Amazon Polly Generative по API
Amazon Polly Generative — генеративный движок Amazon Polly, и по словам Amazon, самый похожий на человека из движков Polly. Внутри — трансформер на миллиард параметров. Голоса говорят на 10 языках в 24 вариантах: английском с восемью акцентами, французском, немецком, испанском, корейском и других. Русского нет. Голосов — 43, цена — 3,36 ₽ за 1000 знаков.
- 3,36 ₽ за 1000 знаков
- до 3 000 знаков
- текст → звук
amazon/polly-generative
Обновлено:
Получить ключ Попробовать Документация
Попробовать Amazon Polly Generative
Отправь текст — модель вернёт его голосом. Запрос оплачивается с API-счёта по цене на кнопке, бесплатных проб нет; ошибка нейросети денег не стоит.
Текст для озвучки: «Hello! This is a reminder that your library books are due this Friday.»
Голос: Ruth
В ответ приходит сам звук, по умолчанию MP3; цена — в заголовке x-veselo-cost-rub.
Цены Amazon Polly Generative в рублях
| Текст — считаем по знакам | 3,36 ₽ за 1000 знаков |
|---|
Запрос, который закончился ошибкой, денег не стоит. Кэшбэк — до 5% от расхода за месяц. Как считается цена
Сколько стоят типичные задачи
Суммы посчитаны по цене выше — сколько спишется за такую работу.
| Напоминания англоязычным клиентам: 3 000 напоминаний по 75 знаков | Около 756,00 ₽ |
|---|---|
| Рекламный ролик в нескольких акцентах: ролик на 400 знаков в шести акцентах | Около 8,07 ₽ |
| Тренажёр понимания акцентов: 1 200 фраз по 50 знаков | Около 201,60 ₽ |
| Видеоуроки и курсы: курс из 30 уроков по 3 000 знаков | Около 302,40 ₽ |
Что умеет Amazon Polly Generative
- По описанию Amazon, это самые человечные голоса Polly, рассчитанные на живой разговор; среди ролей вендор называет консультанта, виртуального тренера и диктора рекламы (о движке).
- Внутри — трансформер на миллиард параметров и свёрточный декодер, который превращает речевые коды в звук.
- Английский — американский, британский, австралийский, индийский, ирландский, новозеландский, сингапурский и южноафриканский.
- Ещё девять языков, среди них французский, немецкий, испанский, португальский, итальянский, нидерландский, польский и корейский; у французского, немецкого и испанского — по три варианта (таблица голосов).
- Простой текст: SSML и метки через наш API не передаются.
- До 3 000 знаков за запрос; ответ — MP3, Opus, WAV или PCM, частота по умолчанию — 24 кГц.
Где применять
Напоминания англоязычным клиентам
Библиотеке, языковой школе или сервису с клиентами за рубежом нужны вежливые голосовые напоминания: о сроке, о записи, о продлении. Генеративный движок Amazon описывает как разговорный, поэтому напоминание звучит как звонок администратора, а не автоответчика. Для США подойдут Ruth или Matthew, для Британии — Amy или Brian. Сам текст держи коротким: одна мысль — одна фраза. Дату и время пиши словами, как в примере, тогда напоминание прочтётся естественно и без заминок.
Пример запроса: «Hi Emma! Just a reminder: your Spanish class starts tomorrow at six p.m.»
Стоимость: 3 000 напоминаний по 75 знаков — около 756,00 ₽.
Рекламный ролик в нескольких акцентах
Amazon прямо называет рекламу среди задач генеративных голосов. Один и тот же текст можно озвучить для разных рынков: австралийским голосом Olivia, индийским Kajal, ирландским Niamh — и выбрать тот, что точнее ложится на картинку и аудиторию. Шесть вариантов одного ролика — это шесть коротких запросов, а не шесть дикторов в студии. Озвучка текста на английском для рекламы требует точного хронометража, поэтому сразу проверяй длину звука под монтаж.
Пример запроса: «Fresh coffee, fast Wi-Fi and a quiet seat by the window. See you at Corner Café.»
Стоимость: ролик на 400 знаков в шести акцентах — около 8,07 ₽.
Тренажёр понимания акцентов
Тот, кто учит английский по американским сериалам, теряется, когда звонит партнёр из Сингапура или Йоханнесбурга. Тренажёр с фразами в восьми акцентах английского собирается из одной модели: меняется только голос — Jasmine для сингапурского, Ayanda для южноафриканского, Aria для новозеландского. Одну фразу можно дать во всех вариантах подряд и сравнить на слух, а потом попросить угадать, откуда звонил собеседник. Так ухо привыкает к чужому акценту заранее, а не во время важного звонка.
Пример запроса: «Could you tell me the way to the nearest station?»
Стоимость: 1 200 фраз по 50 знаков — около 201,60 ₽.
Видеоуроки и курсы
Виртуального тренера Amazon тоже называет одной из ролей генеративных голосов. Курс по английскому или немецкому озвучивается урок за уроком: текст урока режь на части до 3 000 знаков по абзацам и склеивай звук после. Голос для немецкого — Vicki или Daniel, для французского — Léa или Rémi, для испанского — Lucia или Sergio. Закрепи за курсом один голос, чтобы ученики не гадали, почему преподаватель сменился на третьем уроке.
Пример запроса: «Lektion drei: Heute lernen wir, wie man im Restaurant bestellt.»
Стоимость: курс из 30 уроков по 3 000 знаков — около 302,40 ₽.
Характеристики
| Разработчик | Amazon |
|---|---|
| Вид | Озвучка текста |
| Голоса | Ruth, Ambre, Amy, Andrés, Aria, Ayanda и ещё 6 |
| Языки | en, de, es, fr, hi, it, ko, nl, pl, pt |
| Текст за запрос | до 3 000 знаков |
| Форматы звука | mp3, opus, wav, pcm |
| id для запроса | amazon/polly-generative |
Как подключить
Вместо sk-vsl-ТВОЙ_КЛЮЧ — ключ из кабинета. Ответ придёт в формате OpenAI.
Запрос — POST https://veselo.ai/v1/audio/speech с полем model: amazon/polly-generative, ключ — в заголовке Authorization: Bearer sk-vsl-….
curl
curl https://veselo.ai/v1/audio/speech \
-H "Authorization: Bearer sk-vsl-ТВОЙ_КЛЮЧ" \
-H "Content-Type: application/json" \
-d '{
"model": "amazon/polly-generative",
"voice": "Ruth",
"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-generative",
voice="Ruth",
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-generative', voice: 'Ruth', 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()));Пример ответа — только поля
HTTP/1.1 200 OK
Content-Type: audio/mpeg
x-veselo-cost-rub: …
<звук MP3>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
Сравнение с похожими
| Модель | Цена | Главное | Когда выбрать |
|---|---|---|---|
| Amazon Polly Generative — эта модель | 3,36 ₽ / 1000 знаков | до 3 000 знаков | разговорные английские и европейские голоса с акцентами для ассистентов и рекламы |
| Amazon Polly Standard — Amazon | 0,45 ₽ / 1000 знаков | до 3 000 знаков | русская озвучка коротких объявлений и меню, когда важны цена и разборчивость |
| Deepgram Aura-2 — Deepgram | 3,36 ₽ / 1000 знаков | до 4 096 знаков | английские и европейские голоса для ботов, IVR и уведомлений, когда русский не нужен |
| Kokoro 82M — Hexgrad | 1,12 ₽ / 1000 знаков | до 4 096 знаков | английская озвучка открытой моделью без своего сервера: уроки, статьи, черновики |
| Fish Audio S2.1 Pro — Fish Audio | 3,36 ₽ / 1000 букв кириллицы | до 4 096 знаков | живая озвучка роликов и уроков с эмоциями, описанными своими словами |
| Inworld TTS-2 — Inworld AI | 2,80 ₽ / 1000 знаков | до 2 000 знаков | русская озвучка с указаниями подачи прямо в тексте: приложения, игры, сказки |
Версии и отличия
- amazon/polly-neural — нейронный движок прошлого поколения, русского в нём нет.
- amazon/polly-long-form — движок для длинных текстов: шесть голосов на английском (США) и испанском (Испания).
- Amazon Polly Standard — классический движок; русские голоса у Polly есть только в нём.
- Amazon Polly Long-Form — 11,18 ₽ за 1000 знаков
- Amazon Polly Neural — 1,79 ₽ за 1000 знаков
Как устроен доступ
Весело — не разработчик Amazon Polly Generative: модель выпускает Amazon. Мы даём к ней доступ по API — один ключ на все модели, оплата в рублях с API-счёта, а цена каждого ответа видна в самом ответе. Запрос, который закончился ошибкой, денег не стоит. Что мы храним о запросах и сколько — в разделе «Данные и приватность» документации. Данные и приватность
Вопросы и ответы
- Почему у Amazon Polly Generative нет русского?
- У Amazon нет русских генеративных голосов: в таблице вендора Tatyana и Maxim работают только на стандартном движке. Для русской озвучки по API подойдут Amazon Polly Standard или Inworld TTS-2.
- Может ли голос звучать иначе через несколько месяцев?
- Может. Amazon предупреждает: при обновлении модели голоса слегка меняются, даже когда качество растёт. Если озвучиваешь сезон подкаста, делай все выпуски за один заход или храни готовые файлы.
- Почему голос иногда обрывает слово в конце фразы?
- Так срабатывает защита самой модели: если она решает, что начинает выдумывать звук, включается аварийная остановка — Amazon описывает это в документации. Изредка она отрезает половину слова. Если заметишь обрыв, повтори запрос с чуть иначе построенной фразой.
- Сколько стоит озвучить статью на 6 000 знаков голосом Ruth?
- Около 20,16 ₽. Статья уйдёт несколькими запросами, потому что за раз модель читает до 3 000 знаков. Цена — 3,36 ₽ за 1000 знаков.
- Что будет, если запрос закончится ошибкой?
- Запрос, который закончился ошибкой нейросети, денег не стоит: удержание на время запроса снимается целиком. Цену удачного ответа видно в рублях сразу.
- Есть ли подписка или абонентская плата?
- Нет. API-счёт пополняется на нужную сумму, а списывается только то, что потратили запросы. Чем больше расход за месяц, тем больше кэшбэк — от 1 до 5%.
- Сколько запросов можно отправлять?
- До 60 запросов в минуту и до 10 одновременно на один ключ, ключей у аккаунта — до 20. Сверх лимита придёт ответ 429 с заголовком Retry-After: через столько секунд можно повторить.
Ещё по теме
Факты сверены 16 ноября 2026 по документации: docs.aws.amazon.com