Часто задаваемые вопросы
Чем отличаются модели tts-1 и tts-1-hd?
Модели tts-1 и tts-1-hd используют один и тот же движок синтеза и стоят одинаково. Выбор зависит только от предпочтений по качеству аудио (движок и цена одинаковы). Формат и скорость генерации при этом не меняются, так как базовая логика обработки текста идентична для обеих моделей.
Можно ли смешивать голоса?
Нет, в API нет встроенной функции смешивания голосов. Вы выбираете один из 8 доступных пресетов для всего текста. Для создания микса вам нужно сгенерировать части отдельно и объединить их в аудиоредакторе. Это дает полный контроль над финальным звуком эпизода.
Как выбрать голос для новостей?
Для новостей идеально подходит голос Atlas. Он описан как нейтральный и подходящий для новостного формата. Другие варианты, такие как Felix или Orion, могут быть слишком эмоциональными или глубокими для сухих новостей. Используйте Atlas для четкой и профессиональной подачи материала.
Какой голос для детских подкастов?
Для детских подкастов отлично подойдут Nova или Aria. Nova звучит ярко и бодро, что привлекает внимание. Aria — теплая и ясная, подходит для рассказов. Luna тоже хороша для историй. Избегайте глубоких голосов вроде Orion или нейтральных, как Atlas.
Сколько голосов всего доступно?
Всего доступно 8 голосов. Это 4 женских и 4 мужских пресета. Они охватывают разные стили: от новостных до повествовательных. Вы можете использовать любой голос для любого языка из списка поддерживаемых. Список голосов фиксирован и не меняется без уведомления.
Можно ли изменить интонацию?
Прямая настройка интонации или эмоций через теги отсутствует. Вы можете менять только скорость произношения в диапазоне от 0.25 до 4.0. Это влияет на темп, но не меняет эмоциональную окраску голоса. Для разных интонаций выбирайте другой пресет или редактируйте текст.
Есть ли голоса для дикторов?
Да, голоса специально разработаны для дикторской работы. Felix подходит для рекламы и промо, Milo — для разговоров, а Orion — для документальных фильмов. Каждый голос имеет четкий стиль, что упрощает выбор под конкретный формат подкаста или аудиокниги без лишних настроек.
Как звучит голос Luna?
Gолос Luna описывается как мягкий и подходящий для рассказов. Он создает уютную атмосферу, идеальную для художественных подкастов и историй. Luna не звучит резко или слишком энергично. Это выбор для спокойного, интимного повествования, которое удерживает внимание слушателя на протяжении эпизода.
Чем голос Atlas отличается от Milo?
Atlas — нейтральный голос, подходящий для новостей. Milo — дружелюбный и разговорный, идеален для подкастов в формате беседы. Atlas сохраняет объективность, тогда как Milo добавляет теплоты и личного контакта. Выбирайте Atlas для фактов, а Milo для личного общения с аудиторией.
Можно ли использовать голоса в рекламе?
Нет, каждый сгенерированный файл содержит невидимый водяной знак, обозначающий синтетическое происхождение. Это техническая особенность API. Знак не влияет на качество восприятия аудио слушателями.
Существуют ли лишенные водяных знаков?
Кастомизация голосов, включая клонирование или загрузку своего голоса, отсутствует. Вы используете один из 8 стандартных пресетов. Настроить тембр или акцент внутри голоса нельзя. Изменить можно только скорость воспроизведения. Для уникального звучания выбирайте наиболее подходящий из доступных пресетов.
Можно ли кастомизировать голоса?
Длинные тексты генерируются примерно в реальном времени: 25 символов текста в секунду. Короткие фразы могут занимать несколько секунд. Запросы обрабатываются по очереди, поэтому при высокой нагрузке возможна очередь.
Какая скорость генерации?
Поддержка SSML отсутствует. Вы отправляете обычный текст, и API использует его напрямую. Нет тегов для пауз, изменения тона или выделения слов. Для контроля интонации можно использовать пунктуацию в тексте или менять скорость. Дополнительные форматы разметки не поддерживаются.
Критерии выбора
Выбор голоса — это первый шаг к созданию узнаваемого аудиопродакта. В PodVoice мы не просто генерируем речь, а подбираем тембр, который станет голосом вашего бренда. Каждый из 8 доступных голосов обладает уникальной интонацией и характером, подходящими для конкретных форматов.
Жанр подкаста
Жанр определяет эмоциональный фон. Для новостных выпусков и документальных подкастов подходят нейтральные и глубокие тембры, тогда как развлекательные шоу требуют яркой энергии.
- Новостные и аналитические шоу
- Развлекательные и юмористические форматы
- Документальная проза и интервью
- Образовательные и обучающие материалы
Аудитория
Голос должен резонировать с вашим слушателем. Молодежная аудитория лучше воспринимает динамичную и быструю речь, в то время как профессиональное сообщество предпочитает спокойный, уверенный тон. Правильный выбор темпа и окраски голоса повышает удержание аудитории.
- Молодежные и молодежные медиа
- Профессиональные сообщества
- Широкая аудитория
- Нишевые тематические группы
Характер голоса
Характер — это «личность» вашего подкаста. Он может быть теплым и доверительным, строгим и официальным или энергичным и продающим. В API PodVoice каждый голос — это готовый набор интонационных паттернов, который можно немного настроить по скорости, но не менять кардинально.
- Теплый и доверительный тон
- Строгий и официальный стиль
- Энергичный и динамичный
- Спокойный и размеренный
Женские голоса
Женские голоса API PodVoice — это готовый инструмент для создания профессионального аудио. Выберите тембр, который идеально передаст атмосферу вашего подкаста, от интимных историй до динамичных выпусков.
Aria: нарратор
Тёплый и чёткий голос Арии идеально подходит для нарративных подкастов.
- Идеальна для глубоких интервью
- Чёткая дикция сложных терминов
- Спокойный ритм повествования
Nova: энергия
Яркий и жизнерадостный голос Новы заряжает бодростью. Она отлично справляется с рекламными вставками, динамичными новостными сводками и форматами, требующими высокой энергии и быстрого темпа подачи материала.
- Высокая энергетика подачи
- Отлично для рекламы
- Ясный и открытый тембр
Luna: история
Мягкий и атмосферный голос Луны создаёт ощущение присутствия. Она идеально подходит для художественного сторителлинга, где важна эмоциональная окраска и плавность перехода между сценами повествования.
- Эмоциональная глубина
- Плавные переходы
- Идеально для фикшн
Мужские голоса
Мужские тембры обеспечивают надежное и профессиональное звучание для контента, требующего четкой дикции и уверенной подачи. Каждый голос из этой группы настроен под конкретные задачи: от динамичных рекламных вставок до спокойного повествования.
Выбор между энергичным, разговорным или нейтральным стилем зависит от жанра вашего эпизода. Эти голоса отлично справляются с удержанием внимания аудитории в длинных форматах.
Felix: промо
Феликс — энергичный голос, идеально подходящий для рекламных интеграций и анонсов спонсоров. Его тембр привлекает внимание и задает бодрый ритм, не перегружая слушателя.
- Высокая энергетика подачи
- Идеален для рекламы
- Привлекает внимание слушателя
Milo: беседа
Мило — дружелюбный и разговорный голос, создающий эффект присутствия собеседника. Он звучит естественно и не отвлекает от сути разговора, что делает его отличным выбором для нарративных подкастов.
Используйте Мило для длинных монологов или ведения авторских рубрик, где важна доверительная атмосфера.
- Естественная интонация
- Доверительный тон
- Для авторских рубрик
Atlas: новости
Атлас предлагает нейтральный и сдержанный тембр, подходящий для новостных выпусков и информационных сводок. Его голос не несет лишней эмоциональной окраски, позволяя контенту говорить самому за себя.
Используйте Атласа для чтения новостей, отчетов или сухих фактов, где важна точность и отсутствие субъективизма.
- Нейтральная подача
- Для новостных выпусков
- Точность и ясность
Остальные голоса
Sage и Orion завершают палитру тембров, закрывая ниши образовательного контента и глубокой аналитики. Sage обеспечивает спокойный, инструктивный тон, идеальный для обучающих материалов, где важна ясность и отсутствие лишней эмоциональности.
Orion предоставляет глубокий, документальный голос, придающий тексту вес и серьезность. Эти голоса дополняют новостные и развлекательные стили, предлагая строгую альтернативу для специфических жанров подкастов.
Sage: обучение
Sage — это спокойный, инструктивный голос. Его тембр оптимизирован для образовательного контента, где важна точность передачи информации без избыточной эмоциональной окраски. Голос звучит ровно и предсказуемо, что снижает когнитивную нагрузку на слушателя при восприятии сложных тем.
Orion: документалистика
Orion обладает глубоким, документальным тембром. Он придает тексту авторитетность и серьезность, что делает его идеальным выбором для лонгридов, расследований и исторических подкастов. Голос создает ощущение классического радиовещания высокого уровня.
Особенности
Все голоса поддерживают 23 языка, включая русский, и адаптируются под контекст без необходимости ручной настройки. Скорость воспроизведения можно изменять от 0.25 до 4.0, что позволяет адаптировать темп под конкретный жанр или аудиторию.
- Поддержка русского языка без дополнительных настроек
- Гибкая регулировка скорости воспроизведения
- Единый движок синтеза для всех тембров
Сравнение тембров
Сравнение тембров помогает подобрать идеальный голос для вашего формата. Интонация, темп и характер голоса напрямую влияют на то, как слушатели воспринимают ваш контент.
Интонация
Aria и Luna отличаются мягкой, повествовательной интонацией, что идеально для аудиокниг. Atlas сохраняет нейтральный тон новостей, а Orion добавляет глубины документальным проектам.
Темп
Felix и Nova говорят быстрее и энергичнее, что подходит для промо-роликов. Milo и Sage используют умеренный темп для удобного восприятия информации.
Характер
Milo звучит дружелюбно в беседе, а Aria — как четкий нарратор. Orion придает голосу вес документалистики, а Luna создает уютную атмосферу для историй.
Языковые особенности
Выбор правильного голоса зависит не только от тембра, но и от языковых особенностей вашей аудитории. API поддерживает 23 языка, включая русский, английский, немецкий и испанский, а также арабский, китайский и японский. Каждый голос способен передавать нюансы любого из этих языков, сохраняя естественность интонации.
Для точного результата важно учитывать скрипт текста. Если вы используете латиницу для неанглийских языков, укажите параметр language явно, иначе система по умолчанию выберет английский. Это предотвратит ошибки в произношении имён собственных и терминологии.
Произношение
Система автоматически распознаёт язык по используемому алфавиту. Латинский текст по умолчанию интерпретируется как английский. Для точного произношения в смешанных языках или специфических терминах рекомендуется явно задавать код языка в запросе.
- Автоматическое определение языка по скрипту
- Явное указание
languageдля латиницы - Поддержка кириллицы и иероглифов
Языки
API поддерживает 23 языка, включая русский, английский, немецкий, французский, китайский, японский, арабский и хинди. Все 8 голосов способны говорить на любом из поддерживаемых языков без потери качества. Поддерживаются как европейские, так и азиатские и ближневосточные языки.
- 23 поддерживаемых языка
- Все голоса универсальны
- Не поддерживаются: вьетнамский, индонезийский, тайский, украинский, румынский, чешский, бенгальский и все остальные.
Адаптация
Для сложных текстов, таких как интервью или новости, важно тестировать разные голоса на конкретных отрывках. Скорость генерации составляет примерно 25 символов в секунду, что позволяет быстро получать аудиофайлы для ежедневных выпусков подкастов.
- Тестирование на коротких отрывках
- Оптимизация скорости для длинных текстов
- Генерация за несколько секунд для коротких фраз
Технические параметры
Выбор скорости и формата напрямую влияет на восприятие вашего подкаста и удобство интеграции в рабочий процесс. Мы предлагаем гибкие настройки, позволяющие адаптировать синтез под технические требования платформы и качество звука.
Скорость воспроизведения регулируется в диапазоне от 0.25 до 4.0, что позволяет ускорять длинные тексты или замедлять их для четкой дикции. Формат вывода выбирается из MP3, WAV, OPUS, FLAC или PCM в зависимости от ваших нужд.
Скорость ['Параметр speed принимает значения от 0.25 до 4.0. Стандартная скорость близка к реальному времени речи, что обеспечивает естественное звучание. Вы можете ускорить чтение длинных эпизодов или замедлить голос для лучшей разборчивости сложных терминов.', 'Учтите, что при высокой нагрузке на сервер обработка запроса может занимать немного больше времени, особенно для длинных текстов, разбитых на части. Однако даже при ускорении или замедлении синтез остается стабильным и предсказуемым.'] ['Диапазон: 0.25–4.0', 'Рекомендуемый темп для подкастов: 1.0–1.2', 'Ускорение помогает сократить время прослушивания длинных эпизодов']
Формат ['Доступны форматы MP3, WAV, OPUS, FLAC и PCM. MP3 оптимален для веб-стриминга и большинства плееров, обеспечивая баланс между качеством и размером файла. WAV и FLAC подходят для архивации и дальнейшей обработки в профессиональных редакторах.', 'Формат PCM предоставляет сырой несжатый звук, что удобно для технических задач. OPUS обеспечивает отличное качество при минимальном размере, что полезно для мобильных приложений. Выберите формат, который лучше всего вписывается в ваш пайплайн постпродакшена.'] ['MP3: универсальный выбор для веба', 'WAV/FLAC: максимальное качество для архива', 'OPUS: эффективное сжатие для мобильных платформ']
Размер файла ['Размер итогового аудиофайла напрямую зависит от выбранного формата, скорости и длины исходного текста. Цена составляет $0.01 за 1000 символов.', 'Синтез работает примерно в реальном времени: на генерацию 1 секунды аудио уходит около 25 символов текста. Это позволяет прогнозировать время обработки и размер выходного файла еще до отправки запроса в API.'] ['Ориентир: ~25 символов в секунду', 'Зависит от формата и скорости', 'Смотрите тарифы для точного расчета']
Примеры использования
Выбор голоса напрямую влияет на восприятие контента. Разные жанры требуют специфической интонации и темпа, которые наши модели реализуют через 8 предустановленных тембров.
Ниже приведены конкретные сценарии использования API для подкастов, демонстрирующие, как технические параметры (скорость, язык) сочетаются с выбором голоса для достижения нужного эффекта.
Новости
Для новостных выпусков идеально подходит голос Atlas. Его нейтральный, сдержанный тембр обеспечивает четкую дикцию и отсутствие излишней эмоциональности, что критично для передачи фактов.
Рекомендуемая скорость — 1.0–1.2 для быстрого темпа подачи информации. Формат MP3 оптимален для веб-потоков. Укажите язык явно, чтобы избежать ошибок распознавания специфических терминов.
Используйте модель tts-1-hd.
- Голос: Atlas
- Скорость: 1.0–1.2
- Формат: MP3 или Opus
Интервью
В разговорах и интервью ключевую роль играет естественность. Голос Milo (дружелюбный, разговорный) или Nova (энергичный, яркий) создает ощущение живого диалога.
Скорость 0.9–1.0 помогает сохранить ритм беседы. Для длинных текстов разбивайте запросы на части до 4096 символов, чтобы избежать разрывов интонации между абзацами.
Эти голоса хорошо работают с юмором и легкой иронией, сохраняя при этом четкость произношения.
- Голос: Milo или Nova
- Скорость: 0.9–1.0
- Язык: явное указание ISO кода
Аудиокниги
Для нарративного контента, такого как художественные книги или документальные подкасты, используйте Luna (мягкий, повествовательный) или Orion (глубокий, документальный).
Скорость 0.75–0.9 позволяет слушателю комфортно воспринимать сложные описания и длинные предложения. Формат FLAC или WAV обеспечит отсутствие потерь качества при архивации.
Голос Aria (теплый, ясный нарратор) также отлично подходит для классической прозы и образовательных материалов.
- Голос: Luna, Orion, Aria
- Скорость: 0.75–0.9
- Формат: FLAC или WAV
Настройка скорости
Скорость воспроизведения — это не просто ускорение текста, а инструмент управления темпом подачи материала. В подкастинге важно сохранять естественный ритм, чтобы слушатель не уставал от быстрого темпа или не терял нить повествования при слишком медленной речи.
Вы можете настроить параметр speed в диапазоне от 0.25 до 4.0, подбирая оптимальный вариант для конкретного эпизода. Это позволяет адаптировать аудио под разные форматы: от динамичных промо до глубоких интервью.
Ускорение
Увеличение скорости полезно для технических обзоров, новостей или рекламных вставок, где нужно передать много информации за короткое время. При этом важно не превышать пределы естественного восприятия, чтобы голос оставался разборчивым.
Высокая скорость (до 4.0) делает речь более энергичной, что хорошо подходит для динамичных жанров. Однако для сложных текстов или иностранных слов лучше выбрать умеренные значения, чтобы сохранить четкость дикции.
- Подходит для новостей и рекламных промо
- Позволяет сократить длительность эпизода без потери контента
- Сохраняет интонационную выразительность даже при быстром темпе
Замедление
Замедление речи (до 0.25) создает интимную, спокойную атмосферу, идеальную для художественных подкастов или медитативных выпусков. Это позволяет слушателям сосредоточиться на каждом слове и эмоциях нарратора.
Низкая скорость подчеркивает паузы и интонационные акценты, делая голос более глубоким и вдумчивым. Это особенно важно для сложных текстов, где каждое слово имеет значение.
- Идеально для художественных и медитативных подкастов
- Подчеркивает эмоциональную глубину голоса
- Помогает слушателям лучше усваивать сложный контент
Оптимизация
Оптимизация скорости зависит от типа контента и целевой аудитории. Для интервью лучше использовать нейтральные значения (1.0–1.2), чтобы сохранить естественность беседы. Для обучающих материалов подойдет скорость 1.5–2.0.
Тестируйте разные варианты на коротких фрагментах, чтобы найти баланс между скоростью и понятностью. Помните, что запросы обрабатываются последовательно, поэтому длинные тексты могут требовать больше времени на генерацию.
- Тестируйте разные значения на коротких фрагментах
- Для интервью используйте нейтральные значения скорости
- Для обучающих материалов оптимизируйте скорость под сложный контент
Форматы вывода
Выбор формата зависит от сценария использования ваших подкастов. Мы поддерживаем MP3, WAV и FLAC, чтобы вы могли оптимизировать баланс между качеством звука и размером файла.
Каждый формат оптимизирован под конкретные задачи: от веб-стриминга до архивного хранения мастер-копий. Синтез работает примерно в реальном времени: на генерацию 1 секунды аудио уходит около 25 символов текста.
MP3 веб
MP3 — универсальный стандарт для публикации в Spotify, Apple Podcasts и на сайтах. Он обеспечивает отличное соотношение качества и размера файла, что ускоряет загрузку для слушателей и экономит трафик.
Идеально подходит для постоянного стриминга и мобильных устройств с ограниченным дисковым пространством.
- Поддержка всех плееров
- Малый размер файла
- Быстрая загрузка
WAV архив
WAV предоставляет несжатый звук высокого качества. Этот формат предпочтителен для архивации исходных материалов или последующей профессиональной обработки в DAW.
Используйте WAV, если вам нужна максимальная точность без потерь при последующем монтаже.
- Несжатый звук
- Для монтажа
- Исходные копии
FLAC качество
FLAC обеспечивает lossless-сжатие, сохраняя качество при меньшем размере, чем WAV.
Формат позволяет сохранить все нюансы голоса без артефактов сжатия.
- Lossless сжатие
- Студийное качество
- Экономия места
Интеграция
Интеграция API PodVoice проста: отправьте POST-запрос на https://api.bd5.info/v1/audio/speech с JSON-телом, содержащим текст, голос и формат. Вы можете использовать официальный SDK OpenAI, изменив base_url, или стандартные HTTP-клиенты.
Все ключи авторизуются через заголовок Authorization: Bearer. Лимит составляет 60 запросов в минуту, что покрывает большинство задач генерации эпизодов без сложных мер по балансировке нагрузки.
API запрос
Отправляйте текст до 4096 символов на эндпоинт /v1/audio/speech. Укажите модель (tts-1 или tts-1-hd), выбранный голос и желаемый формат аудио. API вернет бинарный файл аудио или ошибку.
Если синтез не удался, средства не списываются. Это гарантирует, что вы платите только за успешные результаты.
- Endpoint:
POST /v1/audio/speech - Auth:
Bearer tts-... - Model:
tts-1илиtts-1-hd
Настройки
Параметр speed регулирует темп от 0.25 до 4.0. Это позволяет адаптировать речь под ритм монтажа или компенсировать естественные паузы диктора.
Формат вывода выбирайте в зависимости от задач: MP3 для веб-плееров, WAV для монтажа, FLAC для архивации исходников.
Автоматизация
Для длинных эпизодов разбивайте текст на части до 4096 символов, генерируйте их по отдельности и склеивайте на стороне клиента. Это предотвращает таймауты и обеспечивает стабильность.
Используйте скрипты для пакетной генерации, контролируя лимиты в 60 запросов в минуту для ключа.
Итоговый выбор
Выбор голоса — это настройка атмосферы вашего подкаста. Мы предлагаем восемь пресетов, каждый из которых решает конкретную задачу: от спокойного нарратива до энергичных промо.
Используйте документацию для тестирования. Начните с бесплатных 50 000 символов, чтобы оценить качество синтеза под ваш формат.
Резюме
API PodVoice объединяет восемь голосов и 23 языка в одном интерфейсе. Вы получаете готовый аудиофайл без сложных настроек, экономя время на производстве контента.
- 8 голосов под разные жанры
- 23 языка без доплат
- Форматы MP3, WAV, FLAC
Рекомендации
Для новостных выпусков выбирайте Atlas или Orion. Для интервью и подкастов лучше всего подходят Milo и Luna. Экспериментируйте со скоростью от 0.25 до 4.0, чтобы найти идеальный темп подачи.
- Новостной формат: Atlas
- Интервью: Milo
- Аудиокниги: Luna
Старт работы
Зарегистрируйтесь на /get-api-key/ и получите ключ. Используйте curl-пример из документации для первого запроса. Баланс пополняется через USDT, тариф $0.01 за 1000 символов.
Послушайте 8 голосов
Каждый образец ниже сгенерирован этим API из одного и того же предложения. Его тембр привлекает внимание и задает бодрый ритм, не перегружая слушателя.
23 языка
Любой голос может говорить на любом из этих языков.
