本文へスキップ

規制なし — このモデルはコンテンツフィルターを持たないと表明しています。SpicyAPI 側で内容スキャンを追加することはなく、リクエストはそのまま転送します。法令の順守と同意の確認は、お客様の責任です。このフィルタリング水準のモデルを一覧で見る
google/gemini-3.8-flash-tts/text-to-speech

Gemini 3.8 Flash TTS は、台本を 30 種のボイスのいずれか、対話なら 2 ボイスの 24 kHz モノラル WAV にします。[whispering]・[sighs]・[laughing] などの角括弧の演出は、読み上げられずに演じられます。

最低価格 $0.00032/秒
モデルを実行

プレイグラウンド

リクエストを送信

クイックスタート

例は、選択中のエンドポイントの公開パラメーター定義から作っています。API キーとサンプル素材を差し替えて、ご自身のサーバーから送信してください。

SDK・連携
POSThttps://api.spicyapi.ai/api/v1/jobs/createTask

API 認証

API キーはサーバーの環境変数 SPICY_API_KEY に保存します。Bearer 認証を使用し、JSON リクエストには Content-Type: application/json を指定してください。

Authorization: Bearer $SPICY_API_KEY
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
  -H "Authorization: Bearer $SPICY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
  -d '{
  "model": "google/gemini-3.8-flash-tts/text-to-speech",
  "input": {
    "text": "Welcome back. Your files finished rendering a minute ago and are ready to download.",
    "voice_id": "Kore"
  }
}'

# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
  -H "Authorization: Bearer $SPICY_API_KEY"

このモデルの入力スキーマから生成した例です。API はどのリクエストも、同じスキーマで検証します。

入力パラメーター

これらのフィールドは、リクエスト本文の input オブジェクトに指定します。名前と型は API と一致します。デフォルト値の指定がない項目に、デフォルト値があると想定しないでください。

このモデルには項目どうしの依存関係があります。「条件付きで必須」の項目は、ほかの入力の内容によって必須になります。詳しい条件は、下の JSON Schema で確認してください。

temperaturenumber任意

テイク間のバリエーションを 0 から 2 の範囲で指定します。値を大きくするほど演じ方が予測しにくくなります。指定しない場合はモデルの既定値が使われます。秒単価は変わりません。

デフォルト値
指定なし
制約
minimum:0
maximum:2
scenestring任意

どこで誰に向けて話すかの説明です (例:「真夜中過ぎの静かなホテルの部屋」)。演じ方に反映され、読み上げられません。最大 500 文字です。秒単価は変わりません。

デフォルト値
指定なし
制約
maxLength:500
instructionsstring任意

読み方の自由記述の指示です。速さ、気分、マイクとの距離、聞き手などを書きます。演技に反映されますが、読み上げられることはありません。最大 1,000 文字です。

デフォルト値
指定なし
制約
maxLength:1000
accentstring任意

読み上げに使う英語のアクセントです。省略すると声本来のアクセントのままです。dialogue では、自分で設定していない話し手にこの値が使われます。

デフォルト値
指定なし
使用可能な値
"neutral""american_general""american_valley""american_south""british_rp""british_brixton""transatlantic""australian"
pacestring任意

読み上げのリズムです。natural、rapid_fire (速く歯切れよく)、the_drift (ゆっくり余韻を残して)、staccato (短く区切って) から選べます。省略すると声本来のリズムのままです。dialogue では、自分で設定していない話し手にこの値が使われます。テンポが遅いほど音声の秒数が増え、その秒数で課金されます。

デフォルト値
指定なし
使用可能な値
"natural""rapid_fire""the_drift""staccato"
stylestring任意

全体の話し方です。空欄にすると、そのボイス本来の話し方で読みます。dialogue では、自分で設定していない話し手にこの値が使われます。

デフォルト値
指定なし
使用可能な値
"whisper""empathetic""vocal_smile""newscaster""promo_hype""deadpan"
voice_idstring任意

固定のキャラクターを持つ 30 種類の既定音声のいずれかを指定します。既定値は Kore です。text を読む声です。dialogue では話し手ごとに voice_id を設定します。

デフォルト値
"Kore"
使用可能な値
"Achernar""Achird""Algenib""Algieba""Alnilam""Aoede""Autonoe""Callirrhoe""Charon""Despina""Enceladus""Erinome""Fenrir""Gacrux""Iapetus""Kore""Laomedeia""Leda""Orus""Puck""Pulcherrima""Rasalgethi""Sadachbia""Sadaltager""Schedar""Sulafat""Umbriel""Vindemiatrix""Zephyr""Zubenelgenubi"
speakersarray<object>条件付きで必須

dialogue の配役です。1 人か 2 人分を指定し、それぞれに行から参照される name と voice_id、任意で accent・style・pace・profile (話し手の短い説明。読み上げられません) を設定します。省いた項目には最上位の accent・style・pace が使われます。秒単価は変わりません。

デフォルト値
指定なし
制約
minItems:1
maxItems:2
dialoguearray<object>条件付きで必須

text の代わりに使う、最大 2 人の声による台本付きの会話です。最大 20 行で、各行に speaker (speakers にある名前) と 250 文字以内の text を指定します。行は順番どおりに演じられます。text と同じく、返された音声の秒数で課金されます。

デフォルト値
指定なし
制約
minItems:1
maxItems:20
textstring条件付きで必須

実際に話す言葉を、書いたとおりに指定します。[whispering] や [sighs] のような角括弧付きの指示は読み上げられるのではなく演じられます。最大 5,000 文字まで対応します。2 人の声による会話には、代わりに dialogue を使います。

デフォルト値
指定なし
制約
minLength:1
maxLength:5000

タスクを追跡

HTTP 202 はタスクを受け付けたという意味で、生成が終わったという意味ではありません。返ってきた taskId を保存し、そのタスクの状態を問い合わせてください。結果を待っている間に、同じ内容でタスクを作り直さないでください。

受理レスポンス
HTTP/1.1 202 Accepted
Location: /api/v1/jobs/recordInfo?taskId=job_01k3m8x9q2z4v7n5p6r8s0t1w3

{
  "code": 200,
  "msg": "success",
  "request_id": "req_example_create",
  "data": {
    "taskId": "job_01k3m8x9q2z4v7n5p6r8s0t1w3",
    "state": "queued",
    "estimatedCost": "0.750000"
  }
}

受理レスポンスには今回の概算料金が含まれるため、アプリのタスク履歴と請求画面に同じ金額を表示できます。

タスクを取得する
curl --get "https://api.spicyapi.ai/api/v1/jobs/recordInfo" \
  --data-urlencode "taskId=$TASK_ID" \
  -H "Authorization: Bearer $SPICY_API_KEY"

ポーリングは約 2 秒間隔から始め、徐々に間隔を延ばします。終了状態になったら止めてください。通信が切れたときも、元の taskId で状態を確認します。作成をやり直すときは、同じ冪等キーと同じ本文をそのまま使い回してください。

あるいは、コールバックに知らせてもらう
import { verifyWebhook } from "@spicyapi/sdk";

// express.raw keeps the bytes we signed; express.json never matches.
app.post("/hooks/spicy", express.raw({ type: "application/json" }), (req, res) => {
  const { payload } = verifyWebhook({
    rawBody: req.body,
    timestamp: req.header("X-Webhook-Timestamp"),
    signature: req.header("X-Webhook-Signature"),
    payloadVersion: Number(req.header("X-Webhook-Payload-Version")),
    secret: process.env.SPICY_WEBHOOK_SECRET,
  });
  res.status(200).end();
  void handleFinishedTask(payload);
});

タスク作成時に callBackUrl を渡せば、完了したレコードが POST で届きます——ポーリングは一切不要です。配信には毎回 X-Webhook-Timestamp、X-Webhook-Signature、X-Webhook-Payload-Version が付きます。署名は taskId.timestamp.sha256(body) に対する HMAC-SHA256（base64）なので、生のバイト列で検証してください。JSON を解析して再度文字列化するとバイト列が変わり、検証は必ず失敗します。失敗した配信は再送されるため同じ taskId が二度届くことがあります。ハンドラーは冪等に。まず 2xx を返し、処理はその後で——応答が遅いと配信失敗として扱われます。

結果を取得

output を読むのは、state が succeeded のときだけにしてください。失敗したときは errorCode、errorMessage、request_id を手がかりに調べます。例に出ている料金や状態は、実際の請求ではありません。

完了レスポンスの例
{
  "code": 200,
  "msg": "success",
  "request_id": "req_example_record",
  "data": {
    "taskId": "job_01k3m8x9q2z4v7n5p6r8s0t1w3",
    "model": "google/gemini-3.8-flash-tts/text-to-speech",
    "state": "succeeded",
    "output": {
      "assets": [
        {
          "key": "tasks/2026/08/28/job_01k3m8x9q2z4v7n5p6r8s0t1w3/3f7a1c9e5b2d48f0a6c1e3d5b7f9a1c3.mp3",
          "mime": "audio/mpeg",
          "url": "https://example.r2.cloudflarestorage.com/results/job_01k3m8x9q2z4v7n5p6r8s0t1w3/result.mp3?X-Amz-Signature=SIGNATURE_FROM_RESPONSE",
          "expiresAt": "2026-08-28T12:20:08.000Z"
        }
      ]
    },
    "cost": "0.750000",
    "settled": true,
    "createdAt": "2026-08-28T12:00:00Z",
    "completedAt": "2026-08-28T12:00:30Z"
  }
}

利用可能なファイルは assets[].url からそのまま開くか、ダウンロードできます。API の Authorization ヘッダーは不要です。署名付き URL は expiresAt で失効しますが、保存期間内であればタスクを再取得することで更新できます。処理中または利用できないファイルに URL はありません。署名付き URL は非公開情報として扱ってください。

SDK・連携

アプリ、ターミナル、AI アシスタント、ビジュアルワークフローで SpicyAPI を活用。接続ガイドを選んでください。

SDKs
TypeScript · Python · Go · PHP · Java
CLI
ターミナルコマンドと自動化スクリプト。
MCP
Claude Code · Cursor · Codex
Agent Skill
AI アシスタントで再利用できる手順。
n8n
セルフホスト版のコミュニティノードと、n8n Cloud にインポートできる HTTP Request テンプレート。
ComfyUI
ノードで組み立てる画像・動画・音声ワークフロー。

その他の連携

SillyTavernTelegram / DiscordApp proxyOpenAI SDKLangChainVercel AI SDK
すぐ使えるワークフローを見る

ComfyUI で使う

ComfyUI Manager か下のコマンドで SpicyAPI ノードをインストールしたら、キャンバスで Gemini 3.8 Flash TTS · Text to Speech を検索してください。このノードにはこのページと同じオプションがあり、実行前に価格が表示されます。

cd ComfyUI/custom_nodes
git clone https://github.com/spicyapi-ai/comfyui-spicyapi
ワークフロー例セットアップガイドGitHub のソース