Text to Speech

音声合成(TTS)を、正直に比べる。

teai.ioの /v1/audio/speech は OpenAI 互換。エンジンを model で選べます。稼働状況(本番で配線済みか)と実測レイテンシを、盛らずに載せています。

Engines

使えるエンジン

KOE Koe (koe.live)
実在の声をクローン。日本語が自然で、自分の声で喋れる。
● 稼働中
OpenAI TTS OpenAI
多言語・低価格。standard な選択肢。
● 稼働中
CosyVoice2 Alibaba (RunPod)
ゼロショットの声クローン。参照音声から声色を作る。
○ 実装あり(未配線)
ElevenLabs ElevenLabs
高品質な声クローンで知られる外部エンジン。
○ 実装あり(未配線)
Style-Bert-VITS2 Style-Bert-VITS2 (RunPod)
日本語に強いオープン系TTS。スタイル指定ができる。
○ 実装あり(未配線)

「実装あり(未配線)」はコードは入っているが必要な鍵が本番に無いもの。BYOK や自前 RunPod で有効化できます。

Which one

30秒で選ぶ

やりたいこと選ぶエンジン理由
自分の声で読み上げたいKOE15秒の録音でクローン。日本語が自然。収益分配あり
日本語のナレーション(自分の声でなくてよい)KOE(yuki / female / demo1〜3)登録済みの声を voice に指定するだけ
英語や多言語をまとめてOpenAI TTS多言語で安定。声も多い
まず何か鳴らしたいOpenAI TTSvoice を省いても鳴る。癖が少ない
ElevenLabs の契約を持っているElevenLabs(BYOK)自分の鍵を渡せば使える。本番既定では未配線
参照音声からゼロショットで声を作りたいCosyVoice2実装あり。自前 RunPod の鍵が必要
Benchmark

KOE の実測レイテンシ

koe.live/api/speak・声=yuki・2026-09-10 測定(各3回の中央値)。

テキスト長さ中央値
こんにちは。今日はいい天気ですね。17字0.82秒
音声合成の比較テストです。日本語の自然さと、読み…37字1.50秒
This is a text to speech…76字2.19秒

初回(コールド)は 5〜15秒かかることがあります。ウォーム時は 1〜2秒台。GPU バッチの混み具合で変動します。

Made in Japan

日本発・国内で完結したい人へ

KOE は日本発の音声合成で、teai.io は日本の株式会社イネブラが運営しています。国産の選択肢として、日本語の自然さと、円建ての請求・日本語サポートが強みです。データの扱いを国内寄りにしたい場合の相談はお問い合わせへ。国内GPUホスト版(データ国内完結)は準備中です。

Usage

使い方

curl https://api.teai.io/v1/audio/speech \
  -H "Authorization: Bearer te_xxxx" \
  -H "Content-Type: application/json" \
  -d '{"model":"koe","input":"こんにちは","voice":"yuki"}' \
  --output out.mp3

課金は全エンジン共通で max(1, 文字数/100) クレジット。声の一覧は GET /v1/audio/voices

自分の声で喋らせる

koe.live で約15秒録音するだけ。登録したハンドルがそのまま voice になります。

無料で始める