Введение
Отправьте текст для озвучки и, по желанию, предустановленный голос, короткую заметку о подаче и язык. Задача возвращает один аудиофайл с текстом, прочитанным этим голосом: MP3 24 кГц моно, если вы не задали output_format или sample_rate. speed, pitch и volume регулируют подачу. instructions принимает указания простым языком — тон, эмоции, темп или громкость — и не читается вслух. SpicyAPI не применяет фильтр контента, поэтому вы слышите тот сценарий, который отправили. Оплата — за каждые 1 000 символов отправленного текста.
| Характеристика | Значение |
|---|---|
| Ввод | Текст |
| Вывод | Аудио |
| Обязательное поле | text — от 1 до 5000 символов |
| Необязательные поля |
|
| Результат | Один аудиофайл: по умолчанию MP3 (24 кГц, моно), либо Ogg Opus |
| Тарифицируемое количество | Символы отправленного text, за каждую 1000 |
| Типичное время | Около 8 секунд на 300 символов |
| Хранение | Сгенерированный звук хранится 14 дней |
Параметры запроса
| Параметр | Обязательно | Описание |
|---|---|---|
text | Да | Слова, которые нужно произнести, в точности как написано. Тарификация за каждую 1000 символов, включая пробелы и знаки препинания. Не менее 1 символов · Не более 5000 символов |
voice_id | Нет | Один из 41 готовых голосов. Суффикс показывает, на какие языки рассчитан голос. |
instructions | Нет | Указание на простом языке о тоне, эмоции, темпе или громкости. Формирует подачу и не произносится. Не более 1000 символов |
speed | Нет | Скорость речи от 0,5 (медленнее) до 2 (быстрее); 1 — обычный темп голоса. Цену не меняет. |
pitch | Нет | Сдвиг высоты тона в полутонах, от -12 до 12; 0 сохраняет собственную высоту голоса. Цену не меняет. |
volume | Нет | Множитель громкости от 0,5 до 2; 1 — обычный уровень. Цену не меняет. |
language | Нет | Принудительно задаёт язык чтения. Оставьте пустым, чтобы он определялся по сценарию. |
output_format | Нет | Формат файла: mp3 (по умолчанию) или opus, то есть файл Ogg Opus, меньший по размеру при том же качестве. Цену не меняет. |
sample_rate | Нет | Частота дискретизации звука в Гц: 8000, 16000, 22050, 24000, 32000, 44100, 48000. По умолчанию: 24000. |
Стоимость
$0.072 / 1000 символов
Тарификация за каждую 1000 символов отправленного текста, включая пробелы и знаки препинания. Смета перед запуском — окончательная цена.
Сценарии использования
Озвучка для коротких видео
Закадровый текст для объясняющих роликов, клипов о товарах и постов в соцсетях. Цена фиксируется длиной сценария, поэтому вы знаете стоимость партии ещё до старта.
Многоязычный контент
Читайте один и тот же сценарий на английском, японском, испанском, немецком и других языках. Некоторые голоса рассчитаны на то, чтобы говорить на нескольких языках одним и тем же тембром.
Аудиоистории без цензуры
Сценарии озвучиваются как написано, какими бы смелыми они ни были. В наших тестах модель произносила каждое слово самых сильных монологов и описательных сцен, которые мы отправляли, без пропусков и обрывов.
Голоса персонажей
Дайте каждому персонажу готовый голос и однострочную заметку о манере речи — задыхающийся, сонный, дразнящий — и сохраняйте оба элемента на протяжении всей серии.
Руководство по промптам и практические советы
Отправьте сценарий в text
Напишите его в точности так, как он должен прозвучать, включая пунктуацию для пауз. До 5000 символов.
Выберите голос
По умолчанию
voice_id—stokie_en. Суффикс каждого голоса показывает, на какие языки он рассчитан, например _en или _ja_es.Опишите подачу
Напишите в instructions одно-два предложения, например «медленно, тихо и близко, будто говоришь с одним человеком». Это не читается вслух.
Что возвращается
Один аудиофайл на задачу: моно MP3 24 кГц, если не менять output_format или sample_rate. Файл копируется в хранилище SpicyAPI и хранится 14 дней. Результат не содержит пословных таймингов или субтитров.
Выбор голоса
voice_id принимает один из 41 готовых голосов, по умолчанию stokie_en. Суффикс каждого имени голоса перечисляет языки, на которые он рассчитан — tim_en это английский, minimi_ja японский, sven_de немецкий, jess_ja_es_id_pt_en_zh говорит на нескольких. Многоязычные голоса сохраняют один и тот же тембр на всех своих языках.
Управление подачей
instructions принимает одно-два предложения на простом языке о том, как читать: тон, эмоция, темп, громкость. Это формирует исполнение и не произносится. Для точных значений у speed (0,5–2), pitch (от -12 до 12 полутонов) и volume (0,5–2) есть собственные ползунки.
Формат вывода
output_format выбирает mp3 (по умолчанию) или opus, то есть файл Ogg Opus, меньший по размеру при том же качестве, а sample_rate — от 8000 до 48000 Гц. Цену ничто из этого не меняет.
Язык
Язык определяется по сценарию. language принудительно задаёт zh, en, ja, es-mx, id, pt-br, ko, it, de или fr, когда короткий или многоязычный сценарий читается не на том языке.
Тарификация
Тарификация за каждую 1000 символов text, включая пробелы, знаки препинания и переносы строк; instructions бесплатны. Число символов известно ещё до начала задачи, поэтому смета — это и есть окончательная сумма. Неудачные запросы не тарифицируются.
Контент
SpicyAPI не добавляет фильтра контента. В наших тестах даже самые сильные сценарии озвучивались слово в слово, без пропусков и без преждевременно оборванных клипов.
SpicyAPI не добавляет никакого контент-фильтра: NSFW-сценарии зачитываются в точности как написано. Вы несёте ответственность за отправляемые сценарии и за то, как используете полученный звук, включая недопустимость выдавать его за слова реального человека.
Быстрый старт API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "bytedance/seed-speech-2.0/text-to-speech",
"input": {
"text": "Welcome back. Your files finished rendering a minute ago and are ready to download.",
"voice_id": "stokie_en",
"output_format": "mp3"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Аутентификация, полная схема, опрос статуса и обработка ошибок описаны в справочнике API.