MOSS-TTS-2.0-Flash-Preview
最新音声生成MOSS-TTS-2.0-Flash-Previewはストリーミング音声生成に対応しています。ボイスクローンの類似度が高く、音色が安定しており、多言語で正確に発音できます。また、英語のIPA、中国語のピンイン、ポーズや時間長の設定で音声を制御できます。
ENDPOINT
POST /v1/audio/speech
現在の呼び出しパス
入力
テキスト + voice_id
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
単一話者の音声合成モデル。デフォルトでは安定版モデルIDのmoss-tts-2.0-flash-previewを使用します。固定バージョンを再現する場合は、modelにmoss-tts-2.0-flash-preview-2026-11-04を指定できます。
料金
課金方式CNY価格 40% OFF実際の消費 40% OFF
入力文字数ベース4024クレジット / 1万文字
CNY 2CNY 1.20 / 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
Chat Completions
/v1/chat/completions非対応Responses
/v1/responses非対応Messages
/v1/messages非対応入力トークンの見積もり
/v1/messages/count_tokens非対応単一話者の音声生成
/v1/audio/speech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非対応リアルタイムインタラクション
/v1/realtime非対応画像生成
/v1/images/generations非対応機能
性能高め
推論速度中
ストリーミング 対応
非同期タスクAPI 対応
- 32768のコンテキストウィンドウ長
- 最大出力7500トークン
- 40以上の言語に対応
- 音素レベルの発音制御とトークンレベルの時間長制御に対応
呼び出し制限
制限項目上限適用範囲
1分あたりのリクエスト数(RPM)
70 回同一ユーザーが MOSS-Live-1.0 と Nex-N2.6 を除くすべてのモデル API を呼び出す際に共有1日あたりのリクエスト数(RPD)
30,000 回同一ユーザーが MOSS-Live-1.0 と Nex-N2.6 を除くすべてのモデル API を呼び出す際に共有同時実行数
4 件各ユーザーがこのモデルで同時に処理できる合成リクエストは、最大 4 件です。バージョンとスナップショット
Model ID
moss-tts-2.0-flash-previewスナップショット
moss-tts-2.0-flash-preview-2026-11-04ストリーミング版