1. ホーム
  2. API
  3. Google Cloud Text-to-Speech APIで知っておきたいこと
Updated on API

Google Cloud Text-to-Speech APIで知っておきたいこと

Cliff Weitzman

クリフ・ワイツマン

SpeechifyのCEO兼創業者

Speechify APIは300msの 
低遅延、人間の声のような自然さ、 
50以上の言語に対応

apple logo2025年 Apple デザインアワード受賞
5,000万以上のユーザー

GoogleのCloud Text-to-Speech APIは、HTTPリクエストでテキストを音声に変換できます。料金は音声タイプごとに異なり、100万文字あたりStandardとWaveNetは4ドル、Neural2は16ドル、Chirp 3 HDは30ドルです。75以上の言語・380種類以上の音声に対応し、ストリーミングも利用できます。 より高品質で独立評価の高い音声を、より低コストで導入したいなら、SpeechifyAIが有力です。独立したArtificial Analysis TTSランキングでは1位で、料金は100万文字あたり6~10ドルです。

Google Cloud Text-to-Speech API

Google Text-to-Speech APIの主な機能

Google Cloud Text-to-Speechは、テキスト読み上げのための音声合成APIです。テキスト(またはSSML)と音声・音声出力の設定を送信すると、音声ストリームまたは音声ファイルとして返されます。Google Cloudサービスの一部であるため、GCPプロジェクトへの組み込みもスムーズで、IAM、課金、クライアントライブラリも他のGoogle Cloudサービスと共通です。開発者は、IVR、アクセシビリティ対応、メディアのナレーション、GCP上のさまざまなプロダクトで活用しています。

Google TTSの音声タイプと2026年の料金

Googleでは、音声タイプごとに100万文字単位で料金が設定されています。高品質な音声ほど料金も高くなります:

音声タイプ

100万文字あたりの価格

無料枠(月あたり)

備考

Standard

$4

400万文字

基本的な機械音声

WaveNet

$4

400万文字

ニューラル方式の高品質音声

Neural2

$16

100万文字

さらに高品質なニューラル音声

Chirp 3: HD

$30

100万文字

最新の高精細音声

Studio

$160

100万文字

長尺向けのプレミアムナレーション

無料枠を超えた分は従量課金になります。無料枠はプロトタイプ用途には十分ですが、毎月リセットされるため、本番運用の使用量を見込んで計画を立てる必要があります。

Google TTS APIの使い方

  1. Google Cloudプロジェクトを作成し、Text-to-Speech APIを有効にします。
  2. サービスアカウントキー、またはアプリケーションのデフォルト認証情報を使って認証します。
  3. texttospeech.googleapis.com/v1/text:synthesize
  4. をRESTまたはgRPC経由で呼び出すか、公式のPython、Node、Java、Go向けクライアントライブラリを利用します。
  5. input
  6. (テキストまたはSSML)、
  7. voice
  8. (言語コード+名前)、
  9. audioConfig
  10. (エンコーディング、話速、ピッチ)を指定します。返却されるのはbase64形式の音声です。

セットアップはGCP標準の流れに沿っており、すでにGoogle Cloudを使っている場合は比較的簡単です。一方、未導入の場合はやや準備に手間がかかります。

他サービスを検討するタイミング

Google TTSはGCPとの親和性が高く、幅広く利用されていますが、次の2点から他の選択肢を検討するケースもあります:

  • コストに対する音声品質。
  • Googleの最上位プランであるChirp 3 HD(30ドル)やStudio(160ドル)はコストがかさみやすく、独立評価では他モデルのほうが高く評価されることもあります。
  • Artificial Analysis TTSランキング
  • (2026年7月時点)では、SpeechifyAIのSimba 3.2がGoogle DeepMindを上回り1位です。
  • リアルタイム音声エージェント。
  • 会話型の
  • 音声エージェント
  • では、音声認識やLLMも必要です。これらをGoogle TTSと組み合わせる場合、3つのサービスにまたがる課金と遅延が発生します。

Google TTSの代替候補としてのSpeechifyAI

  • 独立評価で高い音声品質。
  • Simba 3.2
  • は、独立したArtificial Analysis TTSランキング(2026年7月時点)で1位、Voice Arenaでも同率2位となっており、Google DeepMind、ElevenLabs、OpenAIを上回っています。
  • 高品質でありながら低価格。
  • 100万文字あたり6ドルで、GoogleのNeural2(16ドル)やChirp 3 HD(30ドル)より低価格で、かつ高評価の音声を提供します。
  • 約300msの低遅延、30以上の言語、1,500種類超の音声。
  • ストリーミングに対応しており、リアルタイム用途にも適しています。
  • 音声エージェントをまとめて提供。
  • STT+LLM+TTSのすべてに1つのAPIで対応し、料金は1分あたり0.068~0.075ドル。追加課金は不要です。

SpeechifyAIはSpeechifyの開発者向けプラットフォームであり、一般消費者向けのSpeechifyアプリとは別サービスです。

始めるには

Googleとの比較も数行で試せます。無料のSpeechifyAI APIキー(毎月5万文字分)はspeechify.aiで取得でき、SDKpip install speechify-apiまたはnpm install @speechify/apiで導入できます。

Speechify自慢の音声を、API経由で高速・スケーラブルかつ開発者フレンドリーにご利用いただけます

APIアクセスを取得
api access banner

この記事をシェアする

Cliff Weitzman

クリフ・ワイツマン

SpeechifyのCEO兼創業者

クリフ・ワイツマンはディスレクシア支援の提唱者であり、世界で最も人気のテキスト読み上げアプリ、SpeechifyのCEO兼創業者です。Speechifyは、5つ星レビューが10万件以上寄せられ、App Storeの「ニュース&雑誌」カテゴリで1位を獲得しています。2017年には、学習障害のある方々がインターネットをより使いやすくなるよう尽力した功績が評価され、Forbesの「30 Under 30」に選出されました。クリフ・ワイツマンは、EdSurge、Inc.、PC Mag、Entrepreneur、Mashableなどの主要メディアで取り上げられています。

speechify logo

Speechifyについて

No.1 テキスト読み上げリーダー

Speechify は、世界をリードする テキスト読み上げ プラットフォームであり、5,000万を超えるユーザーに利用され、iOSiOSAndroidChrome拡張機能Webアプリ、そしてMacデスクトップアプリで50万件以上の5つ星レビューを獲得しています。2025年には、Appleから権威あるApple デザインアワードWWDCで受賞し、「人々の暮らしを支える重要なリソース」と評されました。Speechifyは、60言語以上・1,000以上の自然な音声を提供し、ほぼ200か国で利用されています。有名人の音声にはSnoop Doggグウィネス・パルトロウなども含まれます。クリエイターや企業向けに、Speechify Studio では高度なツールを提供し、AIボイスジェネレーターAIボイスクローンAI吹き替え、そしてAIボイスチェンジャーも利用できます。また、Speechifyは高品質でコストパフォーマンスに優れたテキスト読み上げAPIで、主要なプロダクトも支えています。これまでにウォール・ストリート・ジャーナルCNBCForbesTechCrunchなどの主要メディアにも取り上げられています。Speechifyは世界最大のテキスト読み上げプロバイダーです。詳しくはspeechify.com/newsspeechify.com/blogspeechify.com/pressをご覧ください。