muapi Logomuapi Logo
muapi Logomuapi Logo
Модели/Аудио/Преобразование текста в речь
Доступна10 моделей

API преобразования текста в речь — естественная генерация голоса с помощью ИИ

Muapi's text-to-speech API converts written text into natural, human-like audio through one unified REST integration. Choose from MiniMax, Google Gemini, ElevenLabs (including the Eleven v4 API), and Fish Audio (the Fish Audio S2.1 Pro API) for single-voice narration or multi-speaker dialogue.Use studio-grade or turbo-fast generation with controls for voice, emotion, pace, stability, and similarity. The same asynchronous submit-and-poll pattern works across every model, with pricing from $0.015 per 1,000 characters.

Получить ключ API преобразования текста в речьПопробовать MiniMax Speech HDПопробовать Gemini Flash TTSText-to-Speech API examples and comparison on GitHub
i

Преобразование текста в речь доступно на Muapi

Выберите модель для одного или нескольких голосов, отправьте текст и проверяйте статус по полученному ID запроса, чтобы скачать аудиофайл.

Речь MiniMax

Озвучивание одним голосом: студийный и быстрый режимы2 моделей
Преобразование текста в речьДоступна
MiniMax

MiniMax Speech 2.6 HD

Речь студийного качества с чётким произношением, плавным темпом и реалистичными эмоциями — для аудиокниг, подкастов и озвучивания.

Text → audio
$0.13/1,000 chars
Попробовать модель
Преобразование текста в речьДоступна
MiniMax

MiniMax Speech 2.6 Turbo

Быстрая и лёгкая генерация естественной речи с настройкой скорости, громкости, высоты тона и эмоций — для оперативного создания аудио.

Text → audioБыстро
$0.07/1,000 chars
Попробовать модель

Gemini TTS

Выразительные диалоги с несколькими голосами и настройками голоса и интонации4 моделей
Преобразование текста в речьДоступна
Google Gemini

Gemini 3.1 Flash TTS

Экономичная генерация речи с несколькими голосами, акцентами, эмоциональными стилями и встроенными тегами интонации, например [whispers].

Dialogue → audioБыстро
$0.035/1,000 chars
Попробовать модель
Преобразование текста в речьДоступна
Google Gemini

Gemini 2.5 Pro TTS

Премиальная генерация речи с несколькими голосами для аудиокниг, кинематографичных диалогов и длинной озвучки с высокой точностью звучания.

Dialogue → audio
$0.035/1,000 chars
Попробовать модель

ElevenLabs

Выразительная речь Eleven v4, быстрая озвучка одним голосом и многоязычные диалоги3 моделей
Преобразование текста в речьДоступна
ElevenLabs

ElevenLabs TTS Turbo 2.5

Быстрая озвучка одним голосом с настройкой стабильности, сходства и темпа речи — для закадрового голоса, IVR и массовой генерации озвучки.

Text → audioБыстро
$0.05/1,000 chars
Попробовать модель
Преобразование текста в речьДоступна
ElevenLabs

ElevenLabs Text to Dialogue V3

Многоязычный диалог с несколькими голосами по структурированному сценарию, с ID голоса для каждого участника и естественной сменой реплик.

Dialogue → audio
$0.10/1,000 chars
Попробовать модель
Преобразование текста в речьnew
ElevenLabs

Eleven v4

Преобразование текста в речь с помощью Eleven v4 от ElevenLabs: выразительное озвучивание одним голосом, до 2,000 символов в запросе за $0.08/1,000 characters; результат возвращается в формате MP3.

Text → audio
$0.08/1,000 chars
Попробовать модель

Fish Audio S2.1 Pro

Длинная озвучка — до 10,000 символов в запросе1 моделей
Преобразование текста в речьnew
Fish Audio

Fish Audio S2.1 Pro

Преобразование длинного текста в речь: до 10,000 символов в запросе, оплата — $15 per 1M UTF-8 bytes (примерно $0.015/1,000 English characters); результат возвращается в формате MP3.

Text → audio
$15/1M UTF-8 bytes
Попробовать модель

Что такое API преобразования текста в речь?

A text-to-speech (TTS) API converts written text into spoken audio through a single HTTP request. Submit a script, choose a voice and delivery style, and receive a downloadable audio file without building an audio-engineering pipeline.

Muapi exposes the live TTS endpoints through the same unified REST pattern: one API key, one request and poll flow, and pay-as-you-go billing. Choose single-voice narration for voiceovers and IVR (including the Eleven v4 API and the Fish Audio S2.1 Pro API), or multi-speaker dialogue for characters, podcasts, and audiobooks.

Возможности преобразования текста в речь

Диалог с несколькими голосами

Gemini TTS и ElevenLabs Text to Dialogue V3 назначают отдельные голоса, акценты и манеру подачи каждой реплике сценария.

Эмоции и интонация в тексте

Модели Gemini поддерживают встроенные теги, такие как [whispers], [shouting] и [determination], чтобы задавать выразительность прямо в реплике.

Студийный и быстрый режимы

Выбирайте MiniMax Speech 2.6 HD или Gemini 2.5 Pro TTS для высокого качества либо их ускоренные версии, если важнее скорость и стоимость.

Настраиваемые параметры голоса

Настраивайте скорость, громкость, высоту тона, эмоции, стабильность, сходство и другие параметры конкретной модели.

Пользовательские и клонированные голоса

Конечные точки ElevenLabs принимают ID пользовательского голоса. Сначала создайте голос для повторного использования с помощью совместимого процесса клонирования голоса.

Четыре сервиса — один API

Модели MiniMax, Google Gemini, ElevenLabs и Fish Audio используют общие для Muapi авторизацию, асинхронные задачи, проверку результатов и оплату.

Сценарии использования преобразования текста в речь

Озвучивание и закадровый голос

Создавайте по сценариям главы аудиокниг, озвучку видео, рекламу, обучающие ролики и клипы для соцсетей.

Персонажи и подкасты

Создавайте диалоги ведущих и персонажей с разными голосами и заданной эмоциональной подачей.

IVR и аудио для приложений

Массово создавайте голосовые меню, уведомления, аудио для доступности и другие динамические речевые материалы.

Локализация

Используйте многоязычные диалоги и настройки языка для международного контента и учебных материалов.

Сравнение моделей преобразования текста в речь, включая Eleven v4 API и Fish Audio S2.1 Pro API

МодельПоставщикЦенаОптимально для
MiniMax Speech 2.6 HDMiniMax$0.13/1,000 charactersОзвучивания одним голосом студийного качества
MiniMax Speech 2.6 TurboMiniMax$0.07/1,000 charactersБыстрой генерации речи одним голосом
ElevenLabs TTS Turbo 2.5ElevenLabs$0.05/1,000 charactersМассового озвучивания и IVR
Gemini 3.1 Flash TTSGoogle$0.035/1,000 charactersБыстрых диалогов с несколькими голосами
Gemini 2.5 Pro TTSGoogle$0.035/1,000 charactersДиалогов с несколькими голосами студийного качества
ElevenLabs Text to Dialogue V3ElevenLabs$0.10/1,000 charactersМногоязычных диалогов с несколькими голосами
Eleven v4ElevenLabs$0.08/1,000 charactersВыразительного озвучивания одним голосом, до 2,000 символов в запросе
Fish Audio S2.1 ProFish Audio$15/1M UTF-8 bytes (~$0.015/1,000 English characters)Длинного озвучивания, до 10,000 символов в запросе

Оплата Fish Audio S2.1 Pro рассчитывается по байтам UTF-8: на один символ английского текста приходится примерно один байт, а для нелатинских письменностей — от трёх до четырёх байтов.

Примеры использования API преобразования текста в речь

Отправьте обычный текст или структурированный диалог с ключом API Muapi, сохраните ID запроса и проверяйте стандартную конечную точку результата, чтобы получить URL аудио.

Сгенерировать речь одним голосом

curl -X POST https://api.muapi.ai/api/v1/minimax-speech-2.6-hd \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"Welcome to Muapi. Your workspace is ready.","voice_id":"Friendly_Person","speed":1,"emotion":"happy","format":"mp3"}'

# Response: {"request_id":"REQUEST_ID"}

Используйте конечную точку MiniMax или ElevenLabs для одного голоса, указав prompt, voice и при необходимости параметры подачи.

Сгенерировать диалог Gemini

curl -X POST https://api.muapi.ai/api/v1/gemini-3-1-flash-tts \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"speakers":[{"speaker_id":"Speaker 1","voice_name":"Kore","accent":"Neutral","style":"Empathetic","pace":"Natural"},{"speaker_id":"Speaker 2","voice_name":"Puck","accent":"British (RP)","style":"Deadpan","pace":"Natural"}],"dialogue_turns":[{"speaker_id":"Speaker 1","text":"[warmly] Welcome to the show."},{"speaker_id":"Speaker 2","text":"[whispers] Let us begin."}]}'

Задайте участников и порядок реплик; для каждой реплики укажите конфигурацию голоса.

Сгенерировать речь с помощью Eleven v4 API

curl -X POST https://api.muapi.ai/api/v1/elevenlabs-v4 \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"Welcome to the future of voice. This is Eleven v4, speaking with natural rhythm and emotion.","voice_id":"voice_daniel"}'

# Response: {"request_id":"REQUEST_ID"}

Отправьте до 2,000 символов в prompt и выберите voice_daniel или voice_liam; стоимость Eleven v4 — $0.08 per 1,000 characters.

Сгенерировать длинную озвучку с помощью Fish Audio S2.1 Pro API

curl -X POST https://api.muapi.ai/api/v1/fish-s2-1-pro \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"Welcome to the show. Today we look at how voice models have changed the way we tell stories.","voice_id":"voice_fish_narrator"}'

# Response: {"request_id":"REQUEST_ID"}

Отправьте до 10,000 символов в prompt с voice_fish_narrator; оплата — $15 per 1M UTF-8 bytes.

Сгенерировать диалог ElevenLabs

curl -X POST https://api.muapi.ai/api/v1/elevenlabs-text-to-dialogue-v3 \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"dialogue":[{"text":"Welcome to the show.","voice_id":"ZQe5CZNOzWyzPSCn5a3c"},{"text":"Let us begin.","voice_id":"EXAVITQu4vr4xnSDxMaL"}],"language_code":"en","stability":0.5}'

Передайте структурированный массив реплик с ID голоса для каждой из них, чтобы получить многоязычный диалог с несколькими голосами.

Проверить результат генерации аудио

curl https://api.muapi.ai/api/v1/predictions/REQUEST_ID/result \
  -H "x-api-key: YOUR_API_KEY"

# Read the generated audio URL after status becomes completed.

Проверяйте статус до значения completed, затем получите из ответа URL аудио для скачивания.

Часто задаваемые вопросы об API преобразования текста в речь

Что такое API преобразования текста в речь?

API TTS Muapi преобразует письменный текст в естественную речь с помощью конечных точек MiniMax, Google Gemini, ElevenLabs и Fish Audio для озвучивания одним голосом и диалогов с несколькими голосами.

Какую модель выбрать для диалогов с несколькими голосами?

Выберите Gemini 3.1 Flash TTS или Gemini 2.5 Pro TTS для профилей участников и встроенных тегов интонации либо ElevenLabs Text to Dialogue V3 для многоязычных структурированных диалогов с отдельным ID голоса для каждого участника.

Сколько стоит преобразование текста в речь?

Цены начинаются от $0.015 за 1,000 символов английского текста для Fish Audio S2.1 Pro (оплата — $15 per 1M UTF-8 bytes), $0.035 за 1,000 символов для Gemini 3.1 Flash и 2.5 Pro TTS, $0.05 для ElevenLabs TTS Turbo 2.5, $0.08 для Eleven v4, $0.10 для ElevenLabs Dialogue V3, $0.07 для MiniMax Turbo и $0.13 для MiniMax HD. Gemini 3.8 Flash и Flash Lite стоят $0.015 и $0.01 за 1,000 символов соответственно.

Как использовать Eleven v4 API и каково ограничение длины?

Вызовите конечную точку elevenlabs-v4 с параметром prompt (до 2,000 символов) и voice_id со значением voice_daniel или voice_liam, затем проверяйте статус запроса, чтобы получить MP3. Стоимость Eleven v4 — $0.08 per 1,000 characters.

Что такое Fish Audio S2.1 Pro API?

Fish Audio S2.1 Pro API (fish-s2-1-pro) — это конечная точка для преобразования длинного текста в речь. Она принимает до 10,000 символов в запросе с voice_fish_narrator и возвращает MP3. Оплата составляет $15 per 1M UTF-8 bytes, то есть примерно $0.015 per 1,000 English characters.

Можно ли использовать пользовательский или клонированный голос?

Да. Конечные точки ElevenLabs принимают ID пользовательского голоса ElevenLabs, а MiniMax поддерживает ID обученных голосов, если это предусмотрено схемой выбранной модели.

В каком формате возвращается аудио?

Каждая модель возвращает URL аудиофайла для скачивания через стандартную конечную точку результата. Файл можно встроить, скачать или передать в процесс обработки видео или синхронизации губ.

Как получить доступ к моделям API преобразования текста в речь?

Создайте ключ API Muapi, вызовите конечную точку, подходящую для вашего сценария, и проверяйте статус по полученному ID запроса. Для доступа к работающим моделям лист ожидания не нужен.

Eleven v4 API и конечные точки ElevenLabs →Сравните Eleven v4, TTS Turbo 2.5 и Text to Dialogue V3.Fish Audio S2.1 Pro API →Длинная озвучка — до 10,000 символов в запросе, оплата за байт UTF-8.Посмотреть линейку Gemini TTS →Сравните все четыре варианта Gemini TTS: 3.8 Flash, 3.8 Flash Lite, 3.1 Flash и 2.5 Pro.Изучить клонирование голоса →Создайте голос для повторного использования в совместимых процессах генерации речи.Изучить Suno Music →Создавайте, ремикшируйте и дополняйте песни, когда нужна музыка, а не речь.Посмотреть аудиомодели →Сравните модели для речи, музыки, звуковых эффектов и преобразования видео в аудио.Изучить модели синхронизации губ →Сочетайте сгенерированную речь с видео лица, чтобы создать говорящий аватар.

Готовы создавать естественную речь?

Используйте один ключ API Muapi для озвучивания, диалогов персонажей, IVR, подкастов и многоязычного аудио.

Получить ключ APIПопробовать преобразование текста в речь