Genius-bot · 10 минут чтения
API озвучки текста полезен не только для английских фраз: в русском синтезе отдельно приходится проверять ударения, интонацию, числа, сокращения и слова с латиницей. Если задача — получить естественную русскую речь, одного факта наличия TTS-операции недостаточно: голос нужно прогнать на нескольких типах фраз и сравнить результат. В нашем API операция «Озвучка текста (tts)» стоит 18 ₽ за 1000 знаков, а доступ к ключу оформляется через раздел API.
Ниже разберём именно русский текст: какие места чаще всего требуют проверки, как подобрать мужской или женский тембр под задачу и как уложиться в пятиминутный тест. Важно учитывать и техническую сторону: API работает с авторизацией Bearer-ключом, ограничение составляет не более 60 запросов в минуту на один ключ, а списание происходит за запуск.
Чем русская речь сложнее для синтеза
Русский текст содержит много слов, произношение которых нельзя надёжно определить только по последовательности букв. Ударение может менять значение слова, а одна и та же письменная форма иногда допускает разные варианты чтения в зависимости от контекста. Для синтеза речи это означает, что короткая фраза из двух-трёх слов иногда требует более тщательной проверки, чем длинный нейтральный абзац.
Отдельная группа проблем — числа. В предложении «Мы встретились в 8:30 и записали 12 пунктов» синтезатор должен правильно интерпретировать цифры и связать их с окружающим текстом. Поэтому при проверке русские голоса нейросети стоит тестировать не только на обычной прозе, но и на датах, времени, денежных значениях, процентах и нумерованных пунктах.
Сокращения дают похожий эффект. Последовательность букв «ООО», «РФ», «км» или «стр.» должна быть прочитана в соответствии с контекстом, а не просто озвучена посимвольно. Если результат нужен для ролика, подкаста или дикторского текста, такие места лучше заранее включить в контрольный набор.
| Параметр | Что проверять в русском тексте |
|---|---|
| Ударение | Слова с неоднозначным или непривычным ударением |
| Интонация | Вопросы, перечисления, короткие реплики и длинные предложения |
| Числа | Даты, время, проценты, суммы и числительные в предложениях |
| Сокращения | Аббревиатуры и сокращённые обозначения единиц |
| Латиница | Названия продуктов, термины и отдельные английские слова внутри русского текста |
При выборе решения для озвучки текста api на русском полезно заранее составить небольшой тестовый текст. Это позволяет сравнивать голоса на одинаковом материале, а не выбирать по впечатлению от одной удачной фразы.
Ударения и омографы: где машина ошибается
Омографы особенно хорошо показывают разницу между визуально правильным и пригодным для озвучки текстом. Например, слово «замок» в зависимости от контекста может обозначать сооружение или механизм, а «мука» — продукт или страдание. Если интонация и ударение не совпали с контекстом, слушатель получает другой смысл.
Поэтому тест лучше строить из предложений, где значение определяется соседними словами. Вместо одиночного «замок» используйте пары вроде «старинный замок на холме» и «дверной замок сломался». Такой тест одновременно проверяет, насколько система учитывает контекст.
То же касается слов с менее очевидным ударением. В контрольную выборку можно добавить 5–10 слов, которые важны именно для вашего проекта, и не ограничиваться литературной прозой. Если текст относится к технической, рекламной или образовательной тематике, тестируйте реальные термины из будущего материала.
При этом не стоит приписывать API возможности, которых нет в опубликованной справке. Для нашей операции tts указана цена 18 ₽ за 1000 знаков, но в доступном описании не перечислены отдельные параметры управления ударением или фонетической записью. Поэтому наличие специальных тегов, SSML или иных механизмов ручной коррекции нужно проверять по актуальной документации перед тем, как строить на них интеграцию.
Практический подход простой: сначала подготовить чистый русский текст, затем прослушать все потенциально неоднозначные места и только после этого масштабировать генерацию. Это экономит время, если один и тот же сценарий планируется озвучивать десятками фрагментов.
Заимствованные слова и латиница в тексте
Русская речь часто смешивается с латиницей: названиями приложений, брендов, продуктов, техническими терминами и адресами. Фраза «API работает через endpoint /generate» уже отличается от обычного русского предложения, потому что в ней присутствуют английские слова и символы, которые могут читаться иначе, чем ожидает автор.
Для проверки синтеза русской речи api стоит использовать несколько вариантов одного сообщения. Например, отдельно протестировать предложение с русским названием, затем с латинским написанием и затем с сокращённой формой. Это позволяет понять, где именно появляется проблема: в самом слове, в сочетании языков или в окружающей интонации.
Не менее важны числовые значения внутри технического текста. Строки вроде «60 запросов в минуту», «50 ₽ на пробу» и «18 ₽ за 1000 знаков» полезны не только как фактические данные, но и как хороший тестовый материал для русского TTS. В реальном сценарии числа встречаются регулярно, поэтому их стоит проверять отдельно.
Если текст содержит URL, путь API или фрагмент кода, не следует автоматически рассчитывать на естественное дикторское произношение всей строки. Для голосового ролика обычно лучше сформулировать эту часть словами, а техническую запись оставить на экране. Сам API при этом можно использовать отдельно для получения озвучки обычного текста.
Мужские и женские голоса: где какой уместнее
При выборе голоса полезнее начинать не с категории «мужской» или «женский», а с характера текста. Для инструкции важны разборчивость и стабильный темп, для рекламного сценария — соответствие интонации смыслу, для диалогов — различимость реплик. Один и тот же голос может хорошо работать в одном формате и хуже восприниматься в другом.
В нашем описании операции tts не приведён каталог конкретных русских голосов, их имена, тембры или отдельные параметры выбора. Поэтому нельзя заранее утверждать, какие именно мужские или женские голоса доступны через этот маршрут. Корректный способ выбора — посмотреть фактически доступные параметры операции в API и затем прослушать один и тот же тестовый текст.
Для сравнения достаточно 100–200 слов. В текст стоит включить обычные предложения, вопрос, перечисление, число, сокращение и одно-два заимствованных слова. Если голос хорошо проходит такой набор, его уже имеет смысл проверять на полном сценарии.
При длинной озвучке также обращайте внимание на утомляемость восприятия. Слишком выразительная подача может хорошо звучать в коротком ролике, но мешать при чтении инструкции. Нейтральная подача, напротив, может оказаться удобнее для длинного информационного материала.
Проверка голоса за пять минут
Пятиминутный тест можно провести без большого сценария. Сначала возьмите один абзац на 500–1000 знаков. В него добавьте проблемные для русского синтеза элементы: пару омографов, дату, время, число, сокращение, латинское слово и вопросительное предложение.
На второй минуте проверьте начало и конец предложений. Смотрите не только на отдельные слова, но и на паузы: интонация должна помогать слушателю выделять смысловые части. На третьей минуте отдельно прослушайте числа и сокращения.
Четвёртая минута — проверка заимствований и латиницы. Если текст технический, включите в тест названия методов, англоязычные термины и фрагмент с цифрами. На пятой минуте сравните несколько вариантов голоса на одном и том же абзаце, если API предоставляет соответствующий выбор.
Такой тест лучше сохранять как постоянный регрессионный набор. При изменении сценариев или параметров вы сможете быстро понять, сохранилось ли качество на тех местах, которые уже были проблемными. Для API озвучки текста это практичнее, чем каждый раз субъективно оценивать новый длинный файл.
Сама тарификация здесь простая: озвучка текста (tts) стоит 18 ₽ за 1000 знаков. Другие операции имеют отдельную стоимость, поэтому их нельзя автоматически считать частью цены TTS.
| Операция | Цена за запуск | Единица |
|---|---|---|
| Озвучка текста (tts) | 18 ₽ | 1000 знаков |
| Расшифровка записи (stt) | 10 ₽ | запуск |
| Говорящий аватар (avatar) | 120 ₽ | запуск |
| Звук по описанию (sfx) | 9 ₽ | запуск |
| Убрать шум (denoise) | 36 ₽ | запуск |
Оплата производится за запуск, без абонентской платы и минимального платежа. При выпуске первого ключа на баланс начисляется 50 ₽ для пробы. Сам ключ выдаётся в разделе API после входа и показывается один раз.
Пример запроса с русским текстом
У API есть базовый адрес https://genius-bot.ru/wp-json/genius/v1. Авторизация выполняется заголовком Authorization: Bearer <ключ>. В опубликованной справке перечислены маршруты и цены, но не приведена схема JSON-тела для POST /generate, поэтому ниже не подставляются вымышленные поля вроде text, voice или model.
Рабочий запрос для проверки доступа к API можно сделать к маршруту списка операций. Он не запускает озвучку, но позволяет проверить базовый URL и Bearer-авторизацию перед интеграцией TTS:
curl -X GET "https://genius-bot.ru/wp-json/genius/v1/services" \
-H "Authorization: Bearer <ВАШ_КЛЮЧ>"В ответе должен быть список доступных операций и их цен. Для самой озвучки используется POST /generate, а готовность задачи можно отслеживать через GET /tasks/{id}. Также предусмотрен необязательный callback_url: после готовности задачи на указанный адрес приходит POST.
Проверить баланс из Python можно тем же способом. Такой запрос удобен перед запуском серии задач, когда нужно убедиться, что на балансе достаточно средств:
import requests
BASE_URL = "https://genius-bot.ru/wp-json/genius/v1"
API_KEY = "ВАШ_КЛЮЧ"
response = requests.get(
f"{BASE_URL}/balance",
headers={"Authorization": f"Bearer {API_KEY}"},
timeout=30,
)
response.raise_for_status()
print(response.json())Для запроса, который непосредственно передаёт русский текст в TTS, необходимо использовать точную схему тела POST /generate из актуальной справки API. Это принципиальный момент для рабочей интеграции: по имеющимся данным известно, что маршрут запускает операцию, но названия полей для текста и выбора голоса не задокументированы в предоставленной справке.
После запуска задача имеет идентификатор, по которому можно запросить её состояние и результат через GET /tasks/{id}. Для серверной интеграции вместо периодического опроса можно передать callback_url и обработать входящий POST после завершения.
Если приложению уже подходит формат OpenAI-клиента, для чат-маршрутов есть совместимость: POST /chat/completions и GET /models работают в том же формате, что и у OpenAI, а в клиентской библиотеке достаточно заменить base_url и ключ. Это отдельная возможность API и не означает, что TTS-маршрут использует тот же формат запроса.
Для русского текста главный вывод из практики тестирования простой: сначала проверяйте не длину и не красивую демонстрационную фразу, а проблемные конструкции. Ударения, омографы, числа, сокращения и латиница дают гораздо больше информации о пригодности голоса, чем один нейтральный абзац.
Частые вопросы
Сколько стоит озвучка русского текста?
Операция «Озвучка текста (tts)» стоит 18 ₽ за 1000 знаков. Цены указаны в рублях за один запуск, а для озвучки единицей расчёта являются 1000 знаков.
Есть ли отдельная цена за мужской или женский русский голос?
В предоставленной справке отдельные цены по полу голоса не указаны. Для TTS приведена единая цена 18 ₽ за 1000 знаков.
Можно ли передать русский текст через API?
В API предусмотрена операция «Озвучка текста (tts)», но предоставленная справка не содержит точной схемы тела POST /generate. Поэтому перед интеграцией нужно свериться с актуальным описанием параметров этого маршрута, не предполагая названия полей.
Как узнать состояние запущенной задачи?
Для этого используется GET /tasks/{id}. Также можно передать необязательный callback_url, чтобы получить POST после готовности задачи.
Есть ли ограничение на количество запросов?
На один API-ключ допускается не более 60 запросов в минуту.
Где получить ключ?
После входа ключ выдаётся в разделе API и показывается один раз. При выпуске первого ключа на баланс начисляется 50 ₽ для пробы.
