Coze に FishAudio TTS 文字转语音とメディア同期プラグインをインストールし、自分の API Key で音声と同期動画を生成します。

Coze で FishAudio を使う

FishAudio は Coze プラグインストアで 2 つのプラグインを提供しています。通常はプラグインをインストールし、カスタムリクエストが必要な場合だけ HTTP API を直接設定してください。

プラグイン	用途	インストール
FishAudio TTS 文字转语音	テキストを音声に変換し、音声 URL を返す	Coze で開く
FishAudio 图片/视频对口型	動画 URL と音声 URL から非同期同期ジョブを作成する	Coze で開く

API Key を準備する

Kitta AI の API 管理ページで Coze 専用の API Key を作成します。
API クレジットを確認します。
ツールには次の形式で渡します。

Authorization: Bearer YOUR_FISH_AUDIO_API_KEY

Bearer の後には半角スペースが 1 つ必要です。各利用者は自分の Key を使用し、その Kitta AI アカウントに利用量が計上されます。

ストア版を使わない場合は、FishAudio TTS 文字转语音 OpenAPI、FishAudio 图片/视频对口型 OpenAPI、FishAudio 文字对口型 OpenAPI、または FishAudio 专属语音合成 OpenAPI をダウンロードし、既存サービスから作るクラウドプラグインとして Coze にインポートします。認証なしを選び、実行時に利用者自身の Authorization を入力してください。手順は English guide にあります。

右上の Import を使う方法を推奨します。この方法では OpenAPI YAML だけが必要です。左に ai_plugin (JSON)、右に openapi (YAML) が表示される場合は、</> コード作成ページです。ai_plugin を空欄にせず、左に対応する *.ai-plugin.json、右に同じ接頭辞の *.openapi.yaml を貼り付けてください。manifest.json は FishAudio 配布パッケージの一覧であり、ai_plugin ではありません。

現在、FishAudio TTS 文字转语音 と FishAudio 图片/视频对口型 はストアで公開され、FishAudio 文字对口型 と FishAudio 专属语音合成 は非公開インポート用プラグインとして提供されています。

FishAudio TTS 文字转语音を使う

FishAudio TTS 文字转语音を自分の Coze スペースに追加します。
エージェントまたはワークフローに TTS ツールを追加します。
Authorization、テキスト、Voice ID、必要なオプションを入力します。
返された audio_url を再生、ダウンロード、または Media Sync に接続します。

最初は短い文でテストしてください。Voice ID は有効なシステム音声、または現在のアカウントで利用できるカスタム音声である必要があります。

FishAudio 图片/视频对口型を使う

FishAudio 图片/视频对口型には次の 2 つのツールがあります。

ツール	用途
`create_media_sync`	直接ダウンロードできる動画 URL と音声 URL から非同期ジョブを作成
`get_media_sync_job`	`jobId` で進行状況、結果、失敗理由を取得

create_media_sync に Authorization、video_url、audio_url を渡します。作成結果の data.id を保存し、以後の問い合わせで jobId として使用してください。ジョブ作成は API クレジットを消費します。

get_media_sync_job の結果は次のように処理します。

processing: 待機して同じ jobId を再度問い合わせる。
completed: data.result_url を読む。
failed: data.error_message を読む。

問い合わせがタイムアウトしたり処理中だったりしても、create_media_sync を再実行しないでください。重複ジョブと重複課金の原因になります。

テキストから同期動画を作る

下記のようにストアの 2 つのプラグインを接続するか、TTS とリップシンクを 1 回の作成処理にまとめた非公開プラグイン FishAudio 文字对口型 をインポートできます。

テキスト + Voice ID
      ↓
FishAudio TTS 文字转语音
      ↓ audio_url
動画 URL + audio_url
      ↓
create_media_sync
      ↓ data.id
jobId を保存 → 15～30 秒待機 → get_media_sync_job
      ↓
completed: data.result_url
failed: data.error_message

非公開プラグインでは create_text_lip_sync の後に get_text_lip_sync_job を使用します。新しいジョブごとに新しい Idempotency-Key を指定し、まったく同じリクエストを再試行するときだけ元の値を再利用してください。

自動ポーリングには最大問い合わせ回数と全体のタイムアウトを設定してください。

メディア URL と Key の安全性

動画と音声の URL は Kitta AI サービスから直接ダウンロードできる必要があります。Web ページ URL、ローカルパス、期限切れの署名 URL は使用できません。Coze の一時 URL は Kitta AI のダウンロードが終わるまで有効でなければなりません。

Authorization は通常のツール入力であり、Coze の会話、デバッグ、実行ログに表示される場合があります。Coze 専用 Key を作成し、実際の Key を含む画面やテンプレートを共有せず、テスト後はローテーションまたは失効してください。公開プラグインに共通 Key を埋め込まないでください。

トラブルシューティング

401: Bearer 、余分な空白、Key の有効性を確認します。
402: API クレジットを確認します。会員クレジットとは別残高です。
メディアを取得できない: URL の直接アクセス可否と有効期限を確認します。
processing のまま: 同じ jobId を問い合わせ、ジョブを作り直さないでください。
Key がログに出た: Key を失効し、Coze 専用 Key を新しく作成します。

高度な設定：TTS HTTP API を直接呼び出す

Coze の HTTP ノードから POST https://kittaai.com/v1/audio/speech を呼び出し、Authorization と Content-Type: application/json を設定できます。本文には model、voice、input、response_format: "mp3" を指定し、応答型を JSON ではなくファイルまたはバイナリにしてください。

Coze セットアップ