Озвучка текста: API для голосовых помощников и чат-ботов

Автор Редакция VoiceAPI · Обновлено 2026-11-18

VoiceAPI — это облачный синтез речи для стартапов, разрабатывающих голосовых помощников и чат-ботов. Мы предлагаем простой HTTP-интерфейс: отправляете текст, получаете аудиофайл. Поддерживается 23 языка с предсказуемой ценой за символы и без скрытых платежей. Интеграция занимает минуты благодаря совместимости с OpenAI SDK.

Здесь вы найдёте технические детали: лимиты запросов, доступные голоса и форматы вывода. Мы покажем примеры кода для быстрого старта. Встроенная озвучка не требует сложной настройки инфраструктуры. Вы можете сосредоточиться на логике вашего продукта, используя готовую документацию и стандартные инструменты разработки.

Озвучка текста: API для голосовых помощников и чат-ботов

Часто задаваемые вопросы

Что такое озвучка текста через API?

Это облачный API: вы отправляете текст через POST-запрос, а получаете аудиофайл. Интерфейс совместим с OpenAI SDK — достаточно изменить base_url. Это упрощает интеграцию в приложения и чат-ботов: вы используете знакомые библиотеки, не переписывая сложную логику синтеза с нуля. Поддерживается 23 языка и 8 голосов с предсказуемой ценой за символ.

Какие голоса доступны для чат-ботов?

Доступно 8 предустановленных голосов: женские (Aria, Nova, Luna, Sage) и мужские (Felix, Milo, Atlas, Orion). Каждый голос имеет уникальный тембр: от спокойного и повествовательного до энергичного и нейтрального. Все голоса основаны на лицензированных записях и подходят для различных сценариев использования в голосовых помощниках.

Сколько стоит озвучка 1000 символов?

Стоимость составляет $0,01 за 1000 символов. Пробелы и знаки препинания также учитываются. Если синтез не удался, оплата возвращается полностью. Тарификация происходит за каждый отправленный символ, что делает стоимость предсказуемой и прозрачной для проектов с разным объемом генерации аудио.

Можно ли использовать женские и мужские голоса?

Да, вы можете выбирать между женскими и мужскими голосами. Доступны варианты: Aria, Nova, Luna, Sage (женские) и Felix, Milo, Atlas, Orion (мужские). Вы можете указать нужный голос в параметре запроса. Все голоса поддерживают работу с любым из доступных языков без дополнительных ограничений.

Какие языки поддерживает синтезатор речи?

API поддерживает 23 языка: арабский, китайский, датский, голландский, английский, финский, французский, немецкий, греческий, иврит, хинди, итальянский, японский, корейский, малайский, норвежский, польский, португальский, русский, испанский, суахили, шведский и турецкий. Любой голос может произносить любой из этих языков. Если параметр language не указан, система определяет язык автоматически по скрипту текста (для латиницы по умолчанию — английский). Для точности рекомендуется явно указывать ISO-код языка в запросе.

Есть ли ограничение на длину текста?

Да, максимальная длина текста в одном запросе составляет 4096 символов. Для более длинных текстов необходимо разбить их на части, синтезировать каждую отдельно, а затем объединить полученные аудиофайлы. Это стандартный подход для работы с API, позволяющий обрабатывать как короткие фразы, так и длинные статьи.

Как быстро обрабатываются запросы?

Типичная скорость генерации составляет около 25 символов текста в секунду аудио. Короткие фразы занимают несколько секунд. Запросы обрабатываются последовательно, поэтому при высокой нагрузке может возникать очередь. В среднем генерация длинных текстов занимает время, близкое к реальному времени воспроизведения сгенерированного аудио.

Используется ли мой текст для обучения моделей?

Нет, ваш текст используется только для синтеза аудио и не участвует в обучении моделей. Сгенерированный файл возвращается в ответе API и не сохраняется на наших серверах. Для биллинга и учета использования аккаунта мы сохраняем только метаданные запроса: время, количество символов и статус выполнения.

Можно ли ускорить или замедлить речь?

Да, вы можете регулировать скорость речи в диапазоне от 0.25 до 4.0. Это позволяет адаптировать темп произношения под ваши нужды, будь то медленное объяснение или быстрый диалог. Параметр скорости передается в теле запроса вместе с текстом и выбранным голосом.

Какие форматы аудио файлов поддерживаются?

API поддерживает форматы MP3, WAV, OPUS, FLAC и PCM. Вы можете выбрать подходящий формат в параметре запроса. MP3 и OPUS обеспечивают сжатие, WAV и FLAC — высокое качество, а PCM — сырой несжатый звук. Выбор зависит от требований вашего приложения к размеру файла и качеству.

Как происходит оплата за использование API?

Оплата производится через пополнение баланса криптовалютой USDT (TRC-20) в сети TRON. Минимальная сумма пополнения — 5 долларов. Средства зачисляются автоматически в течение нескольких минут. Баланс не имеет срока действия. Подписка или ежемесячные планы не требуются, вы платите только за фактическое использование.

Есть ли бесплатный пробный период?

Да, при входе через Google вы получаете пробный кредит $0,50 (около 50 000 символов) на 7 дней. При регистрации по email и паролю кредит не начисляется. Остаток средств не истекает и сохраняется бессрочно. Тарификация составляет $0,01 за 1000 символов, что позволяет протестировать API перед началом разработки без дополнительных затрат.

Как получить API ключ для разработки?

Зарегистрируйтесь на странице /get-api-key/, используя Google или электронную почту с паролем. После входа вы увидите свой уникальный ключ, баланс и примеры запросов. Ключ используется в заголовке Authorization. Вы можете выпустить новый ключ в любое время, при этом старый перестает действовать немедленно.

Как связаться с технической поддержкой?

Техподдержка доступна только по электронной почте. У нас нет телефонного номера и живого чата. Мы не предоставляем SLA или фиксированные гарантии времени ответа. Для решения вопросов по API или уточнений деталей отправьте сообщение на адрес электронной поддержки, подробно описав проблему.

Первый запрос

curl

curl https://api.playthanjai.com/v1/audio/speech \
  -H "Authorization: Bearer $TTS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"tts-1","voice":"aria","input":"Hello from the API.","response_format":"mp3"}' \
  --output hello.mp3

Технология синтеза речи для стартапов

Иллюзация звуковой волны для: Технология синтеза речи для стартапов

API VoiceAPI позволяет интегрировать синтез речи в приложения стартапов через стандартный HTTP-протокол. Формат запроса идентичен стандарту OpenAI Speech, что позволяет использовать официальные SDK после указания базового URL https://api.playthanjai.com/v1.

Интеграция через HTTP API

Отправка POST-запроса с текстом и параметрами голоса возвращает готовый аудиофайл. Система обрабатывает запросы последовательно, что обеспечивает предсказуемость времени отклика.

Поддержка 23 языков

Алгоритм поддерживает 23 языка, включая английский, русский, китайский и иврит. Если язык не указан явно, система определяет его по скрипту текста (латиница по умолчанию — английский). Для других латинских языков рекомендуется указывать поле language.

Форматы аудио MP3 и WAV

Доступны форматы mp3, wav, opus, flac и pcm. Форматы выбираются через параметр response_format в зависимости от требований к сжатию и качеству в вашем приложении.

Голоса для разных задач

Иллюзация звуковой волны для: Голоса для разных задач

Голоса VoiceAPI разработаны для естественного звучания в интерфейсах голосовых помощников и чат-ботов. Аппаратный синтез использует пресеты, подобранные под конкретные сценарии взаимодействия: от спокойного информирования до динамичного диалога.

Женские голоса: Aria, Nova

Aria обладает теплым и четким тембром нарратора, что делает её идеальной для структурированных ответов и информационных ассистентов. Nova излучает яркую и энергичную подачу, подходящую для динамичных диалогов и приветствий.

  • Aria: теплый, четкий нарратор
  • Nova: яркий, энергичный тон

Мужские голоса: Felix, Milo

Felix звучит энергично, что эффективно для промо-сообщений и быстрых уведомлений. Milo использует дружелюбный, разговорный стиль, смягчая механичность интерфейса и создавая эффект живого диалога с пользователем.

  • Felix: энергичный, для промо
  • Milo: дружелюбный, разговорный

Специализированные тембры: Atlas, Orion

Atlas предлагает нейтральный голос, оптимальный для новостных лент и стандартных уведомлений без эмоциональной окраски. Orion обладает глубоким тембром, который придает авторитетность документальным или познавательным текстам в приложениях.

  • Atlas: нейтральный, новостной
  • Orion: глубокий, документальный
Голоса для разных задач

Технические характеристики API

Иллюзация звуковой волны для: Технические характеристики API

API обрабатывает запросы последовательно, поэтому при высокой нагрузке может возникать очередь. Стандартная скорость синтеза для коротких фраз составляет несколько секунд, а для длинных текстов генерация примерно равна реальному времени воспроизведения.

Лимиты 60 запросов в минуту

Лимит составляет 60 запросов в минуту на один ключ. До первого пополнения баланса этот показатель снижен до 10 запросов в минуту. Если синтез не удался, средства не списываются.

  • Лимит: 60 запросов/мин (10 до первого пополнения)
  • Очередь обработки при высокой нагрузке

Размер текста до 4096 символов

За один запрос можно передать текст длиной не более 4096 символов. Пробелы и знаки препинания учитываются при подсчете. Для более длинных текстов необходимо разбивать их на части и объединять полученные аудиофайлы.

  • Максимум 4096 символов на запрос
  • Символы включают пробелы и знаки препинания

Настройка скорости от 0.25 до 4.0

Параметр speed позволяет ускорять или замедлять речь в диапазоне от 0.25 до 4.0. Скорость не влияет на стоимость, так как оплата взимается только за количество переданных символов, независимо от длительности аудиофайла.

  • Диапазон скорости: 0.25–4.0
  • Оплата только за символы, не за время

Использование в голосовых интерфейсах

Иллюзация звуковой волны для: Использование в голосовых интерфейсах

VoiceAPI спроектирована для интеграции в бэкенд чат-ботов и голосовых помощников. Вы отправляете текст через HTTP API, а система возвращает готовый аудиофайл. Это простой конвейер: нет необходимости в сложной обработке потоков или дополнительных слоях абстракции, что позволяет быстро внедрять озвучку в текущую логику приложения.

Система не управляет контекстом диалога — это задача вашего бэкенда. API лишь генерирует аудио по запросу, что обеспечивает предсказуемость и простоту отладки. Вы контролируете передачу данных между пользователем и синтезатором речи.

Озвучка ответов чат-бота

Для голосовых интерфейсов важна естественная интонация. Голоса Aria или Milo обеспечивают четкую дикцию и дружелюбный тон, подходящий для стандартных диалогов. Вы можете выбрать темп речи от 0.25 до 4.0, адаптируя скорость под сценарий взаимодействия пользователя с ботом.

  • HTTP API для простой интеграции
  • Выбор голоса под стиль общения
  • Гибкая настройка скорости

Голосовые уведомления

Используйте API для мгновенной отправки голосовых сообщений клиентам. Поскольку запросы обрабатываются последовательно, при высокой нагрузке может возникать очередь, поэтому важно закладывать время на генерацию в логику уведомлений. Для коротких фраз это занимает несколько секунд.

  • Мгновенная генерация аудио
  • Короткие фразы за секунды
  • Последовательная обработка запросов

Аудиогиды и инструкции

Длинные тексты автоматически разбиваются на части до 4096 символов, а результаты объединяются в единый аудиофайл. Это позволяет создавать полные аудиогиды или инструкции одним вызовом, не управляя фрагментацией на стороне приложения. Типичная скорость синтеза близка к реальному времени.

  • Автоматическое объединение частей
  • Лимит 4096 символов на часть
  • Поддержка 23 языков

Экономическая эффективность

Иллюзация звуковой волны для: Экономическая эффективность

Стоимость синтеза составляет $10 за миллион символов, что эквивалентно $0.01 за 1000 символов. Пробелы и знаки препинания учитываются как символы. Баланс пополняется через USDT (TRC-20) и не имеет срока действия.

Оплата за количество символов

Тарификация производится строго по объёму входного текста. Вы платите только за реально обработанные данные, что обеспечивает предсказуемость расходов для проектов с переменной нагрузкой.

  • Цена: $0.01 за 1000 символов
  • Пробелы и пунктуация учитываются
  • Без скрытых платежей за форматы

Отсутствие ежемесячных абонентских плат

Модель оплаты не требует подписок или минимальных ежемесячных расходов. Вы используете API только когда это необходимо, избегая затрат на простаивающие лицензии или выделенные ресурсы в периоды низкой активности.

Возврат средств при ошибках

Если синтез аудио завершается неудачно, средства за этот запрос возвращаются в полном объёме. Это защищает бюджет стартапа от расходов на нерабочие API-вызовы.

Экономическая эффективность

Качество и лицензирование

Иллюзация звуковой волны для: Качество и лицензирование

Мы используем голоса на основе записей LibriTTS-R (лицензия CC BY 4.0), полученных из аудиокниг LibriVox. Это обеспечивает стабильное качество синтеза без дополнительных затрат на разработку моделей с нуля.

Каждый сгенерированный файл содержит неслышимый цифровой водяной знак, идентифицирующий его как синтезированную речь. Это помогает автоматизировать контроль контента без влияния на восприятие пользователя.

Голоса на основе LibriTTS-R

Все 8 голосовых пресетов базируются на лицензионных записях LibriTTS-R. Исходные данные получены из аудиокниг общественного достояния LibriVox, что гарантирует юридическую чистоту и предсказуемое звучание для ваших приложений.

Незаметный цифровой водяной знак

В каждый аудиофайл встроен невидимый водяной знак. Он позволяет автоматически идентифицировать синтезированный контент при аудите, не ухудшая качество прослушивания для конечных пользователей.

Данные не используются для обучения

Исходный текст используется исключительно для создания аудио и не сохраняется для тренировки моделей. Мы не используем ваши данные для улучшения алгоритмов, обеспечивая полную конфиденциальность.

Быстрый старт разработки

Иллюзация звуковой волны для: Быстрый старт разработки

Разработка начинается с получения API-ключа на странице /get-api-key/ через вход в Google или создание учетной записи. Ключ позволяет отправлять запросы на эндпоинт https://api.playthanjai.com/v1/audio/speech. Баланс и лимиты отображаются в личном кабинете.

Для интеграции можно использовать официальный SDK OpenAI, изменив базовый URL на https://api.playthanjai.com/v1. Это позволяет применять существующие библиотеки без переписывания логики отправки текстов.

Получение API ключа

Зарегистрируйтесь на странице /get-api-key/, выбрав вход через Google или email. После авторизации вы получите уникальный ключ формата tts-... и увидите текущий баланс и количество доступных символов.

  • Вход через Google или email+password
  • Ключ в формате tts-...
  • Отображение баланса и лимитов

Пример запроса cURL

Используйте стандартный HTTP-запрос для генерации аудио. Укажите модель tts-1 или tts-1-hd, текст до 4096 символов и нужный голос.

  • POST https://api.playthanjai.com/v1/audio/speech
  • Заголовок: Authorization: Bearer tts-...
  • Тело: JSON с полями model, input, voice

Использование готовых SDK

API совместим с официальными SDK OpenAI. Укажите base_url как https://api.playthanjai.com/v1 и используйте ключ вашего аккаунта. Это упрощает интеграцию в существующие проекты.

Поддержка и документация

Иллюзация звуковой волны для: Поддержка и документация

Документация API открыта и следует формату, совместимому с OpenAI SDK. Вы можете самостоятельно проверить доступные модели и голоса через GET-запросы к эндпоинтам /v1/models и /v1/voices. Это позволяет быстро интегрировать синтез речи в инфраструктуру вашего стартапа без лишних абстракций.

Техподдержка работает исключительно по email. Мы не предоставляем телефонные линии или онлайн-чат, чтобы минимизировать накладные расходы и сохранить низкую стоимость API. Для оперативного решения технических вопросов пишите на адрес, указанный в разделе контактов. Среднее время ответа зависит от очереди, но мы стараемся решать проблемы оперативно.

Документация по эндпоинтам

Все эндпоинты описаны в стандартном формате. Базовый URL для запросов: https://api.playthanjai.com/v1. Для проверки доступных моделей используйте GET /v1/models, а для получения списка голосов и языков — GET /v1/voices. Это позволяет программно адаптировать интерфейс под нужды вашего чат-бота.

  • GET /v1/models: список доступных моделей синтеза
  • GET /v1/voices: метаданные голосов, языков и форматов
  • POST /v1/audio/speech: основной эндпоинт генерации аудио

Техническая поддержка по email

Поддержка осуществляется только по электронной почте. Это позволяет нам сохранять фокус на разработке API и поддерживать предсказуемую тарификацию за символ. Если вы столкнулись с ошибкой при генерации или проблемой с авторизацией, отправьте детали запроса на наш адрес поддержки.

Статус серверов

На данный момент нет отдельного эндпоинта /status для мониторинга доступности. Также мы не предоставляем SLA или гарантии времени безотказной работы. О текущей загрузке можно судить по времени ответа API: при высокой нагрузке запросы обрабатываются по очереди, что может увеличивать время генерации.

Поддержка и документация

Часто задаваемые вопросы

Иллюзация звуковой волны для: Часто задаваемые вопросы

Частые вопросы помогают быстро разобраться в технических деталях интеграции VoiceAPI для ваших голосовых интерфейсов и чат-ботов.

Здесь собраны конкретные цифры по производительности, настройкам и обработке данных, которые важны при проектировании архитектуры.

Как быстро генерируется аудио

Генерация занимает около одной секунды на 25 символов текста для коротких фраз. Для длинных текстов скорость приближается к реальному времени воспроизведения. При высокой нагрузке запросы обрабатываются по очереди, поэтому время ответа может увеличиваться.

Можно ли менять скорость голоса

Да, параметр speed позволяет изменять скорость воспроизведения в диапазоне от 0.25 до 4.0. Это полезно для адаптации темпа речи под разные сценарии использования в чат-ботах или голосовых помощниках.

Поддержка ли длинных текстов

Один запрос поддерживает до 4096 символов. Для более длинных текстов необходимо разбивать их на части и объединять полученные аудиофайлы. Это стандартный подход для интеграции через HTTP API.

Послушайте 8 голосов

Каждый образец ниже сгенерирован этим API из одного и того же предложения. Голосовые помощники и чат-боты помогают стартапам автоматизировать рутинные задачи и улучшать клиентский опыт.

Аватар голоса aria
ariaженский
Аватар голоса nova
novaженский
Аватар голоса luna
lunaженский
Аватар голоса sage
sageженский
Аватар голоса felix
felixмужской
Аватар голоса milo
miloмужской
Аватар голоса atlas
atlasмужской
Аватар голоса orion
orionмужской

23 языка

Любой голос может говорить на любом из этих языков.

Источники и дополнительные материалы

  1. Wikipedia
  2. Tether (USDT)
  3. curl documentation
  4. Node.js documentation
  5. LibriTTS-R paper (arXiv 2305.18802)
  6. FFmpeg documentation
  7. Creative Commons Attribution 4.0
  8. openai-python on GitHub
  9. LibriTTS-R corpus (OpenSLR 141)
  10. TRON developer hub: TRC-20
  11. OpenAI API reference: create speech
  12. openai-node on GitHub

Больше на этом сайте