Весело
Весело

Inworld TTS-2: озвучка по API

Inworld TTS-2 — основная модель озвучки компании Inworld, которая делает голосовые нейросети для приложений и игр. Русский у неё в первой группе языков, которые вендор проверял тщательнее всего. Голосов с русским — 25, среди них Алёна, Дмитрий, Светлана и Тимофей. Подачу задают указаниями в квадратных скобках по-английски. Цена — 2,80 ₽ за 1000 знаков.

  • 2,80 ₽ за 1000 знаков
  • до 2 000 знаков
  • текст → звук

inworld/inworld-tts-2

Обновлено:

Получить ключ Попробовать Документация

Попробовать Inworld TTS-2

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: «Привет! Я голос твоего приложения. Могу читать новости, напоминать о делах и рассказывать сказки на ночь.»

Голос: Alyona

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

Цены Inworld TTS-2 в рублях

Текст — считаем по знакам2,80 ₽ 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.

Голос приложения или ассистента: 2 000 ответов ассистента по 150 знаковОколо 840,00 ₽
Сказки на ночь: сказка на 1 800 знаковОколо 5,04 ₽
Реплики игровых персонажей: 1 000 реплик по 80 знаковОколо 224,00 ₽
Коды, инструкции и номера: 3 000 сообщений по 60 знаковОколо 504,00 ₽

Что умеет Inworld TTS-2

  • 94 языка в двух первых группах качества. Русский — в первой, вместе с ещё 14 языками, которые Inworld проверяла тщательнее остальных (языки Inworld).
  • 200 голосов, из них 25 — с русским: Алёна, Аркадий, Дмитрий, Елена, Глеб, Полина, Снежана, Тимофей и другие.
  • Указания подачи пишут прямо в тексте, по-английски: [whisper in a hushed style], [say sadly with deliberate pauses]. Указание действует до следующего или до [reset] (как это устроено).
  • Отдельные звуки ставятся метками: [laugh], [breathe], [sigh], [clear throat], [cough].
  • За один запрос — до 2 000 знаков, звук приходит в MP3, WAV или PCM.

Где применять

Голос приложения или ассистента

Помощнику в приложении нужен голос, который слушают каждый день и который не утомляет к концу недели. Озвучка текста на русском у Inworld TTS-2 — это 25 голосов, так что выбирать можно под аудиторию и характер продукта, а не брать первый попавшийся. Ответ ассистента уходит в API обычным текстом, а нужное настроение задаёт одно указание в скобках в начале фразы. Короткие ответы укладываются в один запрос, длинные режь по предложениям.

Пример запроса: «Доброе утро! Сегодня три встречи, первая в десять. Напомнить за пятнадцать минут?»

Стоимость: 2 000 ответов ассистента по 150 знаков — около 840,00 ₽.

Сказки на ночь

Сказку читают тише и медленнее, чем новости. Указание [say softly with warmth] в начале задаёт мягкую подачу на весь текст, пока его не сменит другое указание или [reset]. Сказку длиннее 2 000 знаков режь по абзацам: каждый кусок — отдельный запрос, и указание повтори в начале каждого, иначе второй кусок прозвучит обычным голосом. Для разных героев сказки можно взять разные голоса: у ёжика — Тимофей, у мамы-ежихи — Полина.

Пример запроса: «[say softly with warmth] Жил-был ёжик, который боялся темноты. Однажды вечером он увидел светлячка.»

Стоимость: сказка на 1 800 знаков — около 5,04 ₽.

Реплики игровых персонажей

Персонажу мало правильных слов: вздох перед ответом или смешок посреди фразы делают реплику живой. У Inworld TTS-2 такие звуки ставятся метками [sigh], [laugh] или [cough] прямо в нужное место текста. В документации Inworld перечислены смех, вдох, вздох, покашливание и кашель; остальное в скобках модель понимает как указание подачи, а не как звук. Поэтому [shout] — это «крикни», а не звук крика.

Пример запроса: «[sigh] Опять ты? [laugh] Ладно, заходи, только ничего не трогай.»

Стоимость: 1 000 реплик по 80 знаков — около 224,00 ₽.

Коды, инструкции и номера

Когда голос диктует код подтверждения или шаги инструкции, нужна чёткость, а не эмоции. Указание [articulate clearly] просит произносить каждое слово отчётливо. Цифры пиши словами через запятую — так у каждой будет своя пауза и человек успеет записать. В конце длинной инструкции [reset] вернёт обычную подачу, если дальше идёт что-то другое. Код из четырёх цифр удобно повторить дважды — второй раз без указания, обычным голосом.

Пример запроса: «[articulate clearly] Код подтверждения: четыре, восемь, один, пять.»

Стоимость: 3 000 сообщений по 60 знаков — около 504,00 ₽.

Как писать запрос

  • Указание пиши по-английски и ставь перед текстом, к которому оно относится.
  • Не смешивай в одной метке противоположное вроде «громко и шёпотом».
  • Подстраивай указание под смысл: весёлая подача грустного текста, по словам Inworld, портит результат.

Характеристики

РазработчикInworld AI
ВидОзвучка текста
ГолосаAlyona, Arkady, Dmitry, Elena, Galina, Gleb и ещё 6
Языкиru, en, ar, de, es, fr, hi, it, ja, ko и ещё 3
Текст за запросдо 2 000 знаков
Форматы звукаmp3, wav, pcm
id для запросаinworld/inworld-tts-2

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: inworld/inworld-tts-2, 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": "inworld/inworld-tts-2",
    "voice": "Alyona",
    "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="inworld/inworld-tts-2",
    voice="Alyona",
    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: 'inworld/inworld-tts-2', voice: 'Alyona', 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
Inworld TTS-2 — эта модель2,80 ₽ / 1000 знаковдо 2 000 знаковрусская озвучка с указаниями подачи прямо в тексте: приложения, игры, сказки
Inworld STT-1 — Inworld AI0,28 ₽ / миндо 2 ч звукаголосовые и короткие записи на 30 языках, когда язык заранее неизвестен
Cartesia Sonic 3.6 — Cartesia4,18 ₽ / 1000 знаковдо 4 096 знаковслужебные фразы на русском: уведомления, коды, очередь, ответы бота
MiniMax Speech 2.8 HD — MiniMax11,18 ₽ / 1000 знаковдо 4 096 знаковаудиогиды, курсы и реклама, где качество голоса важнее цены за знак
Fish Audio S2.1 Pro — Fish Audio3,36 ₽ / 1000 букв кириллицыдо 4 096 знаковживая озвучка роликов и уроков с эмоциями, описанными своими словами
Eleven v4 — ElevenLabs8,94 ₽ / 1000 знаковдо 4 096 знаковэмоциональная озвучка персонажей, спектаклей и уроков на русском и других языках

Версии и отличия

  • inworld/inworld-tts-2-flash — TTS-2 Flash: быстрее и дешевле, голоса те же. Указания подачи в скобках она пропускает, а звуки [laugh] и [sigh] работают.

Как устроен доступ

Весело — не разработчик Inworld TTS-2: модель выпускает Inworld AI. 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

Какие русские голоса есть у Inworld TTS-2?
Голосов с русским — 25: Алёна, Аркадий, Дмитрий, Елена, Галина, Глеб, Григорий, Лев, Николай, Оксана, Полина, Родион, Руслан, Снежана, Степан, Светлана, Тамара, Тимофей, Вадим, Егор, Юлия и другие. В запросе имя пишется латиницей: Alyona, Dmitry, Svetlana.
Как пополнить Inworld из России?
Запрос «inworld пополнить» обычно про кабинет самой Inworld, а его пополнить мы не можем: это их аккаунт и их оплата. Но если нужна сама озвучка или распознавание Inworld для своего кода, их модели есть у нас по API с оплатой в рублях. Для модов к играм, которые ходят в Inworld напрямую со своим ключом, наш ключ не подойдёт.
Можно ли заставить голос Inworld шептать?
Да: поставь [whisper in a hushed style] перед фразой. Указание действует и на следующие предложения, поэтому там, где шёпот должен закончиться, добавь [reset].
Сколько стоит озвучить 2 000 знаков на Inworld TTS-2?
Около 5,60 ₽ — это один полный запрос: больше 2 000 знаков за раз модель не принимает. Цена — 2,80 ₽ за 1000 знаков.
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.
Можно ли использовать результат в рекламе и соцсетях?
Можно: мы не претендуем на результат, использовать его можно любым законным способом, не нарушая прав других людей. Только не выдавай его за голос, лицо или слова настоящего человека — так требуют правила API.
Нужны ли VPN и зарубежная карта для Inworld TTS-2?
Нет. Запросы идут на https://veselo.ai/v1, а API-счёт пополняется в рублях — картой российского банка или по СБП.

Ещё по теме

Факты сверены 16 ноября 2026 по документации: docs.inworld.ai