Voice Studio
Voice StudioはServerless Inference内のテキスト音声変換（Text-to-Speech）ツールです。ベトナム語テキストを入力し、モデルと音声設定を選択すると、再生・ダウンロード・URL共有が可能な音声ファイルを受け取れます。
Voice Studioは以下の用途に適しています。
- 製品にAPIを組み込む前に音声品質を試聴する。
- 短いコンテンツ（アナウンス、ナレーション、デモ）の音声ファイルを素早く生成する。
- モデル・音声・設定の違いによる結果を比較する。
1. Voice Studioへのアクセス
- FPT AI Factoryにサインインします。
- 上部バーで正しい Organization / Project（例：
BigDream / AI Research Lab）を確認します。利用コストはこのプロジェクトに請求されます。 - 左メニューから FPT Token Factory → Serverless Inference → Voice Studio を開きます。
2. 画面レイアウト
画面は3つのメインエリアに分かれています。
| エリア | 位置 | 機能 |
|---|---|---|
| 設定（Model & Settings） | 左カラム | モデル、出力フォーマット、音声、速度、詳細パラメータを選択 |
| Text input & Result | 中央カラム | テキスト入力、変換実行、結果の再生とダウンロード |
| History | 右カラム | 過去24時間の実行履歴 |
右上には2つのユーティリティボタンがあります。
- Get API Keys — APIキー管理ページへ移動し、TTSをアプリケーションに統合します。
- View Code — 現在の設定に対応したAPIコールのサンプルコードを表示します。
3. モデルの選択
Model（左カラム）で2つのモデルから1つを選択します。単価はセレクターの下に表示されます。
| FPT.TTS-pro | FPT.TTS-ultra | |
|---|---|---|
| 表示単価 | $16.5 / 100万文字 | $99 / 100万文字 |
| 音声選択方法 | Voiceリストから直接選択 | ModeとAdvancedグループで設定 |
| 詳細パラメータ | なし | あり（Language、Num steps、Guidance scale） |
| 共通オプション | Response format、Speed | Response format、Speed |
モデルを切り替えると、下のSettingsセクションが対応して変化します。
4. FPT.TTS-proの設定
シンプルなモデルで、利用可能な音声をすばやく選択したい場合に適しています。
| フィールド | 説明 | サンプル値 |
|---|---|---|
| Response format | 返却される音声ファイルフォーマット | MP3 |
| Voice | 読み上げ音声。各音声には地域と性別（北部/中部/南部・男性/女性）が表示されます。選択中の音声には ✓ マークが付きます | Viet Khoa · North · Male |
| Speed | 読み上げ速度 | 1x |
手順：
- Model = FPT.TTS-pro を選択します。
- Response format を選択します。
- Voice リストを開き、希望の地域と性別に合った音声を選択します。
- Speed を選択します（1xが標準速度です）。
- テキスト入力へ進みます（セクション6）。
5. FPT.TTS-ultraの設定
このモデルでは、音声品質と生成方法をより詳細にカスタマイズできます。
| フィールド | 説明 | デフォルト値 |
|---|---|---|
| Response format | 返却される音声ファイルフォーマット | MP3 |
| Mode | 音声選択モード。Autoはシステムが最適な音声を自動選択します | Auto |
| Advanced（展開可能グループ） | 以下の詳細パラメータ | — |
| → Language | テキストの言語。空白のままにすると自動検出されます | — |
| → Num steps | 音声生成ステップ数。高いほど品質が上がりますが処理が遅くなります | 32 |
| → Guidance scale | テキスト/音声特性への準拠度 | 2.0 |
| → Reset to default | すべてのAdvancedパラメータをデフォルト値に戻します | — |
| Speed | 読み上げ速度 | 1x |
手順：
- Model = FPT.TTS-ultra を選択します。
- Response format を選択します。
- Mode を選択します。初めてのユーザーは
Autoのままにしてください。 - （任意）Advanced をクリックして詳細パラメータグループを展開します。
- 最初の実行はデフォルト値のままにしてください。
- より高い品質が必要な場合は Num steps を増やします（処理時間が長くなります）。
- 結果が期待どおりでない場合は Reset to default をクリックして元の設定に戻します。
- Speed を選択します。
- テキスト入力へ進みます（セクション6）。
調整のヒント：
| 目的 | 調整方法 |
|---|---|
| 速度を優先したクイックプレビュー | Num steps を下げる |
| 最終成果物の最高品質 | Num steps を上げ、Guidance scale はデフォルトのまま |
| 不自然な結果・品質のばらつき | Reset to default をクリックし、パラメータを1つずつ調整する |
6. テキスト入力と変換の実行
- Text input フィールドにコンテンツを入力またはペーストします（必須フィールド、
*マーク付き）。 - 入力エリア左下の文字数カウンター（例：
266/5000 characters）を確認します。1回の実行につき最大5,000文字。 - 入力エリア右上の Clear を使用してすべてのコンテンツを削除できます。
- Run をクリックします。
システムが処理し、下の Result エリアに結果を表示します。
- 自然な間ができるよう、正しい句読点を使用してください。
- 5,000文字を超えるテキストは複数のセグメントに分割して個別に実行してください。
- コストは送信した文字数に基づいて計算されます。
7. 結果の確認と利用
Result エリアに以下が表示されます。
- オーディオプレーヤー — ▶ をクリックして再生、プログレスバーをドラッグしてシークします。右側に再生時間が表示されます。
- 録音情報 — フォーマット、音声、速度、再生時間（右上にも概要表示。例：
MP3 · Viet Khoa · 1x）。 - 3つの操作ボタン：
| ボタン | 機能 |
|---|---|
| Download MP3 | デバイスに音声ファイルをダウンロード |
| Copy URL | 音声ファイルへの直接リンクをコピー |
| Open in new tab | 新しいブラウザタブで音声ファイルを開く |
音声リンクには有効期限があります。 ボタン下部の青い通知に有効期限が表示されます（例：Audio link is available until 10:12 10/09/2026）。その時刻までにダウンロードまたはURLをコピーしてください。
8. 履歴（History）
右カラムに最近の実行が保存されます。
- 保存期間： 24時間。その後、レコードは自動的に削除されます。
- 検索： Search history… フィールドにテキスト内容でフィルタリングします。
- 各レコード にはテキストの冒頭、音声、速度、実行時刻が表示され、▶ 再生、⬇ ダウンロード、🗑 削除の3つのボタンが付いています。
- ページネーション： ‹ › 矢印でページを移動、1ページあたりのレコード数を調整できます（デフォルト
5 / page）。 - Clear all： 履歴全体を削除します。
履歴は現在のプロジェクト内でのみあなたのものであり、長期保存の代替にはなりません。保持が必要なファイルは必ず Download してください。
9. APIによる統合
設定が確定したら：
- View Code をクリックして、選択中のモデルとパラメータでAPIを呼び出すサンプルコードを取得します。
- Get API Keys をクリックしてAPIキーを作成またはコピーします（Serverless Inference → API Keys メニュー）。
- 同じメニューの User quotas と Usage でクォータ制限と使用状況を確認します。
10. よくある質問
FPT.TTS-ultraを選択したときにVoiceセレクターが表示されないのはなぜですか？
FPT.TTS-ultraは、FPT.TTS-proの固定Voiceリストではなく、Mode（デフォルト Auto）とAdvancedグループで音声を選択します。
Runボタンがグレーアウトしている・実行できない場合は？ Text input フィールドにコンテンツがあり、5,000文字を超えていないことを確認してください。
音声リンクが期限切れと表示される場合は？ History から再実行する（24時間以内の場合）か、同じテキストで再実行してください。今後は生成直後に Download することをお勧めします。
FPT.TTS-ultraの処理が遅い場合は？ Advanced グループの Num steps を下げるか、テキストを短くしてください。
コストはどのように計算されますか？ 送信した文字数に基づき、Modelセレクター下に表示される単価で計算されます。詳細は Pricing または Usage をご確認ください。