Весело
Весело

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

Озвучка, музыка и цена — в рублях
idМодельЦена
google/gemini-3.8-flash-ttsGemini 3.8 Flash TTSот 9,00 ₽ за озвучку
google/gemini-3.8-flash-lite-ttsGemini 3.8 Flash Lite TTSот 9,00 ₽ за озвучку
google/gemini-3.1-flash-ttsGemini 3.1 Flash TTSот 9,00 ₽ за озвучку
google/gemini-2.5-pro-ttsGemini 2.5 Pro TTSот 9,00 ₽ за озвучку
google/gemini-2.5-flash-ttsGemini 2.5 Flash TTSот 9,00 ₽ за озвучку
openai/gpt-4o-mini-ttsGPT-4o mini TTSот 9,00 ₽ за озвучку
google/lyria-3.5Lyria 3.519,00 ₽ 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.mp3

Python

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

ПолеЧто передать
modelобязательно: id модели с audio.kind: "speech"
inputобязательно: текст от 1 знака до audio.max_chars — читается как есть
voiceголос из audio.voices модели, без учёта регистра; по умолчанию — первый
response_formatтолько mp3 (по умолчанию)
speedтолько 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-Key и тем же телом вернёт ту же озвучку без второго списания.
  • Длинный текст — 400 с param: "input": раздели его на части не длиннее audio.max_chars.

← Видео · Музыка →

Вся документация одним текстом · Все модели и цены