Amazon Polly и Transcribe по API
Amazon Polly и Amazon Transcribe — голосовые сервисы AWS: первый превращает текст в речь, второй — речь в текст. По нашему ключу доступны Polly Standard с русскими голосами Tatyana и Maxim, Polly Generative без русского и Transcribe, который AWS описывает как распознавание на 100+ языках. Аккаунт AWS, регион и корзина S3 для этого не нужны.
- 5 моделей
- от 0,45 ₽ за 1000 знаков
- озвучка текста, распознавание речи
Обновлено:
Модели и цены
Озвучка текста
| Модель | Знаков за раз | Цена |
|---|---|---|
| Amazon Polly Standard | до 3 000 | 0,45 ₽ за 1000 знаков |
| Amazon Polly Generative | до 3 000 | 3,36 ₽ за 1000 знаков |
| Amazon Polly Neural | до 3 000 | 1,79 ₽ за 1000 знаков |
| Amazon Polly Long-Form | до 3 000 | 11,18 ₽ за 1000 знаков |
Распознавание речи
| Модель | Звука за раз | Цена |
|---|---|---|
| Amazon Transcribe | до 2 ч | 0,68 ₽ за минуту звука |
Как выбрать
У Polly четыре движка озвучки, и для русского текста выбор уже сделан за тебя: по таблице голосов AWS русский есть только у Standard.
- Amazon Polly Standard — голоса Tatyana (женский) и Maxim (мужской). AWS пишет, что этот движок склеивает речь из записанных звуков. Звучит он проще нейросетевых голосов, зато ровно и предсказуемо — для объявлений, голосового меню и служебных уведомлений этого хватает.
- Amazon Polly Generative — самый крупный движок Polly. AWS описывает его голоса как самые человечные, эмоциональные и разговорные из своих. Русского у него нет: 24 языка и варианта, среди них английский в разных акцентах, немецкий, французский, испанский, польский и корейский.
- Amazon Transcribe — распознавание речи. Русский в списке языков AWS есть, а всего языков, по словам AWS, больше сотни.
Ещё два движка Polly — Neural и Long-Form — русского тоже не знают. Long-Form сделан для длинных текстов, но говорит только по-английски и по-испански.
Через наш API Polly получает обычный текст: разметку SSML она не принимает, паузы задавай точками, запятыми и абзацами. За один запрос уходит до 3 000 знаков. Цены — за 1 000 знаков у Polly и за минуту записи у Transcribe — стоят в таблице моделей на этой странице.
Популярные задачи
Объявления на вокзале, в магазине и в голосовом меню
Короткое объявление, которое крутится по кругу, не требует актёрской игры, а Polly Standard читает его ровным голосом Tatyana или Maxim. Числа, номера выходов и время пиши словами — так чтение не споткнётся о цифры. Для голосового меню отправляй каждую ветку отдельным запросом и храни готовые файлы: одинаковые фразы незачем озвучивать заново.
Пример запроса: «Внимание! Посадка на рейс до Казани заканчивается через десять минут у выхода номер семь.»
Англоязычные подсказки и учебные ролики
Если продукт рассказывает о себе на английском — обучающий курс, подсказки в приложении, видеоинструкция, — подойдёт Amazon Polly Generative. AWS прямо называет её голоса подходящими для помощника, виртуального тренера и рекламы. Одно предупреждение AWS стоит помнить: после обновлений модели голоса могут звучать чуть иначе, поэтому длинную серию роликов разумно озвучить за один подход.
Пример запроса: «Hello! This is a reminder that your library books are due this Friday.»
Уведомления на европейских языках
Интернет-магазину, который отправляет напоминания покупателям в Германии, Франции или Польше, хватит одной модели: у Generative есть немецкий, французский, итальянский, испанский, польский, португальский и нидерландский. Для каждого языка в списке AWS свои голоса — бери тот, что помечен нужным языком. Русскую версию того же напоминания озвучит Polly Standard.
Расшифровка звонков и разговоров
Amazon Transcribe понимает русскую речь. Отправь запись на /v1/audio/transcriptions с language: "ru" и учти, что готовый файл AWS обрабатывает в очереди: ответ может прийти через несколько минут, так что тайм-аут клиента ставь с запасом. Другие модели распознавания с ценой за минуту собраны в разделе о распознавании речи.
Записи на языках народов России
В таблице языков Amazon Transcribe есть татарский, башкирский и луговой марийский — для готовых файлов. Таких моделей распознавания немного, поэтому для архива интервью или краеведческих записей Transcribe стоит попробовать. Через наш API эти языки мы отдельно не проверяли, так что начни с короткой записи и посмотри на результат.
Как получить ключ Amazon Polly API в России
У AWS для Polly и Transcribe нужен свой аккаунт, ключи доступа и выбор региона, а пакетная расшифровка Transcribe берёт файл только из корзины S3. У нас ничего этого нет: один ключ и обычный запрос с файлом или текстом.
- Зарегистрируйся на veselo.ai и выпусти ключ
sk-vsl-…в разделе API. - Пополни API-счёт — с карты российского банка или по СБП. Карта AWS и доллары не понадобятся.
- Для озвучки отправь
POST https://veselo.ai/v1/audio/speechсmodel: "amazon/polly-standard"иvoice: "Tatyana", для расшифровки — файл на/v1/audio/transcriptionsсmodel=amazon/transcribe.
Подробности о полях — в разделах документации «Озвучка» и «Распознавание речи».
Как подключить
Вместо sk-vsl-ТВОЙ_КЛЮЧ — ключ из кабинета. Ответ придёт в формате OpenAI. Пример — с моделью Amazon Polly Standard: у других моделей меняется только model.
curl
curl https://veselo.ai/v1/audio/speech \
-H "Authorization: Bearer sk-vsl-ТВОЙ_КЛЮЧ" \
-H "Content-Type: application/json" \
-d '{
"model": "amazon/polly-standard",
"voice": "Tatyana",
"input": "Добрый вечер! Сегодня в программе — хорошие новости."
}' \
--output speech.mp3Python
from openai import OpenAI # pip install openai
client = OpenAI(base_url="https://veselo.ai/v1", api_key="sk-vsl-ТВОЙ_КЛЮЧ", timeout=600.0, max_retries=0)
with client.audio.speech.with_streaming_response.create(
model="amazon/polly-standard",
voice="Tatyana",
input="Добрый вечер! Сегодня в программе — хорошие новости.",
) as r:
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 sk-vsl-ТВОЙ_КЛЮЧ', 'Content-Type': 'application/json' },
body: JSON.stringify({ model: 'amazon/polly-standard', voice: 'Tatyana', 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()));В программах: тем же ключом — из любого кода, а без ключа Claude, ChatGPT и Cursor зовут модель по MCP: вход на сайте и кнопка «Разрешить». MCP
Версии и отличия
- Polly Standard — склеивает речь из записанных звуков. У AWS 60 таких голосов на 29 языках, из них русские — Tatyana и Maxim.
- Polly Neural — нейросетевой движок без русского; у нас он идёт вариантом на странице Generative.
- Polly Generative — самая крупная модель Polly: по описанию AWS, трансформер на миллиард параметров. У AWS 55 голосов в этом варианте, 24 языка и варианта, русского нет.
- Polly Long-Form — для длинных текстов: шесть голосов, американский английский и испанский из Испании.
- Transcribe — распознавание речи AWS. У самого AWS к нему есть разметка говорящих, словари, скрытие персональных данных и анализ звонков; через наш API уходит только сама расшифровка.
Вопросы и ответы
- Нужен ли аккаунт AWS, чтобы работать с Amazon Polly?
- Нет. Ключ, оплата и запросы — наши: аккаунт AWS, ключи доступа и выбор региона не нужны. Платишь в рублях с API-счёта, а запрос, который закончился ошибкой, денег не стоит.
- Какие русские голоса есть у Amazon Polly?
- Два, и оба у движка Standard: Tatyana — женский, Maxim — мужской. У Neural, Generative и Long-Form русских голосов в таблице AWS нет.
- Почему Polly Standard звучит проще нейросетевых голосов?
- Standard — старый движок: по словам AWS, он собирает речь из записанных фрагментов, а не рисует её нейросетью. Поэтому интонация у него ровнее и беднее. Для живой русской озвучки посмотри модели в подборке озвучки текста.
- Работает ли SSML у Amazon Polly через ваш API?
- Нет. Текст уходит в Polly как обычный текст, без SSML-разметки и меток речи. Паузы и интонацию задавай пунктуацией: точка — длинная пауза, запятая — короткая.
- Сколько текста можно озвучить за один запрос в Polly?
- До 3 000 знаков. Длинный текст раздели на части по абзацам — каждая озвучивается отдельным запросом и оплачивается по своей длине.
- Есть ли у Amazon Transcribe татарский и башкирский?
- В списке языков AWS — есть, для готовых файлов. Через наш API мы их отдельно не проверяли, поэтому сначала отправь короткую запись, а потом — весь архив.
- Нужны ли VPN и зарубежная карта?
- Нет. Запросы идут на https://veselo.ai/v1, а API-счёт пополняется в рублях — картой российского банка или по СБП.
- Сколько стоит запрос, который закончился ошибкой?
- Нисколько: ошибка нейросети денег не стоит, удержание на время запроса снимается целиком.
Ещё по теме
Факты сверены 16 ноября 2026 по документации: docs.aws.amazon.com, aws.amazon.com