Голоса ИИ для подкастов:
эпизод с несколькими спикерами по сценарию
Подкаст из сценария: голос на каждого спикера из пресетов, созданных голосов или клонов с согласием, один запрос на реплику, оплата по минутам.
Обновлено 2026-11-05
Бонус за пополнение: Чёрная пятница
Каждое подходящее пополнение даёт бесплатные средства, а также суммируется с другими предложениями.
До 30 ноября
Подкаст на голосах ИИ — это сценарий и состав участников: ведущий, гость, может быть, диктор, и у каждого голос, который остаётся одним и тем же от первого эпизода до пятидесятого. API синтеза речи даёт вам голоса, а ваш код превращает сценарий в эпизод. Дайте каждому спикеру пресет-голос, голос, созданный по описанию, или клонированный голос того, кто на это согласился. Отправляйте один запрос POST /v1/audio/speech на реплику, а затем склейте фрагменты по порядку. API говорит; склейка реплик в один файл — это несколько строк вашего собственного кода, показанных ниже. Сначала попробуйте голоса в песочнице речи.
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.
Build a script-to-podcast pipeline that speaks each line in its speaker's voice with the Lovely Router speech API and joins the audio into one episode. - Docs (read first): https://lovelyrouter.com/docs/models/speech.md and https://lovelyrouter.com/docs/api/audio.md - One POST https://lovelyrouter.com/v1/audio/speech per line, with each speaker's preset, designed (`instructions`) or saved voice; join the clips in this project (there is no audio join endpoint). - 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 script, the speakers and their voices>
Как это работает
Напишите сценарий
Список реплик, в каждой спикер и слова. Напишите его сами или поручите любой чат-модели на вашем ключе составить его из ваших заметок в виде JSON, а затем отредактируйте.
Подберите голос каждому спикеру
Выберите пресет (
ryan,aiden,serena,vivian, …), опишите новый голос вinstructionsи сохраните его, или клонируйте голос из клипа длиной 3–15 секунд сconsent: true. Сохранённый голос получает id (voice_…), который вы переиспользуете в каждом эпизоде.Озвучьте каждую реплику
Один запрос на реплику, с голосом этого спикера и, на
qwen3-tts, пометкой о подаче вроде «с усмешкой, чуть быстрее». Каждый ответ — это сам аудиофайл, с длительностью в заголовкеx-lovely-audio-seconds.Соберите эпизод
Запросите
pcm, и реплики будут сырыми 16-битными сэмплами с частотой 24 кГц на обеих моделях, так что склейка — это добавление байтов с короткой паузой между ними. Оберните результат в WAV-заголовок или закодируйте его в MP3 своими инструментами.
От сценария к эпизоду на Python
import os
import wave
import requests
H = {"Authorization": f"Bearer {os.environ['LOVELY_API_KEY']}"}
VOICES = {
"host": "ryan", # a preset voice
"guest": "voice_8f2c4a1e9b7d3f60a5c2e1d4", # a saved voice (designed or cloned)
}
script = [
("host", "Welcome back to the show. Today we're talking about the history of tea.", "Warm and upbeat"),
("guest", "Thanks for having me. It's a story about empires, smugglers and a lot of boiling water.", "Amused, relaxed"),
("host", "Let's start with the smugglers.", "Curious, a little faster"),
]
RATE = 24_000 # pcm = 16-bit, 24 kHz, mono
pause = b"\x00\x00" * int(RATE * 0.4) # 0.4 s of silence between lines
audio = b""
for speaker, text, style in script:
r = requests.post("https://lovelyrouter.com/v1/audio/speech", headers=H, timeout=300, json={
"model": "qwen3-tts",
"input": text,
"voice": VOICES[speaker],
"instructions": style,
"response_format": "pcm",
})
r.raise_for_status()
audio += r.content + pause
with wave.open("episode.wav", "wb") as f:
f.setnchannels(1)
f.setsampwidth(2)
f.setframerate(RATE)
f.writeframes(audio)Каждая реплика — отдельный запрос, поэтому неудачную реплику можно переделать отдельно. Таймаут щедрый, потому что первый запрос после простоя ждёт загрузки модели; в руководстве по синтезу речи те же вызовы на cURL и Node.js.
Голоса для каждого спикера
У qwen3-tts их девять, от uncle_fu (низкий и мягкий) до ono_anna (игривый, лёгкий); у zonos2 есть american_female, american_male и british_female. Каждый голос говорит на всех языках, которые поддерживает его модель, лучше всего — на родном.
Не указывайте voice, а опишите голос в instructions: «спокойная женщина лет пятидесяти с лёгким шотландским акцентом, неторопливо». Созданный голос каждый раз выходит немного другим, поэтому сохраните понравившийся клип через POST /v1/audio/voices и дальше используйте его id.
POST /v1/audio/voices с клипом 3–15 секунд, где один человек говорит чётко, его transcript и consent: true. Клонируйте свой голос или соведущего, который согласился; вы отвечаете за то, как используется клонированный голос. См. клонирование голоса.
На qwen3-tts instructions с сохранённым или пресет-голосом управляет тем, как произносится реплика: эмоция, темп, шёпот. На zonos2 emotion принимает happy, sad, angry или surprised, либо смесь весов.
qwen3-tts говорит на 10 языках, включая английский, китайский, японский, корейский, испанский и немецкий; zonos2 — на 40+. Задайте language, чтобы помочь с короткими репликами и числами.
Что делает API, а что вы
| Шаг | Кто | Как |
|---|---|---|
| Сценарий | Вы или чат-модель на вашем ключе | Реплики, в каждой свой спикер |
| Голоса | API | Пресеты, instructions, POST /v1/audio/voices |
| Аудио каждой реплики | API | POST /v1/audio/speech, до 4 096 символов на запрос |
| Склейка реплик | Ваш код | Добавляйте pcm-сэмплы или соединяйте файлы своими аудиоинструментами |
| Музыка, интро, уровни, публикация | Ваши инструменты | Сводите и мастерите, как любую запись |
Нет эндпоинта, который склеивает аудиофайлы или озвучивает весь сценарий с несколькими спикерами одним вызовом, и нет стриминга: каждый запрос возвращает аудио, когда оно готово. Длинный отрывок одного спикера можно отправить одним запросом (до 4 096 символов); он произносится предложение за предложением тем же голосом.
Рецепты
Сохраните голоса ведущего и гостя один раз и держите их id в конфиге. Каждый эпизод звучит как те же самые люди.
Превращайте каждый пост в блоге в аудио одним созданным голосом диктора, по одному запросу на раздел, и публикуйте рядом с текстом.
Озвучьте один и тот же сценарий на английском и китайском одним и тем же сохранённым голосом, меняя input и language.
Дайте каждому персонажу созданный голос и instructions на реплику («шёпотом», «злобно»), и храните файлы по репликам для своего движка.
Попросите чат-модель написать сводку цифр за день на два голоса в виде JSON, а затем озвучьте её.
Сколько вы платите
Обе модели стоят $0.036 за минуту аудио, с оплатой по секундам, минимум одна секунда на запрос. Эпизод на 30 минут стоит $1.08 за речь, сколько бы спикеров в нём ни было. Сохранённые голоса бесплатны, до 100 на аккаунт. Чат-модель, которая пишет черновик сценария, тарифицируется по своей цене. Запросы требуют положительного предоплаченного баланса, за неудачные запросы не списывают, и каждый вызов виден в ваших логах с числом сделанных секунд. Все цены на странице тарифов.
Ответственное использование
Клонируйте только свои голоса или голоса тех, кто дал разрешение, и не используйте чужой голос, чтобы вводить в заблуждение или выдавать себя за людей. Если в вашем шоу звучат голоса ИИ, скажите об этом слушателям. К каждому запросу применяется Политика допустимого использования.
Частые вопросы
Может ли один запрос озвучить несколько спикеров?+
Нет. У запроса один голос. Отправляйте по одному запросу на реплику или на ход спикера, а затем склеивайте аудио по порядку; пример на Python выше делает это через pcm.
API склеивает эпизод?+
Нет. Он возвращает аудио каждой реплики. Склейка — ваша: добавляйте pcm-сэмплы или соединяйте файлы своими аудиоинструментами, а затем добавляйте музыку и уровни, как для любой записи.
Будет ли голос звучать одинаково в каждом эпизоде?+
Пресет-голос или сохранённый голос — да. Голос, созданный только по instructions, каждый раз выходит немного другим, поэтому сохраните понравившийся клип как голос и используйте его id.
Можно ли клонировать голос гостя?+
Только с его разрешения. Сохранение голоса требует consent: true, подтверждающего, что голос ваш или спикер согласился, и вы отвечаете за то, как он используется.
Насколько длинной может быть реплика?+
До 4 096 символов на запрос. Более длинный текст разбивается на большее число запросов; длинный текст в одном запросе произносится предложение за предложением тем же голосом.
Почему первый запрос медленный?+
Речевые модели работают на GPU, которые засыпают при простое. Первый запрос после паузы ждёт около 45 секунд на qwen3-tts, до 2 минут на zonos2. После этого qwen3-tts говорит примерно вдвое быстрее реального времени.
Может ли ИИ-агент выпускать эпизоды?+
Да. Скопируйте промпт с этой страницы в Claude Code, Cursor или Codex: он прочитает документацию в Markdown и напишет пайплайн от сценария до аудио с вашим ключом.
По каждому полю см. справочник по аудио API; для говорящего видео с теми же персонажами см. видеокадры, или зарегистрируйтесь, чтобы получить ключ.
Один предоплаченный ключ для моделей, данных и агентов
Без подписки. Пополняйте баланс, используйте сколько нужно и смотрите каждое списание в логах.