ボイス
音声合成（TTS）
音声合成（テキスト読み上げ、Text-to-Speech）は、書かれたテキストを話し言葉の音声に変換する技術です。表現力の高いTTSエンジンは句読点を演技の指示として読み取り、速度や表現力などの調整項目を備えているため、自然なナレーションやセリフを生成できます。
料金は通常文字数単位なので、長尺のナレーションでも予算を簡単に計算できます。
eroqでは
Voice One（100文字あたり3クレジット）とVoice Turbo（同2クレジット）、厳選された標準ボイス、クローンボイス、話すキャラクター、MP3出力、13言語に対応しています。
よくある質問
eroqの音声合成の料金は？
100文字ごとのブロック単位（端数は切り上げ）で、Voice Oneは3クレジット、Voice Turboは2クレジットです。
短いセリフは長いセリフより安くなりますか？
ブロック単位でしか変わりません。40文字のセリフも100文字のセリフもブロックひとつ分（Voice Oneで3クレジット）として課金され、101文字ならブロック二つ分になります。台本を短いセリフに分割すると、安くなるどころか高くなります。
音声はどの形式で返ってきますか？
MP3です。スタジオでもPOST /v1/audio/speechでも返され、ライブラリに保存されます。ステムの書き出し、タイミングデータ、リップシンクはありません。ファイルはお使いの編集ソフトで映像の下に配置してください。