Весело
Весело

Amazon Polly text to speech: Standard по API

Amazon Polly Standard — классический движок озвучки Amazon. Он склеивает речь из записанных звуков человека, поэтому звучит как синтезатор: ровно и разборчиво, без живых интонаций. Зато русский здесь есть — женский голос Tatyana и мужской Maxim. Всего — 60 голосов на 29 языках и вариантах. Цена — 0,45 ₽ за 1000 знаков.

  • 0,45 ₽ за 1000 знаков
  • до 3 000 знаков
  • текст → звук

amazon/polly-standard

Обновлено:

Получить ключ Попробовать Документация

Попробовать Amazon Polly Standard

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: «Внимание! Посадка на рейс до Казани заканчивается через десять минут у выхода номер семь.»

Голос: Tatyana

В ответ приходит сам звук, по умолчанию MP3; цена — в заголовке x-veselo-cost-rub.

Цены Amazon Polly Standard в рублях

Текст — считаем по знакам0,45 ₽ 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.

Объявления в транспорте и залах ожидания: 1 000 объявлений по 90 знаковОколо 40,50 ₽
Автоинформатор на линии поддержки: 40 фраз по 80 знаковОколо 1,44 ₽
Прототип голосового интерфейса: 20 000 тестовых фраз по 40 знаковОколо 360,00 ₽
Словарь с озвучкой слов: 5 000 слов по 12 знаковОколо 27,00 ₽

Что умеет Amazon Polly Standard

  • Русский — голоса Tatyana (женский) и Maxim (мужской). В других движках Polly русского нет (таблица голосов Amazon).
  • 60 голосов: 40 женских и 20 мужских на 29 языках и вариантах, от исландского и валлийского до японского (стандартные голоса).
  • Это классический синтез речи: движок склеивает фонемы из записей живого голоса — так Amazon описывает стандартные голоса.
  • Через наш API уходит простой текст: SSML и метки не передаются, паузы задаёт пунктуация.
  • До 3 000 знаков за запрос; ответ — MP3, Opus, WAV или PCM, частота по умолчанию — 22 кГц.

Где применять

Объявления в транспорте и залах ожидания

Объявлению на вокзале не нужна актёрская игра: важно, чтобы номер пути и время расслышали сквозь шум и стук чемоданных колёсиков. Ровная подача стандартного движка тут скорее плюс, чем минус. Номера и время пиши словами — «с третьего пути», «через пять минут», — тогда фраза прозвучит так, как задумана, а не так, как движок решит прочитать цифры. Одно объявление на русском и его английскую версию удобно озвучить парой: Tatyana и, например, британская Amy.

Пример запроса: «Уважаемые пассажиры! Поезд до Нижнего Новгорода отправляется с третьего пути через пять минут.»

Стоимость: 1 000 объявлений по 90 знаков — около 40,50 ₽.

Автоинформатор на линии поддержки

«Все операторы заняты», «наш офис работает с девяти до шести» — такие фразы звонящий слышит десятки раз и узнаёт с первого слова. Их достаточно озвучить один раз голосом Maxim или Tatyana и крутить месяцами, меняя только то, что поменялось в графике. Живость интонации здесь никто не оценит, а разборчивость оценит каждый, кто ждёт на линии. Мужской и женский голос можно чередовать, чтобы меню и ожидание звучали по-разному.

Пример запроса: «Все операторы сейчас заняты. Оставайтесь на линии, мы ответим в течение пяти минут.»

Стоимость: 40 фраз по 80 знаков — около 1,44 ₽.

Прототип голосового интерфейса

Пока сценарий голосового бота меняется каждый день, озвучивать каждую версию выразительной моделью рано. Прогоняй тексты через Polly Standard: так видно, где фраза слишком длинная, где не хватает паузы и где человек на том конце запутается. Финальную версию потом можно переозвучить моделью с живой интонацией — например, Inworld TTS-2. Тексты при этом менять не придётся: обе модели принимают обычный текст одним и тем же запросом.

Пример запроса: «Будильник установлен на семь тридцать. Сказать, какая завтра погода?»

Стоимость: 20 000 тестовых фраз по 40 знаков — около 360,00 ₽.

Словарь с озвучкой слов

Учебному словарю нужна озвучка тысяч отдельных слов на разных языках. У Polly Standard 29 языков и вариантов, от польского до турецкого, и у многих по два-три голоса, так что слово можно дать и женским, и мужским голосом. Одно слово — один короткий запрос, а готовые файлы можно хранить и не озвучивать повторно. Для русского раздела словаря подойдут те же Tatyana и Maxim.

Пример запроса: «Dziękuję bardzo.»

Стоимость: 5 000 слов по 12 знаков — около 27,00 ₽.

Как писать запрос

  • Числа, даты и сокращения пиши так, как их нужно произнести.
  • Паузы ставь точкой, запятой или новым абзацем: других способов через API нет.

Характеристики

РазработчикAmazon
ВидОзвучка текста
ГолосаTatyana, Maxim, Aditi, Amy, Astrid, Bianca и ещё 6
Языкиru, en, arb, cy, da, de, es, fr, hi, is и ещё 11
Текст за запросдо 3 000 знаков
Форматы звукаmp3, opus, wav, pcm
id для запросаamazon/polly-standard

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-standard, 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-standard",
    "voice": "Tatyana",
    "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-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()));

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 Standard — эта модель0,45 ₽ / 1000 знаковдо 3 000 знаковрусская озвучка коротких объявлений и меню, когда важны цена и разборчивость
Amazon Polly Generative — Amazon3,36 ₽ / 1000 знаковдо 3 000 знаковразговорные английские и европейские голоса с акцентами для ассистентов и рекламы
OpenAI TTS-1 — OpenAI1,68 ₽ / 1000 знаковдо 4 096 знаковкороткие подсказки и уведомления, где скорость ответа важнее тембра
Sprag Chorus — Sprag1,81 ₽ / 1000 знаковдо 4 096 знаковсводки и подсказки интерфейса на 10 языках одним набором готовых голосов
Soniox TTS v2 — Soniox1,58 ₽ / 1000 знаковдо 4 096 знаководин голос на многих языках и эмоции метками в тексте, русский есть
Kokoro 82M — Hexgrad1,12 ₽ / 1000 знаковдо 4 096 знакованглийская озвучка открытой моделью без своего сервера: уроки, статьи, черновики

Как устроен доступ

Весело — не разработчик Amazon Polly Standard: 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 Amazon Polly Standard звучит как робот?
Это движок склейки: он собирает речь из записанных звуков, а не порождает её нейросетью, как Neural и Generative. Поэтому интонация ровная, а паузы предсказуемые. Для объявлений и меню этого хватает, для аудиокниги — нет.
Есть ли у Amazon Polly другие русские голоса?
Нет. В таблице Amazon русские голоса — только Tatyana и Maxim, и оба работают только на стандартном движке. У нейронного, Long-Form и генеративного движков русского нет.
Работает ли SSML в Polly через ваш API?
Нет. Уходит простой текст, а теги вроде break или prosody модель получит как обычные символы. Паузы и темп задавай пунктуацией и разбивкой на короткие фразы.
Сколько стоит озвучить 100 000 знаков голосом Tatyana?
Около 45,00 ₽. Цена — 0,45 ₽ за 1000 знаков, а такой объём уйдёт несколькими запросами: за раз модель читает до 3 000 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