Часто задаваемые вопросы
Какой голос лучше всего подходит для пожилых людей?
Для пожилых пользователей рекомендуются голоса с четкой дикцией и умеренной скоростью. Luna (мягкий, повествовательный) и Sage (спокойный, инструктивный) обеспечивают высокую разборчивость. Atlas (нейтральный, новостной) также подходит благодаря отсутствию эмоциональных искажений. Избегайте быстрых голосов вроде Felix, если текст сложный, чтобы обеспечить комфортное восприятие информации.
Можно ли говорить быстро или медленно?
Да, параметр speed регулируется в диапазоне от 0.25 до 4.0. Для пожилых людей рекомендуется замедление (например, 0.75–0.9), так как это улучшает понимание речи. Стандартная скорость генерации составляет около 25 символов в секунду. Увеличение скорости до 2.0 и выше может снизить разборчивость сложных терминов.
Поддерживает ли API смешанные языки?
API поддерживает 23 языка, включая русский, английский и другие. Если параметр language не указан, язык определяется по скрипту (латиница по умолчанию — английский). Для смешанных текстов лучше явно указывать язык, чтобы избежать ошибок распознавания. Голоса могут произносить любой из поддерживаемых языков без переключения моделей.
Есть ли голоса для детей?
В API представлено 8 голосов-пресетов: Aria, Nova, Luna, Sage, Felix, Milo, Atlas, Orion. Специализированных детских голосов нет. Для детских приложений обычно используют Luna (мягкий) или Milo (дружелюбный, разговорный). Они звучат естественно, но не имитируют детский тембр. Клонирование голоса или создание новых голосов не поддерживается.
Какой формат лучше для слабых интернет-соединений?
Для слабых соединений оптимальны форматы MP3 или Opus, так как они обеспечивают хорошее сжатие при приемлемом качестве. MP3 широко поддерживается на всех устройствах. FLAC и WAV занимают больше места. PCM — несжатый формат, не подходящий для ограниченной пропускной способности. API возвращает аудиофайл напрямую в ответе запроса.
Можно ли смешивать голоса в одном файле?
Нет, один запрос API генерирует аудио с использованием одного голоса. В API нет SSML или тегов для смены голоса внутри одного файла. Чтобы получить разные голоса, нужно сделать несколько запросов и объединить полученные аудиофайлы на стороне клиента или сервера вручную.
Как влияет скорость на качество понимания речи?
Снижение скорости (например, до 0.5–0.8) улучшает понимание для пожилых людей или людей с когнитивными нарушениями. Повышение скорости (свыше 2.0) может сделать речь менее разборчивой. Оптимальная скорость зависит от сложности текста. API обрабатывает запросы последовательно, поэтому высокая скорость генерации не влияет на разборчивость, только на время ожидания.
Существуют ли региональные акценты?
В API нет выбора региональных акцентов (например, американского или британского английского). Голоса имеют фиксированные характеристики: Aria — теплый нарратор, Nova — энергичный и т.д. Акцент определяется моделью голоса, а не параметром. Поддерживается 23 языка, но без вариаций произношения внутри одного языка.
Нужно ли указывать язык для русского текста?
Да, рекомендуется явно указывать параметр language (например, 'ru'), особенно если в тексте есть заимствования или имена собственные. Если язык не указан, система может ошибочно определить его как английский из-за латинских символов или цифр. Явное указание гарантирует корректное произношение кириллицы.
Почему голоса называются именами?
Имена (Aria, Nova, Luna и др.) используются для идентификации пресетов в API. Это упрощает интеграцию для разработчиков. Голоса основаны на лицензированных записях LibriTTS-R и аудиокниг LibriVox. Имена не связаны с конкретными людьми или знаменитостями. Каждый голос имеет уникальный тембр и стиль подачи.
Можно ли использовать голоса в коммерческих приложениях?
Да, голоса основаны на данных LibriTTS-R (CC BY 4.0) и LibriVox (общественное достояние). API возвращает аудиофайл, который можно использовать в коммерческих приложениях для пожилых людей и устройств помощи. В аудиофайле есть невидимый водяной знак, обозначающий синтез речи. Это не ограничивает коммерческое использование.
Есть ли разница между tts-1 и tts-1-hd?
Обе модели используют один и тот же движок и имеют одинаковую цену ($10 за 1 млн символов). Разница заключается в названии модели, но используется один и тот же движок. Для ассистивных приложений разницу в качестве может быть незаметно, особенно при низкой скорости воспроизведения. Оба формата поддерживаются.
Как выбрать голос для новостного приложения?
Для новостей подходит Atlas — нейтральный, новостной голос. Он обеспечивает четкую и профессиональную подачу информации. Также можно использовать Sage (спокойный, инструктивный) для аналитических материалов. Избегайте эмоциональных голосов вроде Nova или Felix, если важна объективность. Укажите язык явно для точного произношения терминов.
Сколько весит аудиофайл длиной 1 минуту?
Вес зависит от формата и длины текста. API не хранит файлы, они возвращаются в ответе. Для слабых соединений используйте Opus или MP3.
Женские голоса
Выбор женского голоса критичен для ассистивных технологий. Aria, Nova, Luna и Sage обеспечивают четкость восприятия пожилыми пользователями. Каждый тембр решает конкретную задачу интерфейса.
Правильная настройка скорости и языка улучшает доступность. Эти голоса поддерживают все 23 языка, что упрощает локализацию приложений без сложных зависимостей.
Aria: теплый нарратор для книг
Aria обладает теплым и ясным тембром нарратора. Она идеально подходит для длительного чтения медицинских инструкций или книг. Скорость 0.5–0.7 снижает когнитивную нагрузку.
Nova: яркий голос для оповещений
Nova звучит ярко и энергично. Ее высокий тембр привлекает внимание к важным системным уведомлениям. Подходит для голосовых напоминаний о приеме лекарств.
Luna: мягкий голос для историй
Luna создает мягкую, успокаивающую атмосферу. Она хороша для озвучки коротких историй или фоновых комментариев в навигации. Не раздражает при частом воспроизведении.
Sage: спокойный голос для инструкций
Sage передает спокойный, инструктивный тон. Его нейтральность минимизирует эмоциональные искажения в командах интерфейса. Идеален для пошаговых руководств по использованию устройства.
Мужские голоса
Мужские тембры охватывают широкий спектр интонаций, от нейтральных до выразительных, что позволяет точно подобрать голос под контекст ассистивного интерфейса. Каждый вариант базируется на лицензированных записях из LibriTTS-R и доступен на всех 23 поддерживаемых языках.
Felix: энергичный голос для рекламы
Felix передает динамику и активность, что полезно для озвучки промо-материалов или важных уведомлений в приложениях для пожилых людей. Его высокий темп привлекает внимание к критически важной информации.
Milo: дружелюбный голос для диалогов
Milo звучит естественно и непринужденно, имитируя обычную человеческую беседу. Это делает его идеальным для голосовых помощников и пошаговых инструкций, где важно создать ощущение присутствия собеседника.
Atlas: нейтральный голос для новостей
Atlas обеспечивает четкую, беспристрастную дикцию без лишних эмоций. Такой тембр подходит для чтения новостей, медицинских предписаний или технических описаний, где важна точность передачи информации.
Orion: глубокий голос для документальных фильмов
Глубокий тембр Orion создает атмосферу серьезности и достоверности. Он хорошо воспринимается при прослушивании длинных текстов, таких как аудиокниги или подробные гиды по использованию устройства.
Языковая поддержка
API поддерживает 23 языка, включая русский, английский и китайский. Это покрывает основные потребности разработчиков ассистивных приложений для пожилых людей и пользователей с ограниченными возможностями. Формат запроса соответствует стандартным требованиям к интернационализации.
Важно учитывать, что список языков фиксирован. Поддерживаются: арабский, датский, голландский, финский, французский, немецкий, греческий, иврит, хинди, японский, корейский, малайский, норвежский, польский, португальский, русский, испанский, суахили, шведский и турецкий. Языки вроде вьетнамского или украинского пока не доступны.
Поддержка 23 языков
Система обрабатывает текст на 23 языках. Это позволяет создавать локализованные ассистивные приложения без необходимости подключать дополнительные языковые модули. Все голоса способны воспроизводить текст на любом из поддерживаемых языков, сохраняя естественность интонации.
Разработчики могут использовать один голос для контента на разных языках. Это упрощает архитектуру приложения и снижает количество необходимых API-вызовов для управления голосовыми модулями.
- Арабский, китайский, датский, голландский, английский, финский, французский, немецкий, греческий, иврит, хинди, итальянский, японский, корейский, малайский, норвежский, польский, португальский, русский, испанский, суахили, шведский, турецкий
Все голоса говорят на всех языках
Выбор тембра не зависит от языка. Вы можете использовать голос Aria для чтения инструкций на русском или голос Milo для диалогов на английском. Это дает гибкость в выборе стиля озвучки независимо от языка контента.
Все 8 голосов одинаково хорошо справляются с любым из 23 языков. Это позволяет стандартизировать интерфейс приложения, используя единый набор голосовых модулей для разных локализаций.
Важность ручного указания языка
Если параметр language не указан, система пытается определить язык по скрипту. Текст на латинице по умолчанию считается английским. Для других языков, использующих латинский алфавит (например, испанского или польского), необходимо явно указывать язык.
Неявное определение языка может привести к некорректному произношению. Для точности всегда передавайте ISO-код языка в запросе. Это гарантирует правильное воспроизведение специфических фонем и интонаций.
Оптимизация для пожилых пользователей
Для пользователей старшего возраста критически важна четкость восприятия звуковой информации. Стандартная скорость генерации может быть слишком быстрой для людей с возрастными изменениями слуха или когнитивными особенностями. API позволяет точно настраивать темп озвучки в диапазоне от 0.25 до 4.0, что дает разработчикам гибкие инструменты для адаптации контента.
Скорость речи (замедление до 0.5–0.7)
Установка параметра speed в диапазоне 0.5–0.7 значительно замедляет произношение, делая каждый слог более разборчивым. Это снижает когнитивную нагрузку при прослушивании медицинских инструкций или навигационных подсказок. Медленный темп позволяет пользователю успевать обработать информацию без необходимости постоянно переслушивать фрагмент.
Четкость дикции (выбор голосов Aria или Sage)
Для ассистивных приложений рекомендуется использовать голоса Aria и Sage. Aria обладает теплым, чистым тембром нарратора, а Sage — спокойным и инструктивным звучанием. Их акустические профили обеспечивают максимальную разборчивость речи, что особенно важно для устройств с ограниченными возможностями вывода звука.
Акустическая доступность
Генерируемый аудиофайл содержит невидимый водяной знак, маркирующий его как синтезированную речь. При использовании форматов WAV или FLAC сохраняется высокое качество сигнала, что улучшает восприятие на устройствах с простыми акустическими системами. Это критично для пожилых людей с потерей слуха.
Форматы для мобильных устройств
Выбор формата аудиофайла влияет на потребление трафика и совместимость с устройствами для слабовидящих. API поддерживает несколько форматов, каждый из которых решает конкретные задачи в ассистивных технологиях.
MP3: баланс качества и размера
MP3 обеспечивает оптимальное соотношение между качеством звучания и размером файла. Это стандартный выбор для мобильных приложений, где важно сохранить четкость речи при минимальном потреблении памяти.
- Широкая поддержка на всех платформах
- Компактный размер файла
- Хорошее качество для старых устройств
OPUS: экономия трафика
Формат OPUS снижает расход трафика без заметной потери качества. Это критично для пользователей с ограниченными возможностями интернета, которые часто зависят от мобильных данных.
- Высокая компрессия
- Поддержка низких битрейтов
- Современные кодеки
PCM: сырой поток для встроенных систем
PCM предоставляет неспожатый аудио поток, идеальный для встроенных систем и аппаратных плееров. Он исключает необходимость дополнительной обработки данных на стороне устройства.
- Простая обработка
- Минимальная нагрузка на CPU
- Подходит для встроенных систем
Техническая интеграция
Интеграция голоса в ассистивные устройства требует точной настройки параметров API. Это обеспечивает предсказуемость вывода и соответствие техническим требованиям для слабовидящих или пожилых пользователей.
Основные параметры — язык, скорость и формат — настраиваются через JSON-запрос к эндпоинту POST https://api.lv7.info/v1/audio/speech.
Установка языка через параметр
Если поле language не указано, система определяет язык по скрипту (латиница — английский по умолчанию). Для немецких или французских текстов на латинице нужно явно задать код языка, чтобы избежать ошибок распознавания.
Пример: "language": "de" гарантирует корректную артикуляцию для немецких слов, даже если голос настроен по умолчанию на английский.
- Язык указывается ISO-кодом в JSON-теле запроса.
- Если язык не задан, латинский текст считается английским.
Настройка скорости в API
Параметр speed принимает значения от 0.25 до 4.0. Для пожилых пользователей рекомендуется замедлять речь до 0.5–0.7, чтобы улучшить разборчивость.
Быстрая речь (1.5–2.0) подходит для оповещений, но может снижать понимание для пользователей с когнитивными нарушениями.
- Минимальная скорость: 0.25x.
- Оптимальная для пожилых: 0.5–0.7x.
- Максимальная скорость: 4.0x.
Обработка ошибок синтеза
Если синтез не удался, запрос не списывается с баланса. Приложение должно проверять HTTP-статус ответа и повторять запрос с теми же параметрами при временных сбоях.
Длинные тексты разбиваются на части до 4096 символов. Ошибка в одной части не влияет на другие, но требует корректной сборки аудиофайлов.
- Неудачные запросы бесплатны.
- Повторяйте запросы при ошибках сети.
- Разбивайте текст по 4096 символов.
Примеры использования
Интеграция TTS-движка в ассистивные приложения позволяет автоматизировать озвучку статического контента и динамических интерфейсов, обеспечивая доступность для пользователей с нарушениями зрения или когнитивными особенностями. Использование параметра speed (0.25–4.0) и выбор голосов Aria или Sage оптимизируют восприятие речи пожилыми людьми.
Текст до 4096 символов разбивается на сегменты, генерируется аудио и склеивается. Это упрощает архитектуру приложения: не нужны сложные серверные очереди или стриминг-протоколы.
Чтение медицинских инструкций
Приложения для управления здоровьем используют API для озвучки дозировок лекарств, расписания приема препаратов и послеоперационных рекомендаций. Голос Sage обеспечивает спокойный, понятный темп, а замедление скорости до 0.5–0.7 помогает пользователям с когнитивными трудностями.
Ввод текста ограничивается 4096 символами на запрос, что покрывает большинство стандартных памяток. При превышении лимита текст автоматически делится на части, аудиофайлы склеиваются на стороне клиента или сервера, сохраняя целостность инструкции.
- Голос Sage для спокойного тона
- Скорость 0.5–0.7 для ясности
- Авто-разбиение текста >4096 символов
- Формат MP3 для совместимости
Озвучка кнопок интерфейса
Для слабозрячих пользователей озвучка кнопок и меток критична. Интеграция API позволяет генерировать аудиофайлы по запросу или кэшировать их заранее. Голос Milo (дружелюбный) или Nova (яркий) делает интерфейс менее механичным.
Каждый запрос обрабатывается за несколько секунд. При высокой нагрузке запросы ставятся в очередь, что гарантирует надежность, но может добавить небольшую задержку. Для мгновенного отклика кэширование статичных кнопок предпочтительнее.
- Голос Milo для диалогов
- Голос Nova для оповещений
- Кэширование статичных кнопок
- Формат PCM для встроенных систем
Аудиогиды и навигация
Приложения для навигации в музеях или парках используют API для генерации аудиосопровождения. Голос Orion (глубокий, документальный) или Atlas (нейтральный, новостной) подходит для информирования. Язык указывается явно, чтобы избежать ошибок распознавания.
Поддержка 23 языков позволяет создавать мультиязычные гиды. Пользователи выбирают язык в настройках, и текст озвучивается соответствующим голосом без необходимости загрузки дополнительных языковых пакетов в само приложение.
- Голос Orion для документальных текстов
- Голос Atlas для нейтральных сообщений
- Поддержка 23 языков
- Явное указание параметра
language

Лицензирование голосов
Голоса ГласОзвучка основаны на записях из проекта LibriVox. Это позволяет инди-разработчикам использовать качественные тембры без сложных лицензионных отчислений, что важно для проектов с ограниченным бюджетом.
Источник данных LibriVox
Мы используем материалы из LibriVox — крупнейшей коллекции публичных аудиокниг. Записи выполнены добровольцами и доступны для свободного использования в коммерческих целях.
- 8 фиксированных голосов
- Лицензия CC BY 4.0
- Общественное достояние
Лицензия CC BY 4.0
Стандарт Creative Commons позволяет использовать голоса без оплаты роялти. Достаточно указать авторство оригинальных записей в документации вашего приложения.
Общественное достояние
Многие тексты, на которых основаны голоса, являются общественным достоянием. Это снижает юридические риски при создании ассистивных устройств для пожилых людей.
Тестирование выбора
Доступный баланс позволяет протестировать API без финансовых обязательств. После авторизации через Google вы получаете 0,50 $ кредита, чего хватит на около 50 000 символов текста.
Этого объема достаточно для создания демонстрационных аудиофайлов и оценки качества синтеза. Вы можете проверить работу ключа и скорость обработки запросов, прежде чем интегрировать сервис в основное приложение.
Использование бесплатного баланса
Бесплатный кредит действует 7 дней и начисляется автоматически при входе через Google. Это позволяет оценить стабильность API и лимиты в 10 запросов в минуту для новых аккаунтов.
- Кредит: 0,50 $ (около 50 000 символов)
- Срок действия: 7 дней с момента регистрации
- Условие: вход через аккаунт Google
Сравнение разных тембров
Используйте параметр voice для переключения между 8 предустановленными тембрами. Для ассистивных устройств важно тестировать голоса вроде Aria или Sage, которые обеспечивают четкую дикцию и спокойный тон.
Сравните мужские голоса Atlas и Milo для разных сценариев: новости или диалоги. Обратите внимание на встроенную водяную метку в аудиофайле, которая маркирует синтезированный голос.
- Женские: Aria, Nova, Luna, Sage
- Мужские: Felix, Milo, Atlas, Orion
- Проверка акустического комфорта для пожилых пользователей
Проверка на реальных текстах
Вводите фрагменты реальных инструкций или навигационных подсказок. API обрабатывает до 4096 символов за запрос, поэтому длинные тексты нужно разбивать на части.
Убедитесь, что язык указан явно, если текст на русском или другом неанглийском языке. Проверьте скорость синтеза: короткие фразы занимают несколько секунд, длинные — около реального времени.
- Максимум 4096 символов на запрос
- Ограничение скорости: 0,25–4,0x
- Форматы: mp3, wav, opus, flac, pcm
Ограничения голосов
Голоса ГласОзвучка — это фиксированные тембры, основанные на лицензированных записях LibriTTS-R. Это гарантирует стабильность звучания, но исключает возможность динамической смены интонации или акцента в реальном времени. Для ассистивных устройств, где важна предсказуемость аудио, такая стабильность часто критична.
Отсутствие эмоциональных тегов
Система не поддерживает теги настроения (например, радость или грусть). Эмоциональная окраска фиксируется на этапе записи исходного материала и не меняется при генерации. Пользователь получает четкий, нейтральный или заданный по умолчанию тембр без возможности его эмоциональной модификации через API.
Без SSML разметки
API принимает простой текст и параметры скорости (0.25–4.0). Разметка SSML, позволяющая управлять паузами или произношением конкретных слов, отсутствует. Для контроля ритма чтения можно использовать пробелы или регулировать скорость через параметр speed, что достаточно для большинства сценариев навигации.
Фиксированные тембры
Доступно всего 8 предустановленных голосов. Кастомное клонирование голоса или создание уникальных тембров под заказ не предлагается. Каждый сгенерированный файл содержит невидимый водяной знак, маркирующий его как синтезированную речь, что важно для прозрачности, но не влияет на качество звучания.
- Нет кастомного клонирования голоса
- 8 фиксированных тембров
- Невидимый водяной знак в аудио
- Нет управления паузами через SSML
Масштабирование проекта
Масштабирование проекта с ГласОзвучкой требует гибкости в оплате и обработке данных. Баланс пополняется через USDT (TRC-20), а лимиты запросов увеличиваются автоматически с ростом баланса. Это позволяет инди-разработчикам фокусироваться на функционале, а не на администрировании.
Автоматизация генерации текста в аудио для устройств с ограниченными возможностями строится на простых API-вызовах. Разделение длинных текстов на части и последовательная обработка обеспечивают стабильную работу даже при высокой нагрузке.
Пополнение баланса в USDT
Пополнение баланса осуществляется только через сеть TRON (TRC-20) в криптовалюте USDT. Минимальная сумма пополнения составляет $5. Средства зачисляются автоматически в течение нескольких минут после подтверждения транзакции в блокчейне.
Баланс не истекает, и нет необходимости в ежемесячных подписках или инвойсах. Это упрощает планирование расходов для небольших проектов, где каждый доллар на счету.
- Минимальное пополнение: $5
- Сеть: TRON (TRC-20)
- Зачисление: автоматически, за минуты
Увеличение лимитов запросов
Лимиты запросов напрямую зависят от наличия средств на счете. Базовый лимит составляет 10 запросов в минуту, который увеличивается до 60 запросов в минуту после первого пополнения.
Чем больше баланс, тем выше пропускная способность вашего API-ключа. Это позволяет обслуживать больше пользователей пожилых людей без задержек в генерации речи.
Автоматизация генерации
Для автоматизации используйте скрипты, которые разбивают текст на части до 4096 символов и последовательно отправляют запросы. Результатом является объединение аудиофайлов в один файл.
Интеграция с устройствами с ограниченными возможностями требует надежной обработки ошибок. Если синтез не удался,Charge возвращается, что позволяет безопасно повторять запросы без риска двойной оплаты.
Альтернативы и сравнение
ГласОзвучка предлагает специализированный API для ассистивных технологий, в отличие от универсальных облачных сервисов, ориентированных на массовый рынок. Мы не обещаем SLA или сертификации, фокусируясь на простоте интеграции для инди-разработчиков устройств для пожилых людей.
Отличие от крупных облачных сервисов
В отличие от гигантов рынка, мы не предоставляем кастомное клонирование голосов или эмоции. Наши голоса — это фиксированные пресеты на основе лицензированных записей LibriTTS-R, что гарантирует стабильность и предсказуемость результата без сложных настроек.
Простота API против сложных SDK
Мы используем стандартный формат запросов OpenAI, позволяя использовать готовые SDK или простой HTTP. Это избавляет от необходимости подключать тяжелые специализированные библиотеки, что критично для устройств с ограниченными вычислительными ресурсами.
Прозрачность ценообразования
Цена фиксирована: $10 за миллион символов. Нет скрытых подписок или счетов с НДС. Оплата производится только USDT (TRC-20) с минимальным пополнением от $5, что упрощает бюджетирование проектов малых команд.
Послушайте 8 голосов
Каждый образец ниже сгенерирован этим API из одного и того же предложения.
23 языка
Любой голос может говорить на любом из этих языков.
Источники и дополнительные материалы
- Wikipedia
- curl documentation
- openai-node on GitHub
- MDN: Web Speech API
- Python documentation
- LibriTTS-R paper (arXiv 2305.18802)
- LibriTTS-R corpus (OpenSLR 141)
- W3C WAI: making audio and video accessible
- Creative Commons Attribution 4.0
- Node.js documentation
- FFmpeg documentation
- OpenAI API reference: create speech
