Kotoba、日本語の音声 AI を fal.ai で提供開始

日本語の音声 AI を開発する Kotoba Technologies は 10 月 19 日、自社の音声のモデルを、画像・動画・音声のいろいろなモデルを API で使える基盤 fal.ai で提供し始めました。開発者は fal.ai を通して、音声認識(文字起こし)・音声合成(読み上げ)・リアルタイムの音声翻訳の 3 つを使えます。

要点

• 音声認識の Kotoba STT は、日本語と東アジアの言語に合わせて調整したモデルです。
• 文字起こしには単語ごとの時刻が付き、1 回に 2 分までの音声を送れます。
• 音声合成の Kotoba TTS は、自然な日本語の声を、作りながら少しずつ返します。
• 音声翻訳の Kotoba STS は、話した言葉をほかの言語の音声と文字にして返します。
• 料金は、音声認識が 1 時間 $0.25、音声翻訳が 1 分 $0.035 です(秒単位で数える)。
• 音声合成は、入力の文字 1,000 バイト(UTF-8)あたり $0.015 です。

読み上げは、作り終わる前に再生を始められるため、声で受け答えする仕組みや、聞きながら読むような使い方に向くとしています。料金は fal.ai の各モデルのページに書かれている値です(10 月 19 日時点)。音声認識に渡せるファイルの形式は mp3・ogg・wav・m4a・aac です。

日本の利用者にとって

日本の会社が日本語向けに作った音声のモデルを、海外の基盤から API で使えるようになりました。音声合成は日本語の読み上げに特化しています。料金は米ドルで示されています。

YOBITSUGI AI で使えるか

YOBITSUGI AI では fal.ai を通して FLUX・Kling 3.0・Hailuo 02・Wan 2.2 を使えますが、Kotoba の音声のモデルは、現時点の対応モデルには含まれていません。fal.ai については、fal.ai とは: 画像・動画のいろいろなモデルの窓口にまとめています。

出典

• Kotoba’s voice AI is now available on fal!(Kotoba Technologies・2026年10月19日)
• Kotoba (Speech to Text) API on fal・Kotoba (Text to Speech)・Kotoba Realtime Speech Translation(fal.ai・2026年10月19日確認)