Озвучка текста по API: Gemini TTS и GPT-4o mini TTS за рубли
Как озвучить текст голосом через API: модели, голоса, цена за текст до N знаков. В ответ — MP3, как у OpenAI audio.speech. Оплата в рублях.
Обновлено:
Отправь текст в POST https://veselo.ai/v1/audio/speech — в ответ придёт сам звук MP3, как у audio.speech в OpenAI. Текст читается как есть: без перевода и правок. Ответ ждёт озвучку до 9 минут, обычно — секунды.
Модели, голоса и цены
| id | Модель | Цена |
|---|---|---|
google/gemini-3.8-flash-tts | Gemini 3.8 Flash TTS | от 9,00 ₽ за озвучку |
google/gemini-3.8-flash-lite-tts | Gemini 3.8 Flash Lite TTS | от 9,00 ₽ за озвучку |
google/gemini-3.1-flash-tts | Gemini 3.1 Flash TTS | от 9,00 ₽ за озвучку |
google/gemini-2.5-pro-tts | Gemini 2.5 Pro TTS | от 9,00 ₽ за озвучку |
google/gemini-2.5-flash-tts | Gemini 2.5 Flash TTS | от 9,00 ₽ за озвучку |
openai/gpt-4o-mini-tts | GPT-4o mini TTS | от 9,00 ₽ за озвучку |
google/lyria-3.5 | Lyria 3.5 | 19,00 ₽ за трек |
В GET /v1/models — записи с type: "audio" и audio.kind: "speech". Голоса — audio.voices (id, имя и характер), сколько знаков за раз — audio.max_chars. Цена — за текст до стольких знаков: pricing_rub.per_speech["2000"] — сколько стоит текст до 2000 знаков.
Озвучить текст
curl
curl https://veselo.ai/v1/audio/speech \
-H "Authorization: Bearer $VESELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "google/gemini-3.8-flash-tts",
"voice": "Kore",
"input": "Добрый вечер! Сегодня в программе — хорошие новости."
}' \
--output speech.mp3Python
import os
from openai import OpenAI # pip install openai
client = OpenAI(base_url="https://veselo.ai/v1", api_key=os.environ["VESELO_API_KEY"], timeout=600.0, max_retries=0)
with client.audio.speech.with_streaming_response.create(
model="google/gemini-3.8-flash-tts",
voice="Kore",
input="Добрый вечер! Сегодня в программе — хорошие новости.",
) as r:
print("Цена:", r.headers["x-veselo-cost-rub"], "₽")
r.stream_to_file("speech.mp3")JavaScript
import fs from 'node:fs';
const res = await fetch('https://veselo.ai/v1/audio/speech', {
method: 'POST',
headers: {
Authorization: `Bearer ${process.env.VESELO_API_KEY}`,
'Content-Type': 'application/json',
},
body: JSON.stringify({
model: 'openai/gpt-4o-mini-tts',
voice: 'nova',
input: 'Добрый вечер! Сегодня в программе — хорошие новости.',
}),
signal: AbortSignal.timeout(600_000),
});
if (!res.ok) throw new Error((await res.json()).error.message);
fs.writeFileSync('speech.mp3', Buffer.from(await res.arrayBuffer()));
console.log('Цена:', res.headers.get('x-veselo-cost-rub'), '₽');Поля запроса
| Поле | Что передать |
|---|---|
model | обязательно: id модели с audio.kind: "speech" |
input | обязательно: текст от 1 знака до audio.max_chars — читается как есть |
voice | голос из audio.voices модели, без учёта регистра; по умолчанию — первый |
response_format | только mp3 (по умолчанию) |
speed | только 1: скорость речи не меняется |
Другие поля отвечают 400 с именем поля в param. Цена — в заголовке x-veselo-cost-rub, номер запроса для поддержки — x-request-id.
Деньги
- Цена — как в Студии на сайте и видна заранее в
GET /v1/models: ступень по длине текста считает сервер. - Платит API-счёт: цена удерживается до запуска и списывается, когда звук готов. Не хватает — 402.
- Не получилось, не дождались (504) или сервер обновлялся (503 — повтори через пару секунд) — денег не берём.
- Повтор с тем же
Idempotency-Keyи тем же телом вернёт ту же озвучку без второго списания. - Длинный текст — 400 с
param: "input": раздели его на части не длиннееaudio.max_chars.