Часто задаваемые вопросы
Что такое текст в речь для чат-ботов?
Это облачный API, который преобразует текст в аудиофайл по запросу POST. Вы отправляете текст, получаете готовый аудиофайл. Это позволяет командам продуктов легко интегрировать естественную речь в диалоги без сложных инфраструктурных решений. API поддерживает настройку скорости и голоса, чтобы диалоги звучали естественно.
Как быстро работает генерация аудио?
Генерация занимает примерно столько же времени, сколько длится само аудио (около 25 символов в секунду). Короткие фразы обрабатываются за несколько секунд. Запросы обрабатываются последовательно, поэтому при высокой нагрузке может возникнуть очередь. Для длинных текстов API разбивает их на части и объединяет результат.
Сколько стоит озвучка 1000 слов?
Стоимость зависит от количества символов, а не слов. Тариф составляет $0.01 за 1000 символов, включая пробелы и знаки препинания. В среднем одно слово содержит около 5–6 символов, поэтому 1000 слов обойдутся примерно в $0.05–$0.06. Точная сумма зависит от длины вашего текста.
Можно ли изменить скорость голоса?
Да, параметр speed позволяет регулировать скорость от 0.25 до 4.0. Это дает контроль над темпом речи в ваших диалогах. Вы можете замедлить голос для ясности или ускорить его для динамичных сценариев. Настройка применяется к каждому запросу при отправке текста через API.
Какие языки поддерживаются в API?
Поддерживается 23 языка: английский, русский, китайский, испанский, французский, немецкий, японский, корейский, арабский, хинди, датский, финский, греческий, иврит, итальянский, малайский, норвежский, польский, португальский, суахили, шведский, турецкий. Любой голос может произносить любой из этих языков. Если язык не указан, он определяется по скрипту, но для латиницы вне английского лучше указывать его явно.
Есть ли поддержка SSML для разметки?
Нет, API не поддерживает SSML. Вы не можете использовать разметку для управления паузами или интонацией на уровне тегов. Управление звучанием осуществляется через выбор предустановленного голоса и параметр скорости. Это упрощает интеграцию, но ограничивает тонкую настройку произношения внутри одного запроса.
Сохраняется ли мой текст после генерации?
Исходный текст используется только для создания аудио и не сохраняется для обучения моделей. Сгенерированное аудио возвращается в ответе и не сохраняется на серверах. Метаданные запроса (время, количество символов, статус) хранятся исключительно для целей биллинга и подтверждения оплаты.
Можно ли кастомизировать голоса под бренд?
Нет, кастомного клонирования голоса или загрузки собственных записей нет. Доступны 8 предустановленных голосов с фиксированными тембрами. Вы не можете создать уникальный голос под ваш бренд, но можете выбрать подходящий из списка, например, нейтральный Atlas или дружелюбный Milo.
Какой формат аудио лучше для мобильных приложений?
Для мобильных приложений оптимален формат MP3 или Opus из-за малого размера файла и широкой поддержки. Доступны также WAV, FLAC и PCM. MP3 обеспечивает хороший баланс качества и сжатия, что экономит трафик пользователей и ускоряет загрузку аудио в вашем приложении.
Что делать, если генерация не удалась?
Если синтез не удался, вы не платите за этот запрос. Сумма возвращается в полном объеме. Вы можете повторить запрос с тем же текстом или скорректировать параметры. Это снижает риски при интеграции, так как вы платите только за успешные результаты.
Есть ли ограничения по количеству запросов?
Лимит составляет 60 запросов в минуту на один ключ API. До первого пополнения счета лимит ниже — 10 запросов в минуту. Если вы превысите лимит, запросы могут ждать в очереди. Для массовых задач рекомендуется распределять нагрузку или использовать несколько ключей.
Можно ли использовать голоса в коммерческих продуктах?
Да, голоса основаны на записях из LibriVox (лицензия CC BY 4.0). Вы можете использовать сгенерированное аудио в коммерческих продуктах, таких как голосовые помощники или чат-боты. В аудиофайлах есть невидимый цифровой водяной знак, маркирующий речь как синтетическую.
Как работает оплата через USDT?
Оплата производится только в USDT (TRC-20) в сети TRON. Минимальная сумма пополнения — $5. Средства зачисляются автоматически в течение нескольких минут после перевода. Кредит не имеет срока действия. Кредитные карты и PayPal не поддерживаются, счета выставляются без НДС.
Отличается ли tts-1 от tts-1-hd по качеству?
Модели tts-1 и tts-1-hd используют один и тот же движок синтеза и имеют одинаковую цену. Разница в названии указывает на профиль качества, но технически они идентичны по генерации. Вы можете использовать любую из них, указав соответствующее значение в поле model.
Первый запрос
curl
curl https://api.playok33.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.mp3Как это работает для разработчиков
Наш API использует ту же структуру запросов, что и OpenAI, но работает на независимых серверах VoiceBase API.
API, совместимый с OpenAI SDK
Отправляйте текст через POST-запрос на https://api.playok33.com/v1/audio/speech. Достаточно изменить base_url на https://api.playok33.com/v1, чтобы использовать официальные SDK OpenAI с вашим ключом VoiceBase.
Простая интеграция в чат-боты
Продуктовые команды легко встраивают синтез в диалоги: отправляете текст, получаете аудиофайл. Поддерживаемые форматы включают mp3, wav, opus, flac и pcm. Это избавляет от сложной настройки собственных голосовых движков.
Контроль скорости и формата аудио
Параметр speed (0.25–4.0) позволяет точно настраивать темп речи под стиль вашего ассистента. Вы выбираете голос из 8 пресетов и формат вывода, чтобы диалоги звучали естественно и соответствовали техническим требованиям вашего приложения.
Голоса для разных сценариев
Выбор голоса определяет восприятие вашего продукта. В VoiceBase API доступно восемь пресетов, каждый из которых подходит для конкретных сценариев использования. Голоса основаны на лицензированных записях LibriTTS-R и аудиокниг из общественного достояния, что обеспечивает естественное звучание без необходимости кастомной разработки.
Aria: ясный и теплый нарратор (warm, clear narrator)
Aria идеально подходит для narrated-контента и образовательных диалогов. Её тёплый и ясный тон помогает удерживать внимание пользователей в долгих диалогах, делая взаимодействие с голосовым помощником более комфортным и доверительным.
Atlas: нейтральный новостной тон (neutral, news)
Atlas обеспечивает нейтральную подачу информации, что делает его оптимальным для новостных лент, уведомлений и системных оповещений. Его голос не отвлекает от смысла сообщения, обеспечивая четкую и профессиональную коммуникацию в чат-ботах.
Orion: глубокий документальный стиль (deep, documentary)
Глубокий тембр Orion отлично работает в документальных сценариях или при озвучке сложных технических объяснений. Его размеренный и авторитетный стиль помогает передать серьезность контента, особенно когда речь идет о подробных инструкциях или аналитике.
Поддержка ключевых языков
API поддерживает 23 языка, включая английский, русский и китайский, что позволяет создавать мультиязычных голосовых помощников и чат-ботов без дополнительных настроек. Каждый голос может воспроизводить любой из доступных языков, обеспечивая естественное звучание в разных локалях.
Английский, русский и китайский
Базовые языки поддерживаются всеми восемью голосами (Aria, Nova, Luna, Sage, Felix, Milo, Atlas, Orion). Вы можете смешивать языки в одном диалоге, используя один и тот же голос для разных реплик.
- Полная поддержка всех 8 голосовых пресетов
- Естественная интонация в английском, русском и китайском
23 языка интерфейсов и контента
Помимо основных, доступны арабский, датский, финский, французский, немецкий, греческий, иврит, хинди, итальянский, японский, малайский, норвежский, польский, португальский, шведский, суахили и турецкий. Это покрывает большинство сценариев для глобальных продуктов.
- Арабский, датский, финский, французский
- Немецкий, греческий, иврит, хинди
- Итальянский, японский, корейский, малайский
- Норвежский, польский, португальский, русский
- Испанский, суахили, шведский, турецкий
- Китайский, английский
Автоопределение языка по скрипту
Если параметр language не указан, система определяет язык по тексту: латиница по умолчанию считается английской. Для других текстов на латинице (например, испанском или немецком) обязательно указывайте language ISO-кодом, чтобы избежать ошибок синтеза.
- Латиница по умолчанию → английский
- Неанглийский текст на латинице требует явного
language - Кириллица обычно распознается как русский (или другой язык, если указан явно).
Демонстрация возможностей
Текст превращается в аудиозапись за секунды: короткий диалог генерируется мгновенно, а длинные сценарии обрабатываются последовательно, занимая время, близкое к реальному воспроизведению. Это позволяет быстро прототипировать диалоги чат-ботов, хотя при высокой нагрузке может возникнуть очередь.
Вы можете настроить скорость от 0.25x до 4.0x, чтобы адаптировать речь под сценарий, и выбрать подходящий формат файла для интеграции в ваше приложение.
Пример генерации диалога
Отправьте текст до 4096 символов через POST-запрос и получите готовый аудиофайл. Для длинных сценариев текст разбивается на части, а результаты объединяются в единый поток. Это упрощает тестирование голосовых сценариев в реальных условиях.
Тестирование разных темпов
Используйте параметр speed для контроля скорости: от 0.25 до 4.0. Медленный темп подходит для инструкций, быстрый — для динамичных диалогов. Запросы обрабатываются последовательно, поэтому при высокой нагрузке может возникнуть очередь.
Сравнение форматов вывода
Выбирайте между mp3, wav, opus, flac и pcm. MP3 оптимален для веба, WAV и FLAC сохраняют высокое качество, а PCM подходит для прямой обработки. Формат выбирается в параметре response_format при вызове API.
Технические ограничения
API обрабатывает текст фрагментами до 4096 символов за один запрос. Если ваш сценарий требует более длинного диалога, разбейте его на части и объедините полученные аудиофайлы. Это гарантирует стабильную генерацию без потери качества звучания.
При высокой нагрузке запросы обрабатываются последовательно, что может создавать очередь. Короткие фразы генерируются за несколько секунд, но при пиковой активности время ожидания может увеличиться. Планируйте буфер времени для обработки сложных диалогов.
Лимит 4096 символов на запрос
Каждый вызов API принимает не более 4096 символов входного текста. Это ограничение учитывает пробелы и знаки препинания. Для длинных сценариев чат-ботов логично разбивать ответы на смысловые блоки и склеивать их на стороне клиента.
Обработка в очереди при нагрузке
Запросы обрабатываются строго по очереди. В моменты высокой нагрузки время генерации может превышать обычное. Это не влияет на итоговое качество аудио, но требует учета задержек.
Отсутствие потоковой передачи
API возвращает готовый аудиофайл целиком, а не потоковые данные. Вы не получите частичный аудио-поток по WebSocket. Это упрощает интеграцию, но означает, что пользователь получит звук только после завершения синтеза всей части текста.
- Нет поддержки streaming или WebSocket
- Аудио доступно после завершения генерации
- Подходит для пакетной обработки и ботов

Безопасность и данные
Мы обрабатываем ваш текст исключительно для генерации аудиофайла. Введенные данные не сохраняются в долгосрочной памяти и не используются для дообучения или улучшения модели. Это гарантирует, что ваши уникальные сценарии диалогов и сценарии чат-ботов остаются приватными и не попадут в общие наборы данных.
Сгенерированный аудиофайл возвращается вам в ответе на запрос и не сохраняется на наших серверах после завершения передачи. Для внутреннего учета мы храним только метаданные: время запроса, объем символов и статус обработки, что необходимо для корректного начисления баланса.
Текст не используется для обучения
В отличие от многих публичных сервисов, мы не используем ваши тексты для тренировки алгоритмов синтеза речи. Ваши сценарии остаются только вашим активом.
Аудио не сохраняется на сервере
Аудиофайл генерируется и сразу передается вам в ответе. Мы не храним сами файлы речи, оставляя только метаданные для биллинга.
Незаметный водяной знак
Каждый сгенерированный аудиофайл содержит неслышимый цифровой водяной знак. Он маркирует речь как синтезированную машиной, что помогает в модерации контента и защите авторских прав ваших пользователей.
Готовые примеры кода
Интеграция VoiceBase API максимально проста благодаря совместимости с экосистемой OpenAI. Вы можете использовать привычные инструменты для мгновенного получения аудиофайлов в своих продуктах.
Ниже представлены готовые шаблоны, которые покрывают основные сценарии: от простых команд в терминале до полноценной обработки ответов в коде.
Запрос через cURL
Минимальный запрос для генерации речи занимает всего пару строк. Отправьте POST-запрос на endpoint https://api.playok33.com/v1/audio/speech, указав ключ в заголовке Authorization.
Тело запроса должно содержать текст (до 4096 символов), модель (tts-1 или tts-1-hd) и выбранный голос. Сервер вернет аудиофайл в выбранном формате.
- Endpoint:
POST https://api.playok33.com/v1/audio/speech - Header:
Authorization: Bearer YOUR_API_KEY - Body: `{"model": "tts-1", "voice": "nova", "input": "Привет", "response_format": "mp3"}`
Интеграция с OpenAI SDK
Используйте официальный пакет openai, изменив базовый URL на https://api.playok33.com/v1. Это позволяет использовать тот же синтаксис, что и для OpenAI.
Ключ API подставляется стандартным образом. Скорость генерации зависит от длины текста и текущей нагрузки.
- Установите пакет:
pip install openai - Инициализация:
client = OpenAI(base_url="https://api.playok33.com/v1", api_key="YOUR_KEY") - Вызов:
client.audio.speech.create(...)
Обработка ошибок ответа
API возвращает стандартные коды HTTP. При превышении лимитов или ошибке аутентификации вы получите соответствующий статус и описание.
Неудачные запросы не списывают средства с баланса. Всегда обрабатывайте исключения, чтобы не блокировать поток диалога в чат-боте.
- 401 Unauthorized: неверный или отсутствующий ключ
- 429 Too Many Requests: лимит 60 запросов в минуту исчерпан
- 400 Bad Request: невалидные параметры (например, голос не найден)
Сравнение подходов
API VoiceBase API предоставляет прямой доступ к синтезу, где вы управляете каждым параметром от тона до формата файла. Это исключает скрытые наценки платформ-посредников и дает полный контроль над тем, как именно ваш голосовой помощник звучит в диалоге.
В отличие от конструкторов с фиксированными шаблонами, вы собираете логику озвучки самостоятельно, комбинируя голоса и скорости под конкретные сценарии чат-бота. Это позволяет избежать переплаты за неиспользуемые функции и интегрировать TTS точно в нужный момент пользовательского пути.
API против готовых платформ
Готовые платформы часто включают в цену маркетинг и поддержку, которые вам могут не понадобиться. Наш API берет только за символы: $10 за миллион, без абонентских платежей и минимальных чеков.
- Прозрачная тарификация без скрытых комиссий
- Отсутствие ежемесячных подписок и обязательных чеков
- Только оплата за фактический объем символов
Собственная интеграция vs конструкторы
Конструкторы ограничивают вас предопределенными настройками и шаблонами. С API вы сами решаете, когда и какой голос использовать, легко адаптируя сценарий под изменения продукта без привязки к вендору.
- Гибкая логика выбора голоса в зависимости от контекста
- Отсутствие привязки к конкретному интерфейсу конструктора
- Простая замена или масштабирование компонентов
Контроль затрат на озвучку
Вы видите точную стоимость каждого запроса. Неудачные генерации бесплатны, а баланс пополняется через USDT мгновенно. Вы платите ровно за то, что используете, без сюрпризов в конце месяца.
Начните с бесплатного теста
Попробуйте наш API бесплатно: при входе через Google вы получите стартовый баланс $0.50, что эквивалентно 50 000 символов. Этого достаточно для тестирования разных голосов и форматов без привязки карты.
Кредит действует 7 дней и списывается только за успешные запросы. Если синтез не удался, средства возвращаются автоматически.
Получите $0.50 кредита
Стартовый баланс доступен сразу после авторизации. Он покрывает около 50 000 символов текста, чего хватит на детальное тестирование нескольких сценариев диалогов.
Регистрация через Google
Нажмите кнопку входа, выберите свой аккаунт Google и перейдите на страницу ключей. Это быстрый способ получить доступ к API без дополнительных подтверждений.
Мгновенный доступ к ключу
Ключ API и баланс отображаются сразу после входа. Вы можете начать генерацию речи, скопировав готовый пример запроса или используя OpenAI SDK.
Помните: кредит истекает через 7 дней. Для постоянных проектов можно пополнить баланс через USDT (TRC-20).
Послушайте 8 голосов
Каждый образец ниже сгенерирован этим API из одного и того же предложения. Голосовые помощники и чат-боты становятся ключевыми инструментами для продуктивных команд, упрощая взаимодействие с клиентами и автоматизируя рутинные задачи в современном цифровом пространстве
23 языка
Любой голос может говорить на любом из этих языков.
Источники и дополнительные материалы
- Wikipedia
- TRON developer hub: TRC-20
- FFmpeg documentation
- LibriVox public-domain audiobooks
- OpenAI API reference: create speech
- LibriTTS-R paper (arXiv 2305.18802)
- openai-python on GitHub
- MDN: Web Speech API
- ISO 639 language codes
- Node.js documentation
- curl documentation
- W3C WAI: making audio and video accessible
