/v1/audio/speechМодель озвучки на наших GPU в Минске: превращает текст в речь. Текст не уходит внешнему провайдеру — подходит для внутренних материалов, обучающих курсов, голосовых подсказок и автоответов.
Девять готовых голосов, мужских и женских. Говорит по-русски и ещё на девяти языках: английском, немецком, французском, испанском, итальянском, португальском, китайском, японском и корейском. Язык текста на кириллице определяется сам.
Подключается как обычная модель озвучки по API, совместимому с OpenAI: метод /v1/audio/speech, имя модели zubr-tts. Платите за символы текста.
Для чего
- Озвучка курсов, инструкций и внутренних материалов
- Голосовые подсказки и автоответы
- Тексты, которые нельзя отдавать внешнему сервису
Чего не умеет
- Готовые голоса: клонирования своего голоса в этой версии нет
- Ответ приходит целиком, без потоковой передачи: фраза на 10 секунд речи готова примерно через 9 секунд
- До 4000 символов за запрос; параметр скорости речи не поддерживается
Карточка модели
- Базовая модель
- Qwen3-TTS 1.7B CustomVoice (Alibaba Qwen)
- Голоса
- aiden, dylan, eric, ono_anna, ryan, serena, sohee, uncle_fu, vivian
- Языки
- русский и ещё 9: английский, немецкий, французский, испанский, итальянский, португальский, китайский, японский, корейский
- Форматы
- mp3, wav, opus, flac, aac, pcm; 24 кГц, моно
- Инференс
- GPU NVIDIA Tesla P100, Минск
- Имя в API
- zubr-tts — метод /v1/audio/speech
Что изменено относительно базовой модели
- Веса не дообучались: модель работает как есть.
- Ускорение генерации — запись шага декодирования в CUDA graphs: в 3,5 раза быстрее исходной реализации на нашем оборудовании.
- Обвязка: API, совместимый с OpenAI, автоопределение русского языка, кодирование в mp3/opus/flac.
Имя модели в API — zubr-tts. Оно не меняется при обновлении весов: интеграцию переписывать не придётся.