Весело
Весело

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 знакам3,36 ₽ 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 знаковОколо 756,00 ₽
Рекламный ролик в нескольких акцентах: ролик на 400 знаков в шести акцентахОколо 8,07 ₽
Тренажёр понимания акцентов: 1 200 фраз по 50 знаковОколо 201,60 ₽
Видеоуроки и курсы: курс из 30 уроков по 3 000 знаковОколо 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

РазработчикAmazon
ВидОзвучка текста
ГолосаRuth, Ambre, Amy, Andrés, Aria, Ayanda и ещё 6
Языкиen, de, es, fr, hi, it, ko, nl, pl, pt
Текст за запросдо 3 000 знаков
Форматы звукаmp3, opus, wav, pcm
id для запросаamazon/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.mp3

Python

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

Документация раздела

Сравнение с похожими

МодельЦенаГлавноеКогда выбрать
Amazon Polly Generative — эта модель3,36 ₽ / 1000 знаковдо 3 000 знаковразговорные английские и европейские голоса с акцентами для ассистентов и рекламы
Amazon Polly Standard — Amazon0,45 ₽ / 1000 знаковдо 3 000 знаковрусская озвучка коротких объявлений и меню, когда важны цена и разборчивость
Deepgram Aura-2 — Deepgram3,36 ₽ / 1000 знаковдо 4 096 знакованглийские и европейские голоса для ботов, IVR и уведомлений, когда русский не нужен
Kokoro 82M — Hexgrad1,12 ₽ / 1000 знаковдо 4 096 знакованглийская озвучка открытой моделью без своего сервера: уроки, статьи, черновики
Fish Audio S2.1 Pro — Fish Audio3,36 ₽ / 1000 букв кириллицыдо 4 096 знаковживая озвучка роликов и уроков с эмоциями, описанными своими словами
Inworld TTS-2 — Inworld AI2,80 ₽ / 1000 знаковдо 2 000 знаковрусская 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.

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