Нейросети для озвучки текста через API

AssemblyAI TTS 1 — это модель преобразования текста в речь от AssemblyAI. Она подходит для голосовых агентов, озвучивания и многоязычных приложений, и использует публичную библиотеку из нескольких тысяч голосов...

bytedance-seed

Seed Audio 1.0 — это модель генерации аудио без потоковой передачи от ByteDance Seed. Она производит речь и другое аудио из текстового запроса на естественном языке, который может описывать желаемый голос, тон и звук...

Orpheus 3B — это англоязычная модель преобразования текста в речь от Canopy Labs, доработанная для естественной просодии и выразительной подачи. Она предлагает 7 предустановленных голосов и подходит для повествования, голосовых помощников…

Aura-2 — это мультиязычная модель преобразования текста в речь от Deepgram. Она поддерживает канонический каталог голосов Aura-2 от Deepgram для синтеза речи на нескольких языках.

Flux TTS — это модель преобразования текста в речь от Deepgram. Она подходит для естественного, выразительного синтеза английской речи с использованием каталога голосов Flux от Deepgram.

Eleven Flash v2 — это англоязычная модель преобразования текста в речь от ElevenLabs со сверхнизкой задержкой. Она подходит для разговорных и англоязычных сценариев использования в реальном времени, а также имеет ограничение на запрос в 30…

Eleven Flash v2.5 — это модель преобразования текста в речь со сверхнизкой задержкой от ElevenLabs. Она подходит для разговорных сценариев и использования в реальном времени, поддерживает 32 языка и имеет ограничение на запрос в 40 000…

Eleven Multilingual v2 — это модель преобразования текста в речь от ElevenLabs. Она подходит для реалистичного, последовательного длинного повествования, такого как озвучивание и аудиокниги, поддерживает 29 языков и имеет ограничение в 10…

Eleven Turbo v2 — это англоязычная модель преобразования текста в речь с низкой задержкой от ElevenLabs. Она подходит для разработчиков, где важна скорость и требуется только английский язык, и имеет лимит в 30 000 символов...

Eleven Turbo v2.5 — это модель преобразования текста в речь с низкой задержкой от ElevenLabs. Она обеспечивает баланс качества и скорости для разработчиков, которым требуются неанглийские языки, поддерживает 32 языка и имеет ограничение в…

Eleven v3 — это модель преобразования текста в речь от ElevenLabs. Она генерирует эмоционально насыщенную, очень выразительную речь с встроенными аудио-тегами, поддерживает более 70 языков и имеет ограничение на запрос в 5000 символов.

Eleven v3 Conversational — это модель преобразования текста в речь от ElevenLabs, вариант Eleven v3, оптимизированный для естественного диалога в разговорных агентах. Она поддерживает более 70 языков и имеет ограничение в 5000 символов на…

Eleven v4 — это модель преобразования текста в речь от ElevenLabs. Это самая выразительная модель ElevenLabs, поддерживающая встроенные аудио-теги для контроля эмоций и манеры подачи, более 90 языков и 10 000 символов...

Eleven v4 Turbo — это модель преобразования текста в речь с низкой задержкой от ElevenLabs. Она сохраняет выразительность и аудио-теги Eleven v4, но при этом настроена на более быструю генерацию, с поддержкой более 90 языков...

Drama 3 — это модель преобразования текста в речь от Fish Audio, созданная для направленных голосовых выступлений. Вы пишете указания на простом языке в квадратных скобках перед строкой, например `[nervous,...

S1 — это мультиязычная модель преобразования текста в речь от Fish Audio. Она подходит для голосовых приложений, которым требуется широкое эмоциональное выражение, используя скобочные элементы управления для регулирования стиля речи в…

S2.1 Pro — это ориентированная на производство модель преобразования текста в речь от Fish Audio. Она подходит для многоязычных голосовых приложений, выразительного повествования и синтеза диалогов, с открытыми элементами управления на…

S2 Pro — это многоязычная модель преобразования текста в речь от Fish Audio. Она подходит для выразительного повествования и многоголосного диалога, с элементами управления стилем речи и эмоциями на естественном языке.

google

Gemini 3.1 Flash TTS Preview — это модель преобразования текста в речь от Google, представляющая собой значительный шаг вперёд по сравнению с Gemini 2.5 Flash TTS. Она принимает текстовый ввод и производит аудиовывод...

google

Gemini 3.8 Flash Lite TTS — это модель преобразования текста в речь от Google, являющаяся быстрым и высокопроизводительным членом семейства 3.8 TTS наряду с Gemini 3.8 Flash TTS. Она подходит для...

google

Gemini 3.8 Flash TTS — это модель преобразования текста в речь от Google, преемник Gemini 3.1 Flash TTS Preview. Это творческий уровень семейства 3.8 TTS, подходящий...

Kokoro 82M — это легковесная, открытая модель преобразования текста в речь от hexgrad. Она преобразует текст в речь на 8 языках (американский и британский английский, испанский, французский, хинди, итальянский, японский, португальский и…

HeyGen Voice — это модель преобразования текста в речь от HeyGen. Она поставляется с 10 голосами по умолчанию, или вы можете использовать свой собственный ключ HeyGen для применения клонов голоса из вашей учетной записи. Она передает...

HeyGen Voice Turbo — это версия HeyGen Voice с меньшей задержкой, модель преобразования текста в речь от HeyGen. Она имеет те же 10 голосов по умолчанию, или вы можете использовать свой собственный ключ HeyGen для применения клонированных…

microsoft

MAI-Voice-2 — это выразительная модель преобразования текста в речь от Microsoft. Она подходит для разговорных помощников, озвучивания медиа, обеспечения доступности, образования и других голосовых приложений с длинными текстами. Она…

microsoft

MAI-Voice-2.1 — это модель преобразования текста в речь от Microsoft AI с высочайшей точностью и выразительностью. Она генерирует естественную речь студийного качества на 23 языках, с детализированной просодией, нюансированной…

microsoft

MAI-Voice-2.1-Flash — это модель преобразования текста в речь с низкой задержкой от Microsoft AI, оптимизированная для отклика в реальном времени. Она производит естественную, выразительную речь на 23 языках, с человеческой интонацией,…

microsoft

MAI-Voice-2-Flash — это модель преобразования текста в речь с низкой задержкой от Microsoft, предназначенная для голосовых агентов, ассистентов, колл-центров, обеспечения доступности, озвучивания и других интерактивных приложений. Она…

minimax

MiniMax Speech 2.8 HD — это модель преобразования текста в речь от MiniMax. Она подходит для приложений, которые генерируют речь из текста и принимает произвольные идентификаторы голоса MiniMax.

minimax

MiniMax Speech 2.8 Turbo — это модель преобразования текста в речь от MiniMax. Она подходит для приложений, которые генерируют голосовое аудио из текста, и принимает произвольные идентификаторы голоса MiniMax.

mistralai

Voxtral Mini TTS — это модель преобразования текста в речь от Mistral, поддерживающая клонирование голоса с нулевым обучением и многоязычность. Она преобразует текстовый ввод в естественно звучащий аудиовыход.

mistralai

Voxtral TTS 3 — это модель преобразования текста в речь от Mistral. Она преобразует текст в естественно звучащую речь, предлагает библиотеку предустановленных голосов, поддерживает клонирование голоса с нулевым обучением и принимает теги…

qwen

Qwen-Audio-3.0-TTS Flash — это быстрая и экономичная модель преобразования текста в речь от Alibaba, генерирующая озвученный аудиоконтент из текста через API DashScope Speech Synthesizer.

qwen

Qwen-Audio-3.0-TTS Plus — это высококачественная модель преобразования текста в речь от Alibaba, генерирующая озвученный аудиоконтент из текста через API DashScope Speech Synthesizer.

CSM 1B — это разговорная речевая модель от Sesame. Она принимает текстовый ввод и генерирует англоязычную речь, предлагая варианты голоса в разговорном стиле и стиле чтения. Имея 1 миллиард параметров, она...

Grok Voice TTS 1.0 — это модель преобразования текста в речь (text-to-speech) от xAI. Она преобразует текст в аудио на более чем 20 языках с автоматическим определением языка и предлагает пять встроенных голосов (Eve, Ara,...