API синтеза речи для разработчиков: 8 голосов и 23 языка

Автор Редакция Glasyar · Обновлено 2026-11-19

Здесь вы найдёте спецификации API синтеза речи Glasyar для независимых разработчиков. Мы предлагаем прямой доступ к восьми голосам и 23 языкам через простой REST-интерфейс, совместимый с OpenAI SDK. Страница содержит технические детали интеграции, точные тарифы за символы и примеры кода для быстрого старта.

Материал ориентирован на инди-разработчиков, которым нужна предсказуемая тарификация без подписок и сложных лицензий. Вы узнаете, как быстро настроить TTS-уведомления в своих интерфейсах, какие форматы аудио доступны и как управлять лимитами запросов. Все данные основаны на реальных характеристиках сервиса без маркетинговых преувеличений.

API синтеза речи для разработчиков: 8 голосов и 23 языка

Часто задаваемые вопросы

Какие голоса доступны в API?

Доступно 8 голосов: Aria, Nova, Luna, Sage (женские) и Felix, Milo, Atlas, Orion (мужские). Они основаны на лицензированных записях LibriTTS-R и чтениях из LibriVox. Каждый голос имеет уникальный тембр: от спокойного до энергичного. Все голоса могут произносить любой из 23 поддерживаемых языков без дополнительных настроек.

Сколько стоит озвучка текста?

Стоимость составляет $10 за 1 миллион символов, что равно $0,01 за 1000 символов. Пробелы и знаки препинания учитываются как символы. Неудачные запросы бесплатны: если синтез не удался, сумма возвращается полностью. Баланс не истекает, а тарификация прозрачна и зависит только от объема отправленного текста.

Можно ли использовать API для коммерческих проектов?

Да, API подходит для коммерческих SaaS-уведомлений и интерфейсов. Входной текст используется только для генерации аудио и не передается для обучения моделей. Сгенерированное аудио возвращается в ответе и не сохраняется на наших серверах. Метаданные запросов хранятся исключительно для целей биллинга и учета расходов.

Какие форматы аудио поддерживаются?

API поддерживает пять форматов: mp3, wav, opus, flac и pcm. Вы можете выбрать подходящий формат в поле response_format при отправке запроса. Это позволяет интегрировать аудио в различные платформы и устройства без необходимости дополнительного кодирования на стороне клиента или сервера.

Есть ли ограничение по длине текста в одном запросе?

Ограничение составляет 4096 символов на один запрос. Для более длинных текстов необходимо разбить их на части, сгенерировать аудио для каждой и объединить файлы. Это стандартный подход для API, обеспечивающий стабильность генерации. При превышении лимита сервер вернет ошибку, и оплата не взимается.

Как быстро обрабатываются запросы?

Типичная скорость генерации составляет примерно 25 символов текста в секунду аудио. Короткие фразы обрабатываются за несколько секунд. Запросы обрабатываются последовательно, поэтому при высокой нагрузке может возникнуть очередь. В среднем генерация соответствует реальному времени воспроизведения аудио, что делает процесс предсказуемым.

Поддерживаются ли языки кроме английского?

Да, поддерживается 23 языка, включая русский, немецкий, французский, испанский, китайский и японский. Если язык не указан, система пытается определить его по скрипту, но для латиницы по умолчанию выбирается английский. Для точного результата рекомендуется явно указывать код языка в параметре запроса.

Используются ли мои данные для обучения модели?

Нет, входной текст используется исключительно для создания аудиофайла и не передается для дообучения нейронных сетей. Сгенерированные аудиофайлы возвращаются клиенту и не сохраняются на серверах Glasyar. Хранятся только метаданные запросов (время, объем, статус) для корректного начисления баланса и биллинга.

Можно ли изменить скорость речи?

Да, параметр speed позволяет регулировать скорость от 0.25 до 4.0 раз. Это полезно для адаптации аудио под разные форматы контента, от медленных инструкций до быстрых уведомлений. Изменение скорости не влияет на качество синтеза и не требует дополнительных затрат.

Что делать, если генерация аудио не удалась?

Если синтез не удался, оплата не взимается, и сумма возвращается на ваш баланс. Вы можете повторить запрос с теми же параметрами. Убедитесь, что текст соответствует лимитам и форматированию. Поддержка доступна по электронной почте для помощи в решении технических проблем.

Как пополнить баланс?

Пополнение осуществляется только криптовалютой USDT в сети TRON (TRC-20). Минимальная сумма взноса — $5. Средства зачисляются автоматически в течение нескольких минут после подтверждения транзакции в блокчейне. Другие способы оплаты, такие как карты или PayPal, не поддерживаются.

Есть ли бесплатные тарифы?

При регистрации через Google предоставляется пробный кредит $0.50 (около 50 000 символов), действительный 7 дней. Аккаунты, созданные по email, начинаются без бонуса. Тарифов с фиксированной абонентской платой нет. Вы платите только за фактически использованные символы по стандартному тарифу.

Можно ли генерировать аудио в реальном времени?

Прямая потоковая передача (streaming) или WebSocket-подключение для получения аудио в реальном времени не поддерживаются. API возвращает готовый аудиофайл после завершения синтеза. Для имитации «реального времени» при длинных текстах клиентская часть должна самостоятельно разбивать текст и объединять полученные файлы.

Поддерживается ли SSML в API?

Стандарт разметки SSML не поддерживается. Вы передаете обычный текст, и система генерирует речь на основе базовых параметров голоса и скорости. Нет возможности добавлять теги для пауз, изменения интонации или произношения отдельных слов. Это упрощает интеграцию, но ограничивает тонкую настройку аудио.

Первый запрос

curl

curl https://api.goud999.info/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

Почему инди-разработчики выбирают наш API

Иллюзация звуковой волны для: Почему инди-разработчики выбирают наш API

API синтеза речи Glasyar создан для инди-разработчиков, которым важна предсказуемость и простота. Мы предлагаем прямую интеграцию в SaaS-уведомления и интерфейсы без лишних абстракций. Наша цель — дать вам инструмент, который работает так, как вы ожидаете, без скрытых платежей и сложных условий.

Каждый запрос обрабатывается напрямую через API, что позволяет легко контролировать расходы и нагрузку. Мы фокусируемся на том, что действительно нужно для автоматизации текстовых сообщений и голосовых оповещений, оставляя лишнее за бортом.

Интеграция за 5 минут

Интеграция за 5 минут

Используйте готовые OpenAI SDK, изменив только базовый URL. Отправляйте POST-запросы с текстом и получите аудиофайл в одном из поддерживаемых форматов. Код занимает всего несколько строк, что позволяет быстро внедрить синтез речи в любой проект.

Нет необходимости изучать сложные протоколы или настраивать отдельные сервисы. Стандартный JSON-формат запроса и familiar структура ответов делают интеграцию интуитивно понятной даже для небольших команд.

  • Стандартный JSON API, совместимый с OpenAI SDK
  • Простая отправка текста и получение аудио
  • Быстрое внедрение в существующие SaaS-решения

Прозрачная тарификация

Вы платите только за использованные символы: $0.01 за 1000 символов. Нет ежемесячных подписок, скрытых комиссий или ограничений по трафику. Баланс не истекает, а неудачные запросы бесплатны.

Это идеальная модель для инди-разработчиков, которые хотят контролировать свои расходы. Вы точно знаете, сколько стоит каждый синтезированный файл, и можете планировать бюджет без сюрпризов.

Топ-ап осуществляется через USDT (TRC-20) с минимальной суммой $5. Кредит зачисляется автоматически в течение нескольких минут, обеспечивая непрерывную работу вашего сервиса.

  • Фиксированная цена: $0.01 за 1000 символов
  • Нет подписок и скрытых комиссий
  • Мгновенное зачисление средств через USDT

Поддержка по email

Мы предлагаем поддержку исключительно по электронной почте. Это позволяет нам предоставлять качественные ответы без лишнего шума. У нас нет телефонной линии или живого чата, что снижает накладные расходы и, как следствие, цены для разработчиков.

Все вопросы, от технических до бухгалтерских, решаются через email. Мы ценим ваше время и стремимся давать четкие, конкретные ответы, основанные на фактах, а не на общих фразах.

  • Поддержка только по электронной почте
  • Отсутствие телефонных линий и живых чатов
  • Конкретные и понятные ответы

Доступные голоса

Иллюзация звуковой волны для: Доступные голоса

Мы предлагаем восемь предустановленных голосов, каждый из которых основан на лицензированных записях LibriTTS-R и публичных аудиокнигах из LibriVox. Все голоса могут произносить текст на любом из 23 поддерживаемых языков, что упрощает локализацию ваших SaaS-уведомлений и интерфейсов без необходимости подбора отдельных голосов для каждого региона.

Aria: теплый нарратор

Голос с теплым, чистым тембром, идеально подходящий для последовательного повествования. Aria обеспечивает четкую дикцию и приятную интонацию, что делает её оптимальным выбором для длинных текстов, описаний функций или автоматических голосовых сообщений.

  • Теплый, ясный тембр
  • Идеально для нарративов
  • Четкая дикция

Nova: яркий и энергичный

Светлый и бодрый голос, который сразу привлекает внимание пользователя. Nova отлично подходит для кратких уведомлений, напоминаний и элементов интерфейса, где требуется передать динамику и современность продукта.

  • Яркий, бодрый тембр
  • Идеально для коротких уведомлений
  • Передача динамики

Luna: мягкий сказочник

Мягкий и плавный голос, создающий атмосферу уюта и доверия. Luna идеально подходит для историй, длинных описаний или фоновых аудио-сопровождения в интерфейсах, где важна спокойная подача материала.

  • Мягкий, плавный тембр
  • Идеально для историй
  • Спокойная подача

Sage: спокойный инструктор

Спокойный и размеренный голос, ориентированный на обучающий контент и инструктаж. Sage обеспечивает понятную структуру подачи информации, что критично для обучающих материалов, туториалов и технических инструкций.

  • Спокойный, размеренный тембр
  • Идеально для инструкций
  • Понятная структура

Felix: энергичный промо

Энергичный голос, созданный для рекламных материалов. Felix идеально подходит для промо-предложений, розыгрышей, активных призывов к действию, где нужно быстро захватить внимание и побудить пользователя к действию.

  • Энергичный, динамичный тембр
  • Идеально для промо
  • Активные призывы к действию

Milo: дружелюбный разговорный

Дружелюбный и естественный голос, имитирующий обычную человеческую беседу. Milo отлично работает в чат-ботах, голосовых помощниках и системах обратной связи, создавая ощущение живого общения с пользователем.

  • Дружелюбный, естественный тембр
  • Идеально для чат-ботов
  • Ощущение живого общения

Atlas: нейтральный новостной

Нейтральный и строгий голос, подходящий для новостных лент и информационных агрегаторов. Atlas обеспечивает беспристрастную подачу данных, что важно для новостных уведомлений, отчетов и официальных оповещений.

  • Нейтральный, строгий тембр
  • Идеально для новостей
  • Беспристрастная подача

Orion: глубокий документальный

Глубокий и выразительный голос, характерный для документальных фильмов и подкастов. Orion придает тексту вес и значимость, что делает его идеальным выбором для длинных аудио-контентов и премиальных интерфейсов.

  • Глубокий, выразительный тембр
  • Идеально для документалок
  • Придает вес тексту

Технические возможности

Иллюзация звуковой волны для: Технические возможности

API синхронно возвращает аудиофайл в ответе на POST-запрос. Для отправки текста используется стандартный JSON-тело с полями model, input, voice и response_format. Это позволяет использовать готовые клиенты без написания специфичного парсера ответов.

Совместимость с OpenAI SDK

Интерфейс полностью повторяет структуру запросов OpenAI. Вы можете использовать официальные SDK Python или Node.js, просто изменив base_url на https://api.goud999.info/v1. Аутентификация осуществляется через заголовок Authorization: Bearer с вашим ключом.

  • Поддержка POST /v1/audio/speech
  • Поля: model, input, voice, speed, language
  • Использование стандартных библиотек

Форматы вывода аудио

Система поддерживает пять форматов: mp3, wav, opus, flac и pcm. Выбор формата зависит от требований вашего интерфейса или мобильного приложения. Опция response_format в теле запроса определяет итоговый формат файла.

  • mp3, wav, opus, flac, pcm

Управление скоростью речи

Параметр speed принимает значения от 0.25 до 4.0. Это позволяет адаптировать темп произношения под контекст уведомления или аудиокниги. Изменение скорости не влияет на тарификацию символов.

Языковая поддержка

Иллюзация звуковой волны для: Языковая поддержка

API поддерживает синтез на 23 языках: от арабского и китайского до русского и шведского. Голоса не привязаны к конкретным языкам, что позволяет использовать любой голос с любым языковым пакетом.

23 поддерживаемых языка

В списке поддерживаемых языков: Arabic, Chinese, Danish, Dutch, English, Finnish, French, German, Greek, Hebrew, Hindi, Italian, Japanese, Korean, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swahili, Swedish, Turkish.

  • Arabic, Chinese, Danish, Dutch, English, Finnish, French, German, Greek, Hebrew, Hindi, Italian, Japanese, Korean, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swahili, Swedish, Turkish

Автоопределение языка

Если поле language не указано, система определяет язык по скрипту. Текст на латинице по умолчанию обрабатывается как английский. Для других языков на латинице (например, русском или польском) необходимо явно указывать language, чтобы избежать ошибок распознавания.

Голоса для всех языков

Все 8 голосов универсальны. Вы можете использовать Aria, Nova, Luna, Sage, Felix, Milo, Atlas или Orion для синтеза на любом из 23 поддерживаемых языков без ограничений по парам голос-язык.

Тарификация и лимиты

Иллюзация звуковой волны для: Тарификация и лимиты

Стоимость синтеза составляет $10 за миллион символов, что эквивалентно $0.01 за 1000 символов. В расчете учитываются пробелы и знаки препинания. Пропущенные запросы оплачиваться не будут: если синтез не удался, сумма возвращается на баланс в полном объеме.

Цена за символы

Тарификация прозрачна и привязана к объему входных данных. Пробелы и пунктуация считаются как отдельные символы. Баланс не имеет срока действия, что позволяет накапливать средства для долгосрочных проектов без риска их сгорания.

Лимит запросов в минуту

Доступно 60 запросов в минуту на один активный ключ API. До первого пополнения счетчика лимит составляет 10 запросов в минуту. Запросы обрабатываются последовательно, поэтому при высокой нагрузке возможно ожидание в очереди.

  • Стандартный лимит: 60 запросов/мин
  • Лимит до топ-апа: 10 запросов/мин
  • Обработка последовательная, возможны задержки

Бесплатные тестовые запросы

При регистрации через Google предоставляется пробный баланс в размере $0.50, чего хватает примерно на 50 000 символов. Предложение действует 7 дней. Аккаунты, созданные по email и паролю, стартуют без пробного кредита.

Тарификация и лимиты

Безопасность данных

Иллюзация звуковой волны для: Безопасность данных

Информация о безопасности и использовании данных в API синтеза речи Glasyar.

Использование текста только для синтеза

Введённый вами текст используется исключительно для генерации аудиофайла и не сохраняется в долговременной памяти системы. Сгенерированный аудиоконтент возвращается в ответе API и также не хранится на наших серверах после завершения передачи.

Отсутствие обучения на данных

Ваш текст не используется для тренировки моделей или улучшения алгоритмов синтеза. Мы сохраняем только метаданные запросов (время, количество символов, статус) для корректного выставления счетов и отслеживания лимитов.

Невидимый водяной знак

Каждый сгенерированный аудиофайл содержит невидимый цифровой водяной знак, который маркирует его как синтетическую речь. Это помогает идентифицировать контент, созданный нашим API, без влияния на качество прослушивания.

Лицензирование голосов

Иллюзация звуковой волны для: Лицензирование голосов

Голоса Glasyar основаны на лицензированных записях LibriTTS-R (CC BY 4.0) и чтениях из аудиокниг LibriVox (общественное достояние). Это обеспечивает естественную интонацию и четкую дикцию, характерную для профессионального чтения.

Использование проверенных источников позволяет избежать проблем с авторскими правами на сами голоса, оставляя за разработчиком свободу в использовании сгенерированного аудио.

Основа на LibriTTS-R

Базовый набор голосов базируется на качественных записях из открытого датасета LibriTTS-R. Это гарантирует стабильное качество синтеза и отсутствие артефактов, свойственных менее отфильтрованным данным.

Публичные аудиокниги

В основе лежат чтения из LibriVox и других источников с общественным достоянием. Каждый голос — это результат работы профессиональных чтецов, чьи работы уже находятся в свободном доступе.

Лицензия CC BY 4.0

Исходные аудиофайлы распространяются под лицензией Creative Commons Attribution 4.0 International. Это позволяет свободно использовать их в коммерческих проектах при условии указания авторства, что полностью соответствует условиям нашего API.

Сравнение с другими решениями

Иллюзация звуковой волны для: Сравнение с другими решениями

Glasyar предлагает модель, свободную от привязки к ежемесячным планам и фиксированных платежей. Вы платите только за фактический объем: 0,01$ за 1000 символов. Это исключает переплаты, если вы генерируете мало аудио, и делает стоимость предсказуемой для любого SaaS-проекта.

Отсутствие подписок

В отличие от многих сервисов, здесь нет абонентских плат за доступ к API или лимиты на количество голосов. Тарификация линейная: $10 за миллион символов. Это упрощает бюджетирование для инди-разработчиков, чьи нагрузки могут быть сезонными или непредсказуемыми.

Простая топ-ап система

Пополнение баланса происходит через USDT (TRC-20) с минимальным порогом $5. Средства зачисляются автоматически в течение нескольких минут после подтверждения транзакции в сети. Нет банков, PayPal или сложных инвойсов с НДС.

Нет лишних функций

Мы не усложняем интерфейс лишними настройками. Нет потоковой передачи аудио, SSML или кастомного клонирования голосов (кастомное клонирование не предлагается). API фокусируется на базовой задаче: отправка текста и получение аудиофайла. Это снижает вероятность ошибок при интеграции и упрощает отладку.

Начало работы

Иллюзация звуковой волны для: Начало работы

Регистрация на сайте /get-api-key/ доступна через Google или email. Инди-разработчики получают доступ к панели управления, где сразу видны ключ и баланс. Аккаунты создаются быстро, без сложных подтверждений, что позволяет начать интеграцию в SaaS-уведомлениях немедленно.

Регистрация аккаунта

Создайте аккаунт, используя Google или email. Для пользователей Google предоставляется бесплатный пробный кредит $0.50 на 7 дней. Аккаунты с email и паролем стартуют без бонусов. Доступ к API открывается сразу после регистрации.

Получение API-ключа

После регистрации вы получите уникальный Bearer-токен в личном кабинете. Ключ можно перегенерировать в любой момент; старый становится недействительным мгновенно. Он используется в заголовке Authorization для всех запросов к API.

  • Один активный ключ на аккаунт
  • Мгновенная инвалидация старого ключа

Первый запрос через cURL

Отправьте POST-запрос на https://api.goud999.info/v1/audio/speech. Укажите модель tts-1 или tts-1-hd, текст до 4096 символов и выбранный голос. Ответ придет в виде аудиофайла в указанном формате.

  • Модель: tts-1 или tts-1-hd
  • Форматы: mp3, wav, opus, flac, pcm
  • Лимит: 60 запросов в минуту

Послушайте 8 голосов

Каждый образец ниже сгенерирован этим API из одного и того же предложения. Его богатый низкий регистр придает контенту вес и авторитетность.

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. Python documentation
  3. LibriTTS-R corpus (OpenSLR 141)
  4. LibriVox public-domain audiobooks
  5. Node.js documentation
  6. Creative Commons Attribution 4.0
  7. MDN: Web Speech API
  8. ISO 639 language codes
  9. Tether (USDT)
  10. IETF RFC 7845: Ogg Opus
  11. TRON developer hub: TRC-20
  12. FFmpeg documentation

Больше на этом сайте