Unreal Speech

Unreal Speech: 高速かつ手頃な価格のテキスト読み上げAPI

Unreal Speechは、Eleven Labsなどの代替手段よりも大幅に安価な、高速かつ手頃な価格のテキスト読み上げAPIソリューションを提供します。これにより、ユーザーはオーディオを迅速にストリーミングし、長時間のオーディオをリクエストでき、高度な制御と同期のために単語ごとのタイムスタンプを提供します。

Unreal Speechとは？

Unreal Speechは、テキストを自然な音声に変換するための費用対効果の高い高性能なソリューションを求める開発者や企業向けに設計されたテキスト読み上げAPIです。短いスニペットから長時間のオーディオファイルまで、オーディオコンテンツを生成するためのシームレスなエクスペリエンスを提供することを目指しています。

Unreal Speechの仕組み

Unreal Speechは、高度な音声合成モデルを利用して、書かれたテキストを音声オーディオに変換します。このAPIは、いくつかの主要な機能を提供します。

• 低レイテンシ: わずか300msでオーディオをストリーミングするため、リアルタイムアプリケーションに適しています。
• 高容量: 最大10時間のオーディオのリクエストを処理できます。
• 単語ごとのタイムスタンプ: 各単語の正確なタイミング情報を提供し、同期されたハイライト表示とアニメーションを可能にします。
• 複数の音声と言語: 米国英語、英国英語、北京語、ヒンディー語、スペイン語、ポルトガル語、日本語、フランス語、イタリア語など、さまざまな言語でさまざまな音声を提供します。
• 柔軟な出力形式: MP3やPCM µ-lawなどの標準的なオーディオ形式をサポートし、さまざまなユースケースに対応します。

Unreal Speechの主な機能

• 手頃な価格: Unreal Speechは、他のテキスト読み上げサービスの経済的な代替手段として位置付けられており、Eleven Labsよりも11倍安価です。
• リアルタイムストリーミング: /streamエンドポイントを使用すると、最大1,000文字をすばやく変換でき、ほぼ瞬時にオーディオを配信できます。
• 非同期合成: /synthesisTasksエンドポイントは、より長いオーディオファイルを作成するように設計されており、約15分で10時間のオーディオを生成できます。
• タイムスタンプサポート: APIは、単語または文レベルでタイムスタンプを提供し、同期されたテキストのハイライト表示を容易にすることができます。

Unreal Speechの使用方法

Unreal Speechを使用するには、APIキーが必要です。始める方法は次のとおりです。

1. APIキーを取得する: Unreal SpeechのWebサイトで無料のAPIキーにサインアップします。
2. エンドポイントを選択する: ニーズに基づいて適切なエンドポイントを選択します。
   • /stream: 短いテキストのリアルタイムストリーミング用。
   • /synthesisTasks: より長いオーディオファイルを非同期的に生成するため。
   • /streamWithTimestamps: 単語レベルのタイムスタンプ付きのオーディオをストリーミングするため。
3. APIリクエストを行う: 提供されているコードサンプル（Python、Node.js、React Native、Bash）を使用して、APIをアプリケーションに統合します。

Pythonで/streamエンドポイントを使用する例を次に示します。

import requests

response = requests.post(
  'https://api.v8.unrealspeech.com/stream',
  headers = {
    'Authorization' : 'Bearer YOUR_API_KEY'
  },
  json = {
    'Text': '''<YOUR_TEXT>''', # Up to 1,000 characters
    'VoiceId': '<VOICE_ID>', # af, af_bella, af_sarah, am_adam, am_michael, bf_emma, bf_isabella, bm_george, bm_lewis, af_nicole, af_sky
    'Bitrate': '192k', # 320k, 256k, 192k, ...
    'Speed': '0', # -1.0 to 1.0
    'Pitch': '1', # 0.5 to 1.5
    'Codec': 'libmp3lame', # libmp3lame or pcm_mulaw
  }
)

with open('audio.mp3', 'wb') as f:
    f.write(response.content)

Unreal Speechを選ぶ理由

• コスト削減: 他のプロバイダーと比較して、テキスト読み上げのコストを大幅に削減します。
• 高品質: さまざまな音声オプションを備えた自然な音声を提供します。
• スケーラビリティ: 顧客からの推薦状が示すように、大量のリクエストを処理できます。
• 柔軟性: さまざまなユースケースに合わせて、複数のAPIエンドポイントと出力形式を提供します。

Unreal Speechは誰のためですか？

Unreal Speechは、次のような幅広いユーザーに適しています。

• 開発者: テキスト読み上げ機能をアプリケーションに統合します。
• コンテンツクリエーター: 記事、ブログ投稿、その他の書かれたコンテンツのオーディオバージョンを生成します。
• 企業: 音声アシスタントとチャットボットで顧客サービスを自動化します。
• 教育機関: オーディオサポートを備えたアクセス可能な学習教材を作成します。

Unreal Speechの価格

Unreal Speechは、さまざまなニーズに対応するために、さまざまな価格プランを提供しています。

• 無料プラン: 1か月あたりの文字数が制限されています。
• 有料プラン: より多くの文字数と追加機能を提供します。
• エンタープライズプラン: 大量のユーザー向けにカスタムソリューションと専用サポートを提供します。

月額許容量を超える追加の使用量は、サブスクリプションプランに基づいて料金が異なり、100万文字ごとに請求されます。

お客様の声

Listening.comのCEOであるDerek Pankaew氏は、Unreal Speechの使用経験を次のように語っています。

「Unreal Speechにより、テキスト読み上げのコストを75％削減できました。Amazon Pollyよりも音質が良く、はるかに安価です。大量に切り替え、1時間あたり10,000ページ以上を処理することがよくあります。Unrealは、高品質のリスニングエクスペリエンスを提供しながら、ボリュームを処理することができました。」

よくある質問

• 他の言語の音声を提供していますか？ はい、Unreal Speechは8つの異なる言語で48の音声を提供しています。
• カスタム音声（音声クローン）を作成できますか？ 今はまだですが、取り組んでいます！
• 生成されたオーディオを商用利用できますか？ はい、Unreal Speechで生成されたオーディオは商用利用できます。無料プランでは、属性が必要です。

Unreal Speechは、高速で手頃な価格で信頼性の高いテキスト読み上げAPIを求めるすべての人にとって魅力的なオプションです。低レイテンシ、高容量、および単語ごとのタイムスタンプにより、さまざまなアプリケーションやユースケースに適しています。