> This is a page from the ElevenLabs documentation. For a complete page index, fetch https://elevenlabs.io/docs/llms.txt. For the full documentation in a single file, fetch https://elevenlabs.io/docs/llms-full.txt.

# 音声を生成

POST https://api.elevenlabs.io/v1/text-to-speech/{voice_id}
Content-Type: application/json

選択した音声を使用してテキストを音声に変換し、オーディオを返します。

Reference: https://elevenlabs.io/docs/api-reference/text-to-speech/convert

## Servers

- `https://api.elevenlabs.io` (Production, default)
- `https://api.us.elevenlabs.io` (Production US)
- `https://api.eu.residency.elevenlabs.io` (Production EU)
- `https://api.in.residency.elevenlabs.io` (Production India)
- `https://api.sg.residency.elevenlabs.io` (Production Singapore)

## Request

### Path parameters

- `voice_id` (string, required) — 使用する音声のID。利用可能なすべての音声は、[音声を取得](/docs/api-reference/voices/search)エンドポイントで一覧表示できます。

### Query parameters

- `enable_logging` (boolean, optional, default: true) — enable_loggingがfalseに設定されている場合、このリクエストにはゼロ保持モードが使用されます。この場合、リクエスト結合を含む履歴機能はこのリクエストでは利用できません。ゼロ保持モードを使用できるのはエンタープライズのお客様のみです。
- `optimize_streaming_latency` (integer, optional, nullable, deprecated) — 品質を多少犠牲にして、レイテンシー最適化を有効にできます。達成可能な最終レイテンシーはモデルによって異なります。指定可能な値： 0 - デフォルトモード（レイテンシー最適化なし） 1 - 通常のレイテンシー最適化（オプション3で可能なレイテンシー改善量の約50%） 2 - 強力なレイテンシー最適化（オプション3で可能なレイテンシー改善量の約75%） 3 - 最大レイテンシー最適化 4 - 最大レイテンシー最適化に加え、さらなるレイテンシー削減のためテキストノーマライザーも無効化（最良のレイテンシーですが、数字や日付などを誤って発音する可能性があります）。 デフォルトはNoneです。
- `output_format` (enum, optional, default: mp3_44100_128) — 生成されたオーディオの出力形式。codec_sample_rate_bitrate形式で指定します。たとえば、サンプルレート22.05kHz、32kbpsのmp3はmp3_22050_32で表します。ビットレート192kbpsのMP3を使用するには、クリエイター以上への加入が必要です。サンプルレート44.1kHzのPCMおよびWAV形式を使用するには、プロ以上への加入が必要です。μ-law形式（mu-lawとも表記され、u-lawと近似表記されることもあります）は、Twilioのオーディオ入力で一般的に使用されます。
  - Allowed values: `alaw_8000`, `mp3_22050_32`, `mp3_24000_48`, `mp3_44100_128`, `mp3_44100_192`, `mp3_44100_32`, `mp3_44100_64`, `mp3_44100_96`, `opus_48000_128`, `opus_48000_192`, `opus_48000_32`, `opus_48000_64`, `opus_48000_96`, `pcm_16000`, `pcm_22050`, `pcm_24000`, `pcm_32000`, `pcm_44100`, `pcm_48000`, `pcm_8000`, `ulaw_8000`, `wav_16000`, `wav_22050`, `wav_24000`, `wav_32000`, `wav_44100`, `wav_48000`, `wav_8000`

### Body (application/json)

This endpoint expects a Body_text_to_speech_full.

- `text` (string, required) — 音声に変換するテキストです。
- `model_id` (string, optional, default: eleven_multilingual_v2) — 使用するモデルの識別子。GET /v1/modelsで照会できます。モデルはテキスト読み上げをサポートしている必要があり、can_do_text_to_speechプロパティで確認できます。
- `language_code` (string, optional, nullable) — モデルと言語正規化に適用する言語コード（ISO 639-1）です。モデルが指定された言語コードをサポートしていない場合は無視されます。このパラメータはmultilingual_v2モデルではサポートされません。
- `voice_settings` (VoiceSettingsResponseModel, optional, nullable) — 指定した音声について、保存済みの設定をオーバーライドする音声設定。指定したリクエストにのみ適用されます。
- `pronunciation_dictionary_locators` (list of PronunciationDictionaryVersionLocatorRequestModel, optional, nullable) — テキストに適用する発音辞書ロケーター（id、version_id）の一覧です。指定した順序で適用されます。1リクエストにつき最大3つのロケーターを指定できます。
- `seed` (integer, optional, nullable) — 指定すると、同じシードとパラメータでリクエストを繰り返した場合に同じ結果が返るよう、システムは決定論的サンプリングを最大限試みます。決定性は保証されません。0から4294967295までの整数である必要があります。
- `previous_text` (string, optional, nullable) — 現在のリクエストのテキストより前にあるテキスト。複数の生成結果を連結する際の音声の連続性を改善したり、現在の生成における音声の連続性に影響を与えたりするために使用できます。
- `next_text` (string, optional, nullable) — 現在のリクエストのテキストより後にあるテキスト。複数の生成結果を連結する際の音声の連続性を改善したり、現在の生成における音声の連続性に影響を与えたりするために使用できます。
- `previous_request_ids` (list of string, optional, nullable) — この生成より前に生成されたサンプルのrequest_idのリストです。大きなタスクを複数のリクエストに分割する際に、音声の連続性を向上させるために使用できます。すべての生成で同じモデルを使用すると、より良い結果が得られます。previous_textとprevious_request_idsの両方が送信された場合、previous_textは無視されます。送信できるrequest_idsは最大3件です。
- `next_request_ids` (list of string, optional, nullable) — この生成の後に続くサンプルのrequest_idのリストです。next_request_idsは、音声品質に問題があるサンプルを再生成する際に、音声の連続性を維持するのに特に役立ちます。たとえば、3つの音声クリップを生成し、クリップ2を改善したい場合、クリップ3のリクエストIDをnext_request_idとして（クリップ1のIDをprevious_request_idとして）渡すことで、結合後の音声でも自然な流れを維持できます。すべての生成で同じモデルを使用すると、より良い結果が得られます。next_textとnext_request_idsの両方が送信された場合、next_textは無視されます。送信できるrequest_idsは最大3件です。
- `use_pvc_as_ivc` (boolean, optional, default: false) — プロフェッショナルボイスのIVCバージョンを使用するかどうかです。表現力が向上し、レイテンシーが低減する場合があります。
- `apply_text_normalization` (enum, optional, default: auto) — このパラメーターは、'auto'、'on'、'off'の3つのモードでテキスト正規化を制御します。'auto'に設定すると、システムがテキスト正規化（例：数値の読み上げ）を適用するかどうかを自動的に判断します。'on'では常にテキスト正規化が適用され、'off'ではスキップされます。
  - Allowed values: `auto`, `on`, `off`
- `apply_language_text_normalization` (boolean, optional, default: false) — このパラメーターは言語テキストの正規化を制御します。一部の対応言語でテキストを適切に発音するのに役立ちます。警告：このパラメーターはリクエストのレイテンシーを大幅に増加させる可能性があります。現在は日本語でのみ対応しています。
- `audio_effects` (EffectsSpec-Input, optional, nullable) — 生成されたオーディオに適用するオーディオエフェクト。不明なIDの場合は、フィールド名を示す `param` を含む404が返されます。リバーブ（`send_level` が0より大きい `environment_id`）と0以外の `pan` はステレオオーディオを生成するため、`ulaw_*`、`alaw_*`、`pcm_*` の出力形式では400で拒否されます。エフェクトによってリクエストの料金は変わりません。

## Response

### 200

生成されたオーディオファイル

- File download.

## Errors

### 422 Unprocessable Entity Error

検証エラー

- `detail` (list of ValidationError, optional)

## Types

### VoiceSettingsResponseModel

- `stability` (double, optional, nullable, default: 0.5) — 音声の安定性と各生成間のランダム性を決定します。値が低いほど、音声の感情表現の幅が広がります。値が高いほど、感情表現が限られた単調な音声になる場合があります。
- `use_speaker_boost` (boolean, optional, nullable, default: true) — この設定は元の話者との類似性を高めます。この設定を使用すると計算負荷がやや高くなり、その結果レイテンシーが増加します。
- `similarity_boost` (double, optional, nullable, default: 0.75) — AIが元の音声を再現する際に、どの程度忠実に元の音声に従うかを決定します。
- `style` (double, optional, nullable, default: 0) — 音声のスタイル強調度を決定します。この設定では、元の話者のスタイルを強調します。追加の計算リソースを消費するため、0以外に設定するとレイテンシーが増加する場合があります。
- `speed` (double, optional, nullable, default: 1) — 音声の速度を調整します。1.0がデフォルトの速度で、1.0未満の値では発話が遅くなり、1.0を超える値では速くなります。

### PronunciationDictionaryVersionLocatorRequestModel

- `pronunciation_dictionary_id` (string, required) — 発音辞書のID。
- `version_id` (string, optional, nullable) — 発音辞書バージョンのID。指定しない場合は最新バージョンが使用されます。

### EffectsSpec-Input

生成された音声に適用するオーディオエフェクトです。フィルタープリセット、知覚距離、リバーブ 環境、バックグラウンドノイズベッド、ステレオパンニングを含みます。未処理のオーディオを取得するには、すべてのフィールドをデフォルト値のままにしてください。

- `filter_preset_id` (string, optional, nullable) — `phone` や `old_radio` など、音声の音色を変えるフィルタープリセットのID。有効なIDは `GET /v1/audio-effects/catalog` で取得できます。
- `distance` (double, optional, default: 0) — 話者がマイクからどの程度離れて聞こえるかを指定します。0（近い、変更なし）から1（遠い）までです。値を大きくすると低域と高域が減衰し、環境が設定されている場合は、ドライ音声からリバーブへのバランスが移動します。
- `environment_id` (string, optional, nullable) — `small_room` や `hall` など、音声を空間内に配置するリバーブ環境のID。有効なIDは `GET /v1/audio-effects/catalog` で取得できます。リバーブはステレオでレンダリングされ、音声終了後に最大数秒の残響が追加されます。
- `background_noise_id` (string, optional, nullable) — `cafe` や `keyboard` など、音声の下でループ再生するバックグラウンドノイズベッドのID。有効なIDは `GET /v1/audio-effects/catalog` で取得できます。
- `send_level` (double, optional, default: 1) — 音声をどの程度リバーブに送るかを指定します。0（なし）から1（最大）までです。`environment_id` が設定されている場合にのみ適用されます。0ではリバーブが無効になります。
- `pan` (double, optional, default: 0) — 音声のステレオ位置。-1（左端）から0（中央）を経て1（右端）まで指定します。パンニングされるのは音声のみで、リバーブとバックグラウンドノイズは中央のままです。

### ValidationError

- `loc` (list of ValidationErrorLocItems, required)
- `msg` (string, required)
- `type` (string, required)

### ValidationErrorLocItems

## Examples

**Request**

```json
{
  "text": "The first move is what sets everything in motion.",
  "model_id": "eleven_multilingual_v2"
}
```

**SDK Code**

```python
import requests

url = "https://api.elevenlabs.io/v1/text-to-speech/JBFqnCBsd6RMkjVDRZzb"

querystring = {"output_format":"mp3_44100_128"}

payload = {
    "text": "The first move is what sets everything in motion.",
    "model_id": "eleven_multilingual_v2"
}
headers = {
    "xi-api-key": "xi-api-key",
    "Content-Type": "application/json"
}

response = requests.post(url, json=payload, headers=headers, params=querystring)

print(response.json())
```

```javascript
const url = 'https://api.elevenlabs.io/v1/text-to-speech/JBFqnCBsd6RMkjVDRZzb?output_format=mp3_44100_128';
const options = {
  method: 'POST',
  headers: {'xi-api-key': 'xi-api-key', 'Content-Type': 'application/json'},
  body: '{"text":"The first move is what sets everything in motion.","model_id":"eleven_multilingual_v2"}'
};

try {
  const response = await fetch(url, options);
  const data = await response.json();
  console.log(data);
} catch (error) {
  console.error(error);
}
```

```go
package main

import (
	"fmt"
	"strings"
	"net/http"
	"io"
)

func main() {

	url := "https://api.elevenlabs.io/v1/text-to-speech/JBFqnCBsd6RMkjVDRZzb?output_format=mp3_44100_128"

	payload := strings.NewReader("{\n  \"text\": \"The first move is what sets everything in motion.\",\n  \"model_id\": \"eleven_multilingual_v2\"\n}")

	req, _ := http.NewRequest("POST", url, payload)

	req.Header.Add("xi-api-key", "xi-api-key")
	req.Header.Add("Content-Type", "application/json")

	res, _ := http.DefaultClient.Do(req)

	defer res.Body.Close()
	body, _ := io.ReadAll(res.Body)

	fmt.Println(res)
	fmt.Println(string(body))

}
```

```ruby
require 'uri'
require 'net/http'

url = URI("https://api.elevenlabs.io/v1/text-to-speech/JBFqnCBsd6RMkjVDRZzb?output_format=mp3_44100_128")

http = Net::HTTP.new(url.host, url.port)
http.use_ssl = true

request = Net::HTTP::Post.new(url)
request["xi-api-key"] = 'xi-api-key'
request["Content-Type"] = 'application/json'
request.body = "{\n  \"text\": \"The first move is what sets everything in motion.\",\n  \"model_id\": \"eleven_multilingual_v2\"\n}"

response = http.request(request)
puts response.read_body
```

```java
import com.mashape.unirest.http.HttpResponse;
import com.mashape.unirest.http.Unirest;

HttpResponse<String> response = Unirest.post("https://api.elevenlabs.io/v1/text-to-speech/JBFqnCBsd6RMkjVDRZzb?output_format=mp3_44100_128")
  .header("xi-api-key", "xi-api-key")
  .header("Content-Type", "application/json")
  .body("{\n  \"text\": \"The first move is what sets everything in motion.\",\n  \"model_id\": \"eleven_multilingual_v2\"\n}")
  .asString();
```

```php
<?php
require_once('vendor/autoload.php');

$client = new \GuzzleHttp\Client();

$response = $client->request('POST', 'https://api.elevenlabs.io/v1/text-to-speech/JBFqnCBsd6RMkjVDRZzb?output_format=mp3_44100_128', [
  'body' => '{
  "text": "The first move is what sets everything in motion.",
  "model_id": "eleven_multilingual_v2"
}',
  'headers' => [
    'Content-Type' => 'application/json',
    'xi-api-key' => 'xi-api-key',
  ],
]);

echo $response->getBody();
```

```csharp
using RestSharp;

var client = new RestClient("https://api.elevenlabs.io/v1/text-to-speech/JBFqnCBsd6RMkjVDRZzb?output_format=mp3_44100_128");
var request = new RestRequest(Method.POST);
request.AddHeader("xi-api-key", "xi-api-key");
request.AddHeader("Content-Type", "application/json");
request.AddParameter("application/json", "{\n  \"text\": \"The first move is what sets everything in motion.\",\n  \"model_id\": \"eleven_multilingual_v2\"\n}", ParameterType.RequestBody);
IRestResponse response = client.Execute(request);
```

```swift
import Foundation

let headers = [
  "xi-api-key": "xi-api-key",
  "Content-Type": "application/json"
]
let parameters = [
  "text": "The first move is what sets everything in motion.",
  "model_id": "eleven_multilingual_v2"
] as [String : Any]

let postData = JSONSerialization.data(withJSONObject: parameters, options: [])

let request = NSMutableURLRequest(url: NSURL(string: "https://api.elevenlabs.io/v1/text-to-speech/JBFqnCBsd6RMkjVDRZzb?output_format=mp3_44100_128")! as URL,
                                        cachePolicy: .useProtocolCachePolicy,
                                    timeoutInterval: 10.0)
request.httpMethod = "POST"
request.allHTTPHeaderFields = headers
request.httpBody = postData as Data

let session = URLSession.shared
let dataTask = session.dataTask(with: request as URLRequest, completionHandler: { (data, response, error) -> Void in
  if (error != nil) {
    print(error as Any)
  } else {
    let httpResponse = response as? HTTPURLResponse
    print(httpResponse)
  }
})

dataTask.resume()
```