Бонус за пополнение: Чёрная пятница·Пополните от $50 и получите $10 · Пополните от $100 и получите $25·До 30 ноябряПополнить →
Синтез речи

API синтеза речи с готовыми и созданными голосами

Эндпоинт озвучки OpenAI с Qwen3-TTS и ZONOS2: готовые голоса, голоса по описанию, эмоции и 10–40+ языков, оплата за минуту.

Обновлено 2026-11-05

Предоплата, без подпискиREST или MCPОдин ключ для моделей, данных и агентов
speech$ curl https://lovelyrouter.com/v1/audio/speech -H "Authorization: … ⏺ "model": "qwen3-tts", "voice": "serena"> "input": "Welcome back! Your order has shipped." hello.mp3 · 3.2 s of audio ✓ 200 OK · billed by the second
Чёрная пятница

Бонус за пополнение: Чёрная пятница

Каждое подходящее пополнение даёт бесплатные средства, а также суммируется с другими предложениями.

До 30 ноября

Пополнение $50
+$10
Бонус 20%
Пополнение $100
+$25
Бонус 25%
Зарегистрироваться и получить

Отправьте текст — получите аудио. Lovely Router обслуживает эндпоинт озвучки OpenAI, POST /v1/audio/speech, с двумя моделями голоса с открытыми весами на наших собственных GPU: Qwen3-TTS и ZONOS2. Код, написанный под SDK OpenAI, работает после смены базового URL и ключа, а поверх полей OpenAI можно описать совершенно новый голос словами, задать язык и, на ZONOS2, выбрать эмоцию. Обе модели стоят $0.036 за минуту аудио, оплата по секундам, с того же предоплаченного баланса, что и вызовы моделей.

Передайте это своему ИИ-агенту

Скопируйте этот промпт в Claude Code, Cursor, Codex или любой кодинг-агент. Он подскажет агенту, где документация и как использовать ваш API-ключ.

Add text to speech to this project with the Lovely Router speech API (OpenAI-compatible).

- Docs (read first): https://lovelyrouter.com/docs/models/speech.md and https://lovelyrouter.com/docs/api/audio.md
- POST https://lovelyrouter.com/v1/audio/speech with `model`, `input`, `voice` (a preset, an OpenAI voice name or a saved voice id) and optional `instructions`, `response_format`, `speed`, `language`. The answer is the audio file.
- The first request after an idle spell can take a while (the model wakes up): use a long client timeout.
- Auth: read my API key from the LOVELY_API_KEY environment variable and send it as `Authorization: Bearer $LOVELY_API_KEY`. Never print or commit the key. If it is not set, ask me to create one at https://lovelyrouter.com/app/keys.
- Billing is prepaid: every call is charged to my balance, so test with a small request before running anything large.
- Every docs page is plain Markdown; the full index is https://lovelyrouter.com/llms.txt.

My task: <the text, the language and the voice you want>
01

Выберите модель

qwen3-ttszonos2
Цена$0.036 за минуту$0.036 за минуту
Управление подачей черезinstructions простыми словами: эмоция, темп, громкость, шёпот, акцентemotion: happy, sad, angry, surprised или веса от 0 до 1
Новый голос по описаниюДа: не указывайте voice, а опишите егоНет
Готовые голоса93: american_female, american_male, british_female
Языки10: китайский, английский, японский, корейский, немецкий, французский, русский, португальский, испанский, итальянский40+, лучше всего на английском, китайском и японском
Частота дискретизации24 кГц44,1 кГц
Скорость после прогреваПримерно вдвое быстрее реального времениПримерно реальное время на запрос, быстрее при нескольких одновременных
ЛицензияApache-2.0, команда QwenApache-2.0, Zyphra

Обе модели также клонируют голос по короткой записи; для этого есть отдельная страница — API клонирования голоса.

02

Ваш первый запрос

Направьте SDK OpenAI на https://lovelyrouter.com/v1. Ответ — сам аудиофайл, MP3, если не попросите другой формат, а заголовок x-lovely-audio-seconds сообщает его длительность.

curl https://lovelyrouter.com/v1/audio/speech \
  -H "Authorization: Bearer $LOVELY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3-tts",
    "input": "Welcome back! Your order has shipped and should arrive on Thursday.",
    "voice": "serena",
    "instructions": "Warm and cheerful, a little fast"
  }' \
  --output welcome.mp3

Запрос принимает до 4 096 символов текста. Длинный текст произносится предложение за предложением тем же голосом.

03

Четыре способа выбрать голос

1. Готовый голос. У qwen3-tts их девять: vivian, serena, uncle_fu, dylan, eric, ryan, aiden, ono_anna и sohee, у каждого свой родной язык среди китайского (включая пекинский и сычуаньский диалекты), английского, японского и корейского. Каждый голос говорит на всех языках модели, лучше всего на своём.

2. Имя голоса OpenAI. alloy, nova, onyx и остальные имена OpenAI сопоставляются с ближайшим готовым голосом, так что приложение, написанное под голоса OpenAI, продолжает работать без изменений.

3. Голос, созданный по описанию. Не указывайте voice, а опишите говорящего в instructions (возраст, пол, тембр, темп, настроение, акцент), и qwen3-tts создаст для него новый голос:

JSON
{
  "model": "qwen3-tts",
  "input": "Ahoy! Lower the sails, we're coming into port.",
  "instructions": "A gravelly old pirate captain with a booming voice, amused and a little drunk"
}

Созданный голос каждый раз выходит немного другим. Когда найдёте подходящий, сохраните аудио как голос и дальше используйте его id.

4. Без голоса вообще. Без voice и instructions модель выбирает готовый голос под language: на qwen3-tts — vivian для китайского, ono_anna для японского, sohee для корейского, иначе ryan.

04

Управляйте подачей

{}

На qwen3-tts поле instructions (до 1 000 символов) говорит готовому или сохранённому голосу, как говорить; пишите на любом языке так, как объяснили бы диктору: «Медленно и заговорщицки, вполшёпота». На zonos2 поле emotion меняет подачу, а говорящий остаётся тем же: "emotion": "sad" или смесь вроде {"happy": 0.7, "surprised": 0.3}. Если отправить instructions в zonos2 или emotion в qwen3-tts, вернётся 400 с именем поля.

Задавайте language кодом ISO вроде en, zh, ja или pt-br, когда текст короткий или полон чисел; значение по умолчанию auto определяет язык само. speed от 0.25 до 4.0 меняет темп, не меняя высоту тона, а seed делает вывод повторяемым.

05

Форматы вывода

response_formatЧто вы получите
mp3 (по умолчанию)MP3, 128 кбит/с
opusOgg Opus, 64 кбит/с
aacAAC (ADTS)
flacFLAC
wavWAV, 16 бит
pcmСырые 16-битные сэмплы little-endian, 24 кГц моно, как их отправляет OpenAI

Аудио приходит целиком: потоковой передачи нет, а stream_format: "sse" возвращает 400.

06

Холодные старты, без прикрас

010203

Обе модели работают на GPU, которые засыпают, когда их никто не использует. Первый запрос после тишины ждёт, пока модель загрузится: около 45 секунд на qwen3-tts и до 2 минут на zonos2. Дальше действуют скорости из таблицы. Задайте HTTP-клиенту таймаут, покрывающий загрузку, и, если важна задержка, отправляйте пачку строк одну за другой, а не по одной в час. За ожидание вы не платите, только за сделанные секунды аудио.

07

Что с этим строят

Голоса продуктов и приложений

Обновления заказов, подсказки при онбординге и уведомления фиксированным готовым голосом, на языке каждого пользователя.

Озвучка с составом персонажей

По одному созданному голосу на персонажа, каждый сохраняется как голос.

Изучение языков

Одно и то же предложение на десяти языках одним готовым голосом, замедленное через speed.

Реплики для агентов

Агент пишет ответ любой чат-моделью и озвучивает его через qwen3-tts тем же ключом.

Диалоги в видео

Персонажи в видеокадрах могут говорить сохранённым голосом.

08

Сколько вы платите

$0.036 за минуту аудио на обеих моделях, оплата по секундам, минимум одна секунда за запрос. Выбранный speed меняет то, сколько секунд вы получите, и именно за них платите. За неудачный запрос не списывают, и удержания нет: запросу нужен только положительный баланс. Каждый вызов появляется в ваших логах со сделанными секундами. Подписки нет; остальной прайс-лист с тем же балансом — в разделе цены.

Нужен большой объём по минимальной цене? kokoro-82m — небольшая модель с открытыми весами от hexgrad: 54 готовых голоса (af_heart, bm_george, zf_xiaoxiao и другие), американский и британский английский, испанский, французский, хинди, итальянский, японский, португальский и китайский, без ожидания пробуждения; цена — $0.008 за минуту аудио, оплата по секундам. Нет инструкций, эмоций и клонирования, ответ — MP3, WAV или PCM.

Нужна игра, а не просто озвучка? drama-3 — выразительная модель Fish Audio: указания в [скобках] ([whispering], [voice breaking]) в любом месте текста, клонирование голоса из WAV или MP3 и 83 языка за $0.09 за минуту звука. Возвращает только MP3 с обычной скоростью.

МодельВход → выходЦена
Qwen3-TTS 1.7B
qwen3-tts
text→speech$0.036 за минуту
ZONOS2
zonos2
text→speech$0.036 за минуту
Kokoro 82M
kokoro-82m
text→speech$0.008 за минуту
Fish Audio Drama 3
drama-3
text→speech$0.09 за минуту

Актуальные цены в долларах — столько же списывает API.

09

Частые вопросы

?
Совместимо ли это с API озвучки OpenAI?+

Да. Это тот же эндпоинт, POST /v1/audio/speech, с теми же полями и форматами вывода, поэтому официальные SDK OpenAI работают с https://lovelyrouter.com/v1. Имена голосов OpenAI сопоставляются с ближайшим готовым голосом. Дополнительные поля (language, emotion, seed, клонирование) необязательны.

Сколько стоит синтез речи?+

$0.036 за минуту аудио на обеих моделях, оплата по секундам с минимумом одна секунда за запрос. Неудачные запросы бесплатны.

Какие языки поддерживаются?+

qwen3-tts говорит на 10 языках: китайском, английском, японском, корейском, немецком, французском, русском, португальском, испанском и итальянском. zonos2 говорит более чем на 40, лучше всего на английском, китайском и японском.

Почему мой первый запрос занял так много времени?+

Модель спала и должна была загрузиться: около 45 секунд для qwen3-tts, до 2 минут для zonos2. Запросы сразу после этого быстрые. За ожидание не списывают.

Насколько длинным может быть текст?+

До 4 096 символов на запрос и до 1 000 символов в instructions. Разбейте более длинный сценарий на несколько запросов тем же голосом.

Можно ли передавать аудио потоком по мере создания?+

Пока нет. Аудио возвращается одним ответом, когда готово.

Все поля и ошибки — в справочнике по аудио API; в руководстве по озвучке есть список голосов и другие примеры.

Один предоплаченный ключ для моделей, данных и агентов

Без подписки. Пополняйте баланс, используйте сколько нужно и смотрите каждое списание в логах.