AI 音声生成 API
音楽、テキスト読み上げ、効果音、音声のクリーンアップに対応した音声モデル 18 種。Suno v6、Gemini 3.8 Flash TTS、MiniMax Speech 2.8 HD などを含みます。すべて同じリクエスト形式です。
- モデル
- 18
- モデル提供元
- 9
- エンドポイント
- 18
- 公式価格に対する最大節約率
- 10%
まずはここから
- Suno v6
suno/v6/text-to-audio歌詞や短い指示から、ボーカル入りのフル楽曲を音声参照画像は最大5枚自分で書いた歌詞最安$0.072/回 - Gemini 3.8 Flash TTS
google/gemini-3.8-flash-tts/text-to-speech[laughing]のような指示も演じ分ける、表現豊かな音声音声70種類の声最安$0.00032/秒 - MiniMax Speech 2.8 HD
minimax/speech-2.8-hd/text-to-speech400種類以上の声で高音質な音声、感情も調整可音声472種類の声40言語最安$0.12/1,000文字 - MiniMax Music 3.0
minimax/music-3.0/text-to-audio仕上がったステレオ楽曲。ボーカル入りもインストも音声自分で書いた歌詞最安$0.18/回 - Seed Audio 1.0
bytedance/seed-audio-1.0/text-to-audio複数の声に音楽と効果音を重ねたオーディオシーン音声最安$0.36/回 - Gemini 3.8 Flash-Lite TTS
google/gemini-3.8-flash-lite-tts/text-to-speech速くて軽い音声合成、30種類の声音声70種類の声最安$0.00021/秒 - Suno v6 Mini
suno/v6-mini/text-to-audioひとことから、ボーカル入りの曲を手早く2曲音声参照画像は最大5枚自分で書いた歌詞最安$0.072/回 - Suno v6 Wild
suno/v6-wild/text-to-audio実験的で質感豊かな、ボーカル入りの曲音声参照画像は最大5枚自分で書いた歌詞最安$0.072/回 - HeartMuLa Transcribe
heartmula/transcribe/speech-to-text歌声から歌詞を書き起こす。多言語対応音声最安$0.05/回 - Grok STT
xai/grok-stt/speech-to-text単語ごとのタイミングつき文字起こし、25言語音声25言語最安$0.00003/秒 - Grok TTS
xai/grok-tts/text-to-speech20言語・71種類の声。スピーチタグに対応音声71種類の声20言語最安$0.018/1,000文字 - Seed Speech 2.0
bytedance/seed-speech-2.0/text-to-speech41種類の声。トーンはふだんの言葉で指定音声41種類の声10言語最安$0.072/1,000文字 - MiniMax Speech 2.8 Turbo
minimax/speech-2.8-turbo/text-to-speech400種類以上の声で速い音声合成、感情も調整可音声472種類の声40言語最安$0.072/1,000文字 - Qwen3 TTS
alibaba/qwen-3-tts/text-to-speechオープンソースの音声。トーンや速さを言葉で指定音声9種類の声10言語最安$0.068/1,000文字 - Chatterbox
resemble-ai/chatterbox-v1/text-to-speech英語の音声。短いサンプルの声に似せることも音声最安$0.036/回 - Gemini 2.5 Pro TTS
google/gemini-2.5-pro-tts/text-to-speech−10%演出できる声。ナレーションや2人の会話に音声30種類の声最安$0.00045$0.0005/秒 - Video Sound Effects
popnow/foley-v1/video-to-audio動画に合わせた効果音と環境音音声1〜30秒最安$0.006/ 5秒の動画 - Vocal Isolator
popnow/vocal-isolator-v1/audio-separation新着一つの録音から、声と背景音を別々のトラックに音声最安$0.0012/秒
タスク別
その他のモデル種類
提供元から探す
PopNow API で呼び出せる、すべてのモデル提供元と各社のモデル数です。
- Alibaba40 モデル−33%Wan 3.0 · Qwen Image 2.1 Pro · Qwen Image 2.1 Turbo · Qwen Image 2.1$0.01 から /枚
- ByteDance17 モデル−30%Seedance 2.5 · Seedream 5.0 Pro · Seed Audio 1.0 · Seedream 5.0 Flash$0.026 から /枚
- PopNow14 モデルBackground Remover · Image Upscaler · Object Eraser · Video Upscaler$0.0012 から /秒
- MiniMax10 モデル−55%MiniMax H3 · MiniMax Speech 2.8 HD · MiniMax Music 3.0 · MiniMax H3 Singularity LoRA$0.042 から /枚
- Google6 モデル−20%Nano Banana 2.1 · Nano Banana Pro · Gemini 3.8 Flash TTS · Gemini 3.8 Flash-Lite TTS$0.00021 から /秒
- Suno3 モデルSuno v6 · Suno v6 Mini · Suno v6 Wild$0.072 から /回
- xAI2 モデルGrok STT · Grok TTS$0.00003 から /秒
- HeartMuLa1 モデルHeartMuLa Transcribe$0.05 から /回
- Resemble AI1 モデルChatterbox$0.036 から /回
よくある質問
AI 音声の料金はどう決まりますか？
音声読み上げは通常、テキストの量で課金されます。音楽と効果音はトラックごと、または秒ごとの課金です。各モデルのページに、その課金単位とすべての料金階層が載っています。
どんな声や言語が使えますか？
テキスト読み上げモデルごとに、使える声と言語がページに載っています。リクエストで声を名前で指定してください。
作ったアプリや製品で音声を使ってもいいですか？
利用条件は PopNow の利用規約と、呼び出すモデルごとの制限に従います。公開前に、モデルのページと利用規約をご確認ください。
必要なモデルがありませんか？ support@popnow.ai まで、どのモデルかをお知らせください。