します。ルーターがプロバイダを選び、音声のバイトを返します。
関連ガイド
出典
- FreeLLMAPI docs: Images, video and text-to-speech (確認日 20 November 2026)
- FreeLLMAPI docs: Groq Orpheus speech (確認日 20 November 2026)
- Groq docs: Orpheus text to speech (確認日 20 November 2026)
- Gemini Developer API pricing (確認日 20 November 2026)
- Cloudflare Workers AI pricing (確認日 20 November 2026)
- Speechify API pricing (確認日 20 November 2026)
- Cartesia pricing (確認日 20 November 2026)