コンソール

モデルMOSS-TTS-2.0-Flash-Preview

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CNY 2CNY 1.20 / 1万文字4024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

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。

リクエスト制限の詳細を見る

バージョンとスナップショット

Model IDmoss-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