MOSS-VoiceGenerator
最新音声生成MOSS-VoiceGenerator APIは、合成するテキストと声の説明指示から音声プレビューを生成します。必要な声の特徴を自然言語で記述するだけで、対応するスタイルの音声を生成できます。
ENDPOINT
POST /v1/audio/voice/generations
現在の呼び出しパス
入力
テキスト + 指示
リクエストで受け付ける内容
出力
音声
成功時に返される内容
モデル概要
テキストと声の指示から音声を生成。デフォルトでは安定版モデルIDのmoss-voice-generator-1.0を使用します。固定バージョンを再現する場合は、modelにmoss-voice-generator-1.0-2026-07-22を指定できます。
料金
課金方式CNY価格実際の消費
入力文字数ベース
CNY 2.00 / 1万文字40クレジット / 1万文字1回の呼び出しごとに実際の使用量で計算されます。CNYの金額は価格を把握するためのもので、最終的にはクレジットの請求明細に準じます。 料金基準の一覧を見る
対応モダリティ
文テキスト入力のみ
音音声出力のみ
画画像非対応
動動画非対応
対応エンドポイント
単一話者の音声生成
/v1/audio/speech非対応複数話者の対話音声生成
/v1/audio/speech/speakers非対応音声文字起こし
/v1/audio/transcriptions非対応ボイスデザイン
/v1/audio/voice/generations対応マルチモーダル理解
/v1/responses非対応リアルタイム動画理解
/v1/realtime非対応画像生成
/v1/images/generations非対応機能
性能—
推論速度—
ストリーミング 非対応
非同期 対応
- 指示ベースの声の生成：自然言語で声のスタイルを記述
- response_formatによる同期出力形式の選択に対応
- 音声バイナリの直接返却、または結果URLを含むJSONの返却に対応
- 非同期タスクに対応、結果はタスク照会で取得
バージョンとスナップショット
Model ID
moss-voice-generator-1.0スナップショット
moss-voice-generator-1.0-2026-07-22最新バージョン