無料の音声合成 API：キーも上限もない自前のサーバー
多くの音声合成 API が無料なのはある程度までです。登録して API キーをもらい、月間の上限とリクエスト制限のある無料枠を使い、その先は文字数ごとの請求。試作なら問題ありませんが、よく話すアプリやボット、何千ものセリフを音声化する処理には負担になります。
SuperClonica は別の道を取ります。音声サーバーは、自分のパソコンやサーバーで動かす無料の Docker イメージです。申請するキーも上限もなく、あるのは手元のハードウェアだけ。このガイドでは、起動方法、curl・Python・JavaScript からの呼び出し方、そして「無料」に実際かかるコストを紹介します。
無料枠とその制限
クラウド各社の最新条件はご自身で確認してください。無料枠も料金も変わります。
- クラウドの無料枠は、たいていアカウントと API キーが必要で、月間の文字数上限とリクエスト制限があります。
- リクエストのたびに、テキストは提供元に送られます。
- 自前のサーバーなら、キーもアカウントも不要で、上限もありません。
- SuperClonica のサーバーは31言語を話し、無料の標準ボイス10種と170以上のカタログボイスがあります。
無料でオンラインで声を聞く
どの声のページでも、30〜100文字の文を入力し、言語を選んで生成ボタンを押します。数秒で API が返す音声を確認でき、アカウントは不要です。
API を起動して呼び出す
応答は16ビットモノラルの WAV で、ヘッダーの X-Sample-Rate と X-Duration-Seconds が内容を示し、GET /voices で声と言語の一覧が得られます。
- サーバーを起動：docker run -d -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu。初回はモデル（約385MB）をダウンロードします。
- curl で呼び出し：curl -X POST http://localhost:8000/synthesize -H "Content-Type: application/json" -d '{"text": "Hello from a free API!", "voice": "F1", "lang": "en"}' -o hello.wav
- Python から、追加パッケージなしで：import json, urllib.request; req = urllib.request.Request('http://localhost:8000/synthesize', data=json.dumps({'text': 'Hello', 'voice': 'F1', 'lang': 'en'}).encode(), headers={'Content-Type': 'application/json'}); open('hello.wav', 'wb').write(urllib.request.urlopen(req).read())
- JavaScript や Node.js から：const r = await fetch('http://localhost:8000/synthesize', {method: 'POST', headers: {'Content-Type': 'application/json'}, body: JSON.stringify({text: 'Hello', voice: 'F1', lang: 'en'})}); const wav = await r.arrayBuffer();
キー、制限、スケール
自分のマシンならキーは不要です。ネットワークから到達できるなら、SUPERCLONICA_API_KEY を設定して Authorization: Bearer でそのキーを送るか、サーバーを非公開にしておきます。1リクエストは標準で5000文字までで、SUPERCLONICA_MAX_TEXT で変更でき、SUPERCLONICA_LANES で複数のリクエストを同時に処理できます。外部に公開する前に、任意のリバースプロキシで HTTPS を前に置きましょう。
「無料」に実際かかるもの
ソフトウェアは無料です。エンジンとイメージは Apache 2.0、Supertonic 3 モデルは OpenRAIL-M で、制限の範囲内なら商用利用できます。かかるのはマシン代です。CPU でも短い文なら1秒よりずっと早く処理でき、同時利用者が多いなら GPU が速くなります。カタログの声は一度購入すれば使え、標準ボイス10種は無料です。