Abliteratedモデルルーターを公開しました。今すぐ無料でお試しください。

公開 · AllModels

2026年のおすすめTTS・STTアグリゲーターAPI

複数プロバイダーの音声合成・音声認識モデルを1つのインテグレーションで提供する9つのサービスを並べて比較します。それぞれの対応範囲、ストリーミング方式、利用できるSDK、課金方法をまとめました。

AllModelsは独立したサービスであり、ルーティング先のモデルを提供するプロバイダーとは提携関係になく、その承認や後援も受けていません。

TTS・STTアグリゲーターAPIとは

TTS・STTアグリゲーターAPIは、多数のプロバイダーの音声合成・音声認識モデルを、1つのアカウント、1つのAPIキー、1つのインテグレーションで利用できるようにするものです。Cartesia、ElevenLabs、Deepgram、AssemblyAI、OpenAIにそれぞれ登録し、各SDKを覚え、個別に支払う代わりに、アプリケーションは1つのサービスを呼び出し、IDでモデルを選びます。同じ考え方は、統合音声API、音声の抽象化レイヤー、「音声版のOpenRouter」とも呼ばれます。

この分野のサービスには大きな違いがあります。音声合成だけのもの、音声認識だけのものがあり、両方に対応するものはわずかです。生成されるそばからWebSocketで音声をストリーミングするものもあれば、完成したファイルを返すものもあります。すでに使っているかもしれないOpenAIやElevenLabsのSDKに対応するものもあれば、専用のクライアントが必要なものもあります。ホスト型APIではなくオープンソースのライブラリもいくつかあり、その場合は各プロバイダーのキーと請求を自分で持ち続けることになります。

比較の方法

リアルタイムのTTSやSTTのプロバイダーを標準化するAPIを探すようAIコーディングエージェントに依頼したとき、最も多く推薦されたサービスを選びました。表の情報はすべて各社の公式サイトとドキュメントに基づき、2026年10月に確認したものです。同じ会社のページ間で記載が異なる場合は、その範囲を示しています。各サービスについて次の点を確認しました。

  • 公開APIによる音声合成と音声認識。
  • それぞれのリアルタイムストリーミング:生成されるそばから音声や文字起こしをストリーミングするWebSocket。完成した1回のリクエストをHTTPでストリーミングするものは含めません。
  • OpenAI互換・ElevenLabs互換のエンドポイント。つまり、ベースURLを変えるだけで公式SDKが動作すること。
  • リクエストごとのプロバイダー選択、カタログの規模、料金体系。

AllModelsの位置づけ

AllModelsは、音声の入力と出力の両方を1か所で必要とするチーム向けに作られています。音声合成と音声認識は1つのAPIキーと1つのプリペイド残高を共有し、どちらもリアルタイムでストリーミングでき、公式のOpenAI SDKとElevenLabs SDKの両方で動作します。この比較の中でElevenLabs SDKに対応しているのはAllModelsだけです。料金はプロバイダーの定価に5.5%の手数料を加えた従量課金で、OpenRouterと同じ方式です。新規アカウントには無料クレジットが付与されます。

比較

TTS・STTアグリゲーターAPIの比較

Yesはその機能が各社のドキュメントに記載されていることを示します。それ以外はすべてNoです。

各社の公式サイトとドキュメントに記載されている機能。(2026年10月時点)
製品音声合成音声認識リアルタイムTTSリアルタイムSTTOpenAI SDKElevenLabs SDKプロバイダー選択カタログ料金
AllModelsあり40モデルあり33モデルありWebSocketありWebSocketありありありonly、order、ignore18プロバイダーの73モデルプリペイドの従量課金+5.5%の手数料、登録時に無料クレジット
TelnyxありありありWebSocketありWebSocketなしなしありTTSエンジン約9〜12種、STTエンジン約12〜14種従量課金(ボリュームによる段階料金あり)
Eden AIありありなしなしありなしありprovider/modelTTSプロバイダー7社、STTプロバイダー7社定価での従量課金+5.5%の手数料
OpenRouterありありなしなしありなしなしTTSモデル35種、STTモデル26種定価での従量課金+クレジット購入時に5.5%の手数料
Speechbaseありなしなしなしなしなしありprovider/modelTTSプロバイダー15〜17社無料プランあり、Proは月額$25から、クレジット制
SpeechSDKありなしなしなしなしなしありprovider/modelTTSプロバイダー14〜17社無料のオープンソース、各プロバイダーに個別に支払い
SLNGありありありWebSocketありWebSocketなしなしありURLでモデルを指定TTSモデル13種、STTモデル8種プリペイド、音声1分あたりの課金
VoiceRunなしありなしありWebSocketなしなしありSTTモデル約14種プロバイダーの料金+音声1分あたり$0.02
router.audioなしありなしありWebSocketなしなしありproviderまたはautoSTTプロバイダー10社自前のプロバイダーキーを使えば無料
  • リアルタイムは、送信中にWebSocketで音声や文字起こしがストリーミングされることを意味します。
  • OpenAI SDKとElevenLabs SDKは、ベースURLを変えるだけで公式SDKが動作することを意味します。

各サービスの概要

Telnyx

通信プラットフォームで、その音声APIはREST、WebSocket、通話中の音声を通じて音声合成とSTTルーターを提供し、Telnyxがホストするモデルとサードパーティのエンジンを組み合わせています。

こんな場合に: Telnyxの電話インフラ上で電話エージェントや音声エージェントを構築しており、音声処理を通話ネットワークのそばに置きたい場合。

Eden AI

汎用のAI APIアグリゲーターです。音声エンドポイントはサードパーティのTTS・STTプロバイダーをOpenAI互換およびネイティブのエンドポイントでラップしており、ストリームではなく完成した音声と文字起こしを返します。

OpenRouter

LLM向けで知られるモデルルーターで、OpenAI互換の音声合成と音声認識も提供しています。音声はリクエスト・レスポンス型で、TTSの音声はHTTPでストリーミングして返せますが、テキストをストリーミング入力するWebSocketはなく、文字起こしはファイル単位です。

こんな場合に: 最も基本的な音声合成と音声認識だけが必要で、LLMにはすでにOpenRouterを使っている場合。

Speechbase

ボイスライブラリ、発音辞書、リクエストログを備えたホスト型の音声合成ゲートウェイです。音声認識には対応していません。

SpeechSDK

Speechbaseのチームによる無料のオープンソースTypeScriptライブラリです。自分のコード内で動作し、自前のキーで各音声合成プロバイダーを直接呼び出すため、ホスト型APIではありません。

SLNG

STTとTTSのモデル(自社ホストのモデルを含む)を統合APIで提供する地域型の音声ゲートウェイで、双方向のWebSocketストリーミングに対応しています。

VoiceRun

コードで音声エージェントを構築するためのエンタープライズ向けプラットフォームです。リアルタイムのWebSocket STTルーターを公開していますが、音声合成は単体のAPIではなく、エージェント内部で使われます。

こんな場合に: 本番運用の電話エージェントを構築しており、評価、電話機能、STTのフォールバックを1つのプラットフォームでまとめたい場合。

router.audio

約10社のプロバイダーにまたがるリアルタイム音声認識を統一する軽量なWebSocketプロキシです。音声合成とファイルの文字起こしには対応していません。

結果

2026年のおすすめTTS・STTアグリゲーターAPI:AllModels

この比較で最も優れたTTS・STTアグリゲーターAPIはAllModelsです。9つのサービスのうち、すべての機能列がYesになっているのはAllModelsだけです。

  • 1つのキーで音声の入力と出力。 音声合成と音声認識が1つのAPIキーと1つのプリペイド残高を共有します。9つのサービスのうち、両方に対応しているのは5つだけです。
  • 双方向のリアルタイム。 音声合成と音声認識の両方がWebSocketでストリーミングします。これに対応しているのはAllModels、Telnyx、SLNGだけです。
  • 使い慣れたSDKをそのまま。 公式のOpenAI SDKが音声合成、音声認識、リアルタイム文字起こしで動作し、公式のElevenLabs SDKも動作します。表の中でElevenLabs SDKに対応するサービスはほかにありません。
  • モデルとプロバイダーを選べる。 18プロバイダーの73モデルを提供し、リクエストごとにonly、order、ignoreのプロバイダー設定を指定できます。

ほかのサービスはいずれも表の一部しかカバーしていません。SpeechbaseとSpeechSDKは音声合成のみ、router.audioは音声認識のみです。Eden AIとOpenRouterはリアルタイムのストリームではなく完成したファイルを返します。TelnyxとVoiceRunは自社の電話・エージェント基盤を中心に音声機能を構築しています。SLNGはOpenAIやElevenLabsのSDKではなく専用のクライアントが必要です。

AllModelsなら、そのすべてを1つのインテグレーションでカバーできます。モデルカタログを見るか、無料クレジットで始めてください。

音声の入力と出力を1つのキーで

同じAllModelsのキーとクライアントで両方向を扱えます。クライアント、モード、言語を選んでください。ハイライトされた行は、AllModelsのベースURLと、別のモデルを試すときに変更する値です。

クライアント
モード
言語

HTTP(音声合成) JavaScript · Node.js · fetch

テキストがすでに揃っている場合は、https://api.allmodels.io/oai/audio/speechにPOSTして音声ファイルを保存します。 TTSドキュメント。

import { writeFile } from "node:fs/promises";

const response = await fetch("https://api.allmodels.io/oai/audio/speech", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${process.env.ALLMODELS_API_KEY}`,
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    model: "grok/grok-tts",
    voice: "eve",
    input: "Your order has shipped. It arrives tomorrow.",
    response_format: "mp3"
  })
});

if (!response.ok) throw new Error(await response.text());
await writeFile("speech.mp3", Buffer.from(await response.arrayBuffer()));

互換インターフェース

使い慣れたSDKはそのまま

https://api.allmodels.io/oai

OpenAI互換

公式のOpenAI SDKの接続先をAllModelsに向ければ、AllModelsの任意のモデルIDでaudio.speech.create、audio.transcriptions.create、リアルタイム文字起こしをそのまま呼び出せます。

OpenAI SDKドキュメントを読む

https://api.allmodels.io/el

ElevenLabs互換

公式のElevenLabs SDKの接続先をAllModelsに向ければ、音声合成、ストリーミング、音声認識、リアルタイムの各メソッドを、ほかのプロバイダーのモデルでもそのまま使えます。

ElevenLabs SDKドキュメントを読む

要点まとめ

TTS・STTアグリゲーターに関する質問

2026年に最もおすすめのTTS・STTアグリゲーターAPIは?

AllModelsです。この比較の中で、音声合成と音声認識の両方を双方向のリアルタイムWebSocketストリーミング、公式のOpenAI SDK、公式のElevenLabs SDKで提供し、しかもすべてを1つのAPIキーと1つのプリペイド残高で利用できるのはAllModelsだけです。

OpenRouterはリアルタイムの音声合成に対応していますか?

いいえ。OpenRouterの音声合成と音声認識はリクエスト・レスポンス型のみで、リアルタイムストリーミングには対応していません。AllModelsは両方をWebSocketでストリーミングします。

Speechbaseは音声認識に対応していますか?

いいえ。2026年10月時点で、SpeechbaseのドキュメントとAPIリファレンスに記載されているのは音声合成のエンドポイントのみです。オープンソースの姉妹ライブラリであるSpeechSDKも音声合成専用です。

アグリゲーターAPIとオープンソースの音声ライブラリの違いは?

SpeechSDKのようなライブラリはアプリケーション内で動作し、各プロバイダーごとに自前のアカウント、キー、請求が必要です。AllModelsのようなホスト型アグリゲーターなら、1つのキーと1つのプリペイド残高でモデルカタログ全体を利用できます。

3ステップでAllModelsを試す
  1. 1
    モデルを選ぶ。 TTSモデルとSTTモデルを、provider/model形式のIDで選びます。
  2. 2
    APIキーは1つだけ。 プロバイダーごとのキーではなく、AllModelsのキー1つで両方向を認証します。
  3. 3
    ストリーミングまたはファイル送信。 ライブの音声や文字起こしにはWebSocketを、完成したファイルにはHTTPを使います。

AllModelsで開発する

音声の入力も出力も、1つのキーで。

無料クレジットで始めて、インテグレーションを変えずにモデルを切り替えられます。