API リファレンス

音声のエンドポイント

POST /v1/audio/speech はテキストを音声にします（OpenAI のリクエスト形式に、ボイスの作成、クローン、言語、感情を追加）。/v1/audio/voices はクローン用のボイスサンプルを保存し、作成、一覧、取得、名前の変更、ダウンロード、削除ができます。

音声合成は OpenAI の音声 API に準拠しているため、公式 SDK を https://lovelyrouter.com/v1 に向けるだけで使えます。モデル、ボイス、例はガイドの音声合成にあります。API キーで Authorization: Bearer $LOVELY_API_KEY として認証します（認証）。

音声を生成する#

POST/v1/audio/speech

input を読み上げて音声ファイルを返します。長さ（秒）は x-lovely-audio-seconds ヘッダー、呼び出しの id は x-lovely-request-id に入ります。生成した音声の秒数で課金され（最低 1 秒）、失敗したリクエストは課金されません。

ボディパラメータ

modelstring必須

qwen3-tts または zonos2（GET /v1/models で料金とともに一覧できます）。

inputstring必須

読み上げるテキスト。最大 4,096 文字。

voicestring or object

モデルのプリセットボイス、OpenAI のボイス名（alloy、nova、onyx などはプリセットに対応付け）、または保存したボイスの id（voice_…、{"id": "voice_…"} でも可）。省略可能：省略するとモデルが language に合うプリセットを選ぶか、qwen3-tts が instructions からボイスを作ります。

instructionsstring

qwen3-tts のみ、最大 1,000 文字。ボイスがある場合は話し方（感情、速さ、音量、ささやき）。ない場合は作るボイスの説明。

languagestring

ISO コード（en、zh、ja、ko、de、fr、pt-br など）または auto（既定）。短いテキストや数字の読みに役立ちます。

response_formatstringデフォルト mp3

mp3、opus、aac、flac、wav、pcm（16 ビット、24 kHz モノラル）。

speednumberデフォルト 1.0

0.25〜4.0。音の高さは変わりません。

emotionstring or object

zonos2 のみ：happy、sad、angry、surprised、または {"happy": 0.7} のような 0〜1 の重み。

seedinteger

再現可能な出力のため。0〜2147483647。

reference_audiostring

一度だけクローンする声：3〜15 秒の録音の https URL、data: URL、または base64（WAV、MP3、M4A、OGG、FLAC、WebM、最大 10 MB）。voice とは併用できません。

reference_textstring

reference_audio で話している内容（あると qwen3-tts のクローンがより本人に近くなります）。

consentboolean

reference_audio を使うときは必須：自分の声であるか、話者の許可を得ていることを確認します。

エラーは通常の形式です：400 invalid_request_error で param にフィールド名（不明なボイス、zonos2 での instructions、qwen3-tts での emotion、consent の欠落）、残高不足は 402、不明なモデルや他人のボイスは 404、生成に失敗したときは 502（課金なし）。

Shell

curl https://lovelyrouter.com/v1/audio/speech \
  -H "Authorization: Bearer $LOVELY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3-tts",
    "input": "Hello! Nice to meet you.",
    "voice": "serena",
    "instructions": "Friendly and upbeat"
  }' \
  --output hello.mp3

ボイスオブジェクト#

属性

idstring

voice_ に続く 24 文字。voice に指定します。

objectstring

常に voice。

namestring

最大 80 文字。

transcriptstring | null

サンプルで話している内容。

typestring

サンプルの形式（例：audio/wav）。

bytesinteger

サンプルのサイズ。

audio_urlstring

サンプルをダウンロードします（API キーが必要）。

created_atinteger

Unix 秒。

ボイスオブジェクト

{
  "id": "voice_8f2c4a1e9b7d3f60a5c2e1d4",
  "object": "voice",
  "name": "Narrator",
  "transcript": "Thanks for listening. See you next week on the show.",
  "type": "audio/wav",
  "bytes": 482044,
  "audio_url": "https://lovelyrouter.com/v1/audio/voices/voice_8f2c4a1e9b7d3f60a5c2e1d4/audio",
  "created_at": 1792915200
}

ボイスを保存する#

POST/v1/audio/voices

ボイスサンプルを保存し、201 とボイスオブジェクトを返します。multipart（サンプルを file として）または JSON（audio に https か data: URL）で送ります。無料。1 アカウント最大 100 件で、削除するまで保持されます。

ボディパラメータ

namestring必須

最大 80 文字。

filefile (or `audio` string)必須

1 人がはっきり話している 3〜15 秒の音声（音楽なし）：WAV、MP3、M4A、OGG/Opus、FLAC、WebM、最大 10 MB。

transcriptstring

サンプルで話している内容。最大 1,000 文字。

consentboolean必須

true：自分の声であるか、話者からクローンの許可を得ていること。

cURL

curl https://lovelyrouter.com/v1/audio/voices \
  -H "Authorization: Bearer $LOVELY_API_KEY" \
  -F name="Narrator" \
  -F transcript="Thanks for listening. See you next week on the show." \
  -F consent=true \
  -F file=@narrator.wav