Весело
Весело

Soniox TTS v2: озвучка по API

Soniox TTS v2 — модель озвучки от Soniox, вышла 11 августа 2026 года. Она говорит на 60+ языках, и каждый голос читает на любом из них, даже если язык меняется посреди фразы. Подачу задают метки в квадратных скобках: [warm], [whispering], [laughs]. Голосов — 200, а за раз модель читает до 4 096 знаков.

  • 1,58 ₽ за 1000 знаков
  • до 4 096 знаков
  • текст → звук

soniox/tts-rt-v2

Обновлено:

Получить ключ Попробовать Документация

Попробовать Soniox TTS v2

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! [warm] Спасибо, что остаёшься с нами. Новый выпуск уже в приложении.»

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

Цены Soniox TTS v2 в рублях

Текст — считаем по знакам1,58 ₽ 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.

Пуш-уведомления и сообщения в приложении: 5 000 уведомлений по 70 знаковОколо 553,00 ₽
Один голос бренда для нескольких стран: 300 фраз по 90 знаков на трёх языкахОколо 127,98 ₽
Аудиосценки с эмоциями: сцена на 2 000 знаковОколо 3,16 ₽
Карточки для изучения языков: 400 карточек по 100 знаковОколо 63,20 ₽

Что умеет Soniox TTS v2

  • 60+ языков, среди них русский, украинский, белорусский и казахский. Казахский — только кириллицей, сербский и боснийский — только латиницей (языки Soniox).
  • Любой голос читает на любом языке, а с v2 ещё и переключается между языками внутри одного предложения.
  • Метки пишут по-английски при любом языке текста: эмоции ([happy], [calm], [serious]), звуки ([laughs], [sighs], [gasps]), громкость и темп ([whispering], [loudly], [slowly]), паузы ([pause], [long pause]). Полный список — в документации Soniox.
  • Подачу меняет и оформление текста: ПРОПИСНЫЕ — громче, слово в звёздочках вроде *очень* — ударение, многоточие — пауза.
  • По словам Soniox, v2 точнее v1 читает имена, термины, числа, коды, адреса и номера.
  • Ответ — MP3, Opus, FLAC, WAV или PCM.

Где применять

Пуш-уведомления и сообщения в приложении

Сообщение «спасибо, что с нами» и напоминание о брошенной корзине не должны звучать одинаково, даже если читает один голос. Метка [warm] перед фразой просит тёплую подачу, [excited] — радостную, [calm] — ровную. Так из одного диктора получается целый набор интонаций под разные поводы, а сам текст уведомления остаётся обычным, без разметки вокруг каждого слова. Фразу с меткой удобно хранить в шаблоне уведомления: подставляешь имя или название выпуска, и подача остаётся прежней.

Пример запроса: «Привет! [warm] Спасибо, что остаёшься с нами. Новый выпуск уже в приложении.»

Стоимость: 5 000 уведомлений по 70 знаков — около 553,00 ₽.

Один голос бренда для нескольких стран

Магазин работает в России и Казахстане, и приложение говорит с людьми на их языке. У Soniox голос не привязан к языку: один и тот же диктор читает по-русски, по-казахски и по-английски, а v2 справляется и с фразой, где языки смешаны. Казахский текст пиши кириллицей — латиницу Soniox для него не поддерживает, и это легко пропустить. Зато голос бренда не придётся искать заново для каждой страны: тембр в рекламе, приложении и на горячей линии останется тем же.

Пример запроса: «Сәлеметсіз бе! Ваш заказ уже в пути.»

Стоимость: 300 фраз по 90 знаков на трёх языках — около 127,98 ₽.

Аудиосценки с эмоциями

Сценке для подкаста или обучающего ролика нужен не диктор, а актёр: шёпот, вздох, испуг. Метки Soniox ставятся прямо перед репликой и действуют на текст после неё. Держи не больше двух меток подряд: длинные цепочки Soniox прямо не советует, они дают невнятный результат. И помни, что метка не переспорит текст: радостную подачу грустной фразе она не навяжет. Реплики разных героев удобно озвучивать разными голосами и склеивать после.

Пример запроса: «[whispering] Слышишь? [pause] [nervous] Кажется, дверь открылась сама.»

Стоимость: сцена на 2 000 знаков — около 3,16 ₽.

Карточки для изучения языков

В приложении для языков фразу нужно сказать медленно, дать паузу на повтор и сказать ещё раз. У Soniox для этого есть метки [slowly] и [long pause], а читать модель может на любом из своих 60+ языков. Набор карточек для английского, турецкого и японского собирается одной моделью и одним голосом, который ученики узнают с первого слова. Метку [long pause] ставь там, где человек должен успеть повторить фразу вслух.

Пример запроса: «[slowly] Повтори за мной: доброе утро. [long pause] Ещё раз: доброе утро.»

Стоимость: 400 карточек по 100 знаков — около 63,20 ₽.

Как писать запрос

  • Метки — только по-английски и только из списка Soniox: незнакомую метку модель может прочитать вслух.
  • Звуки, которые голос должен произнести словами, — «хм», «ага», «уф» — пиши обычным текстом, без скобок.
  • Не злоупотребляй повторами: «нееет» и три восклицательных знака работают, а десять уже портят подачу.

Характеристики

РазработчикSoniox
ВидОзвучка текста
ГолосаAdrian, Aarav, Aiman, Alessandro, Alistair, Alonso и ещё 6
Языкиru, en, af, ar, az, be, bg, bn, bs, ca и ещё 53
Текст за запросдо 4 096 знаков
Форматы звукаmp3, opus, flac, wav, pcm
id для запросаsoniox/tts-rt-v2

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: soniox/tts-rt-v2, 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": "soniox/tts-rt-v2",
    "voice": "Adrian",
    "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="soniox/tts-rt-v2",
    voice="Adrian",
    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: 'soniox/tts-rt-v2', voice: 'Adrian', 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
Soniox TTS v2 — эта модель1,58 ₽ / 1000 знаковдо 4 096 знаководин голос на многих языках и эмоции метками в тексте, русский есть
Soniox STT v6 — Soniox0,19 ₽ / миндо 2 ч звукафоновая расшифровка записей на 60+ языках, когда ответ может подождать
Fish Audio S2.1 Pro — Fish Audio3,36 ₽ / 1000 букв кириллицыдо 4 096 знаковживая озвучка роликов и уроков с эмоциями, описанными своими словами
Sprag Chorus — Sprag1,81 ₽ / 1000 знаковдо 4 096 знаковсводки и подсказки интерфейса на 10 языках одним набором готовых голосов
Grok TTS — xAI (Grok)1,68 ₽ / 1000 знаковдо 4 096 знаковживая озвучка со смехом, паузами и шёпотом по тегам в тексте, на русском и ещё 19 языках
Orpheus 3B — Canopy Labs1,68 ₽ / 1000 знаковдо 4 096 знакованглийские реплики с живыми звуками — смех, вздох, кашель — метками в тексте

Версии и отличия

  • soniox/tts-rt-v1 — первая версия, апрель 2026 года. С 31 августа 2026-го Soniox сама отправляет запросы к ней на v2, так что отдельной модели больше нет.

Как устроен доступ

Весело — не разработчик Soniox TTS v2: модель выпускает Soniox. 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

Говорит ли Soniox TTS v2 по-русски?
Да, русский есть в официальном списке, и любой из 200 голосов читает по-русски. Перед запуском послушай два-три голоса в «Попробовать» и выбери тембр под продукт.
Можно ли озвучить фразу, где русский перемешан с английским?
Да. Переключение языка внутри одного предложения — одно из главных нововведений v2. Названия брендов и английские термины в русском тексте можно оставить латиницей.
Чем Soniox TTS v2 отличается от первой версии?
По описанию Soniox, в v2 появились метки эмоций и звуков, смена языка внутри фразы, более точное произношение имён и чисел и меньше тишины между предложениями. Запросы к v1 вендор уже перенаправляет на v2.
Во сколько обойдётся озвучка 10 000 знаков на Soniox TTS v2?
Около 15,80 ₽. Цена — 1,58 ₽ за 1000 знаков, а длинный текст отправляй частями до 4 096 знаков.
Нужны ли VPN и зарубежная карта для Soniox TTS v2?
Нет. Запросы идут на https://veselo.ai/v1, а API-счёт пополняется в рублях — картой российского банка или по СБП.
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%.

Ещё по теме

Факты сверены 16 ноября 2026 по документации: docs.soniox.com