> ## Documentation Index
> Fetch the complete documentation index at: https://docs.cartesia.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# 出力フォーマット

このページでは、TTS レスポンスの `output_format` (`container`、`encoding`、`sample_rate`) を設定する方法を説明します。

一般的には、音声パイプライン全体 (テレフォニー、再生、ストレージ) で一貫したエンコーディングとサンプルレートを使用して、不要なトランスコードと品質低下を回避してください。

音声サンプルを保存する場合は、`output_format.container: "wav"` または `output_format.container: "mp3"` を指定して [Text-to-Speech (Bytes)](/api-reference/tts/bytes) API を使用することを推奨します。これにより、音声プレイヤーがエンコーディングとサンプルレートを自動的に検出できます。

## リファレンス

<ParamField path="output_format.container" type="string">
  音声出力のコンテナ形式。

  利用可能なオプション: `raw`、`wav`、`mp3`。すべてのコンテナ形式をサポートしているのは Bytes エンドポイントのみです。他のエンドポイント (SSE、Websockets) は `raw` のみをサポートします。
</ParamField>

<ParamField path="output_format.encoding" type="string">
  出力音声のエンコーディング。利用可能なオプション: `pcm_f32le`、`pcm_s16le`、`pcm_mulaw`、`pcm_alaw`。
</ParamField>

<ParamField path="output_format.sample_rate" type="number">
  出力音声のサンプルレート。所定の信号を表現するためには、サンプルレートが信号の最高周波数成分の少なくとも 2 倍である必要があることに注意してください (ナイキストの定理)。

  利用可能なオプション: `8000`、`16000`、`22050`、`24000`、`44100`、`48000`。
</ParamField>

## RAW (PCM) 音声の `output_format`

生の音声を使用する場合は、`output_format` パラメータで出力デバイスのエンコーディングとサンプルレートを一致させることが重要です。

| エンコーディング    | ビット深度            | 一般的な用途                                    | 推奨サンプルレート       |
| ----------- | ---------------- | ----------------------------------------- | --------------- |
| `pcm_mulaw` | 8-bit compressed | 北米／日本のテレフォニー (G.711μ)、Twilio              | 8000            |
| `pcm_alaw`  | 8-bit compressed | 欧州／国際テレフォニー (G.711A)                      | 8000            |
| `pcm_s16le` | 16-bit int       | LiveKit や Pipecat などの多くのボイスエージェントプラットフォーム | 16000           |
| `pcm_f32le` | 32-bit float     | 多くのブラウザ                                   | 44100 または 48000 |

### テレフォニー

#### 北米と日本

多くのお客様は Twilio 経由で音声出力を送信します。Twilio 経由で送信されるすべての音声は、サンプルレート 8 kHz の µ-law エンコーディングにトランスコードされます。

```json theme={null}
{
  "container": "raw",
  "encoding": "pcm_mulaw",
  "sample_rate": 8000
}
```

#### ヨーロッパ、インド、その他

ヨーロッパおよび国際的な電話ネットワークの標準 (G.711A) は、サンプルレート 8 kHz の 8 ビット A-law 圧縮 PCM です。

```json theme={null}
{
  "container": "raw",
  "encoding": "pcm_alaw",
  "sample_rate": 8000
}
```

### ボイスエージェントプラットフォーム

多くのボイスエージェントプラットフォームはパイプラインで 16 kHz サンプルレートの `pcm_s16le` を使用します。音声が問題なく再生されていれば、正しい出力フォーマットを使用している可能性が高いです。

### Web ブラウザ

[Web Audio API](https://developer.mozilla.org/en-US/docs/Web/API/Web_Audio_API) を通じて音声を再生する場合は、`AudioContext` に合わせて `pcm_f32le` を使用してください。

サンプルレートは固定されていません。ユーザーの出力ハードウェアが報告する値がデフォルトとなり、一般的には 48 kHz、ときには 44.1 kHz になります。`AudioContext.sampleRate` から読み取ってください。

```ts theme={null}
const audioContext = new AudioContext();
console.log(audioContext.sampleRate); // e.g. 48000
```

`output_format.sample_rate` をこの値に合わせてください。異なる場合、ブラウザは再生時にリサンプリングを行い、遅延が増加して品質が低下する可能性があります。`new AudioContext({ sampleRate: 24000 })` で特定のレートをリクエストできますが、プラットフォームによってはブラウザがエラーを返す場合があります。

### オーディオ CD 品質

標準のオーディオ CD は、44.1 kHz サンプルレートの `pcm_s16le` でエンコードされています。

```json theme={null}
{
  "container": "raw",
  "encoding": "pcm_s16le",
  "sample_rate": 44100
}
```

これは一般消費者向けのデジタル音声環境で良好に動作します。