Aivis Cloud API使って音声生成してみた！使い方と手順解説

今回はAivisSpeechのクラウドAPIであるAivis Cloud APIを使ってみたので、その使い方や使用感などを解説していこうと思います。

なお、ローカルで動くAivisSpeechについては下記をご覧ください。

※本記事の最終更新：2026/2/1

Aivis Cloud APIについて

Aivis Cloud APIの概要については公式解説をご覧ください。

簡単に言うとAivisSpeechの感情豊かな合成音声をクラウドAPIとして使えるというもので、マシンスペックに依存せずリアルタイム音声生成をリクエストできます。

Aivis Cloud APIの使い方

APIキーの取得

上記のダッシュボードにアクセス
※アカウントがない場合は作成してください

補足ですが、Aivis Cloud APIは課金プランで「従量課金」と「定額課金」があるようです。従量課金はそのままの意味で、使った分だけ料金発生する方式ですね。

定額課金はダッシュボードにその説明があり、いわゆるサブスク型で月額1980円でたくさん使えるみたいなイメージとのこと。

Aivis Cloud APIを使ってみる

公式APIドキュメントを参考に、PythonでAPIを使ってみます。

なお、簡単にデモを試せるページも用意されているのでコードを書かなくても使用感を知りたい場合などはこちらで良いかと思います。

PythonでAPI呼び出してみる

import requests
from datetime import datetime
from typing import Optional


class AivisCloudAPI:

    def __init__(self, api_key: str):
        self.api_key = api_key
        self.base_url = "https://api.aivis-project.com/v1"
        self.headers = {
            "Authorization": f"Bearer {self.api_key}",
            "Content-Type": "application/json",
        }

    def synthesize_speech(self, text: str) -> Optional[str]:
        payload = {
            # moriokiモデル(AivisHubから値を取得)
            "model_uuid": "baaae3c0-7b22-4605-8ba5-80c959b41a48",
            "text": text,
            "use_ssml": False,
            "output_format": "wav",
            "language": "ja",
        }

        try:
            response = requests.post(
                f"{self.base_url}/tts/synthesize",
                headers=self.headers,
                json=payload,
            )

            if response.status_code == 200:
                timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
                filename = f"./aivis_output_{timestamp}.wav"

                with open(filename, "wb") as f:
                    f.write(response.content)

                print(f"完了: {filename}")
                return filename
            else:
                print(f"エラー: HTTP {response.status_code}")
                return None

        except Exception as e:
            print(f"エラー: {e}")
            return None


def main():
    # ここにAPIキーを入力
    api_key = "aivis_..."
    client = AivisCloudAPI(api_key)

    while True:
        text = input("> ")

        if text.lower() in ["quit", "exit", "q"]:
            break

        if text.strip():
            client.synthesize_speech(text)


if __name__ == "__main__":
    main()

上記のPythonコードを実行すると、ターミナルで入力した文字列をAivis Cloud APIで音声生成して.wavファイルを生成します。

実行したところ、無事に動いたことを確認しました。
こちらでも同様に音声生成(レスポンス)が高速で驚きました！

なお、コード内に「APIキー」「model_uuid」の記載が必要で、APIキーは先ほどのダッシュボードから取得したキー文字列を入力。
model_uuidはどのモデルで読み上げをするかの指定で、AivisHubから情報取得できます。

今回は私ともりおきさんで作って公開した音声モデルを使用しましたが、他のAivisHubのモデルや、非公開モデルでも使用できます。
公開はしたくないけどAivis Cloud APIを使いたい場合などはこの非公開モデルアップロードは有用そうです。

AivisHubについてはこちらでも解説しています。

さいごに

今回は実際にAivis Cloud APIを使ってみました！

合成音声の生成速度もバッチリだし、非公開モデルでも使用できるのは個人的に有難いです。

APIキーの取得やモデル指定も簡単なのと、自身で環境構築やサーバーを構築しないで活用できるのは非常に使い勝手が良いサービスかと思います。

ぜひ、本記事を参考に皆さんも試してみてくださいね！
以上、それでは👋