Към съдържанието

API за текст в реч за електронно обучение и озвучаване на курсове

Последователен глас на инструктор във всяка презентация, глава и езиково издание. 32 езика, 43 гласа, един REST endpoint.

Защо е важно.

  • Човешките наратори нарушават последователността на гласа при промени в сценария

    Когато промяна в съответствието засегне 10 от 200 слайда, човекският наратор презаписва тези 10 с малко различно разположение на микрофона, акустична среда и подаване. AI нарацията е детерминирана: същият текст, същият voice ID, същият акустичен характер, винаги.

  • Локализацията с човешки озвучители увеличава тройно разходите за производство

    Audexum създава френско, немско, испанско и японско издание на вашия курс, като подаде превода на сценария с променен lang. Броят на гласовете (43 гласа) и ценовата таблица са еднакви независимо от езика.

  • LMS платформите се нуждаят от аудио файлове, а не от вграден плейър

    Audexum връща двоичен WAV или MP3 файл. Съхранете го директно в S3, Cloudflare R2 или библиотеката с ресурси на вашата LMS система. Без iframe вграждания, без зависимост от плейър на трета страна и без изходяща CDN заявка от браузъра на обучаващия се по време на възпроизвеждане.

  • Бързата итерация на курсове изисква пакетно генериране

    Промените в сценария се случват в края на производството. Python цикъл върху JSON данните на вашите презентации може да генерира всички променени презентации за няколко минути. Страницата Batch в таблото на Audexum обработва масово синтезиране от CSV без писане на код.

Първо аудио за 60 секунди.

Без SDK. Една POST заявка, двоично аудио в тялото на отговора.

Python: последователно генериране на narration за курсови слайдове
"""
Generate narration audio for every slide in a course manifest.
manifest.json: [{"id": "s01", "lang": "en", "text": "Welcome..."}, ...]
"""
import json, pathlib, requests

API = "https://audexum.com/api/synthesize"
KEY = "sk_..."

slides = json.loads(pathlib.Path("manifest.json").read_text())
out_dir = pathlib.Path("audio")
out_dir.mkdir(exist_ok=True)

VOICE = "F1"   # consistent voice across all slides

for slide in slides:
    dest = out_dir / f"{slide['id']}_{slide['lang']}.mp3"
    if dest.exists():
        continue  # skip already-rendered slides

    r = requests.post(
        API,
        headers={"Authorization": f"Bearer {KEY}"},
        json={
            "text": slide["text"],
            "voice": VOICE,
            "lang": slide["lang"],
            "format": "mp3",
        },
        timeout=60,
    )
    r.raise_for_status()
    dest.write_bytes(r.content)
    print(f"Rendered {dest.name}")

print(f"Done: {len(slides)} slides.")

Пълен справочник на параметрите: audexum.com/docs. Формати: wav, mp3, ogg. Гласове: F1 до F5, M1 до M5 (общо 43 гласа). Езици: 33.

Без допълнителна такса според случая на употреба.

Every plan covers every use case at the same credit rate. Pack credits never expire, and dictation uses the same balance.

Пълни подробности за цените
Free
€0
2,000 + 250/day
Creator
€12/мес.
480,000 / mo
Pro
€29/мес.
1,200,000 / mo
Scale
€49/мес.
4,000,000 / mo
Business
€149/мес.
15,000,000 / mo
Пакети кредити
€7/мес.
250 000, не изтичат

Въпроси с отговори.

Може ли един и същ глас да озвучава на няколко езика?

Да. Идентификаторите на гласове (F1–F5, M1–M5) работят във всичките 32 езика. F1 на английски и F1 на френски използват едни и същи базови тегла на модела: обучаващите се чуват последователен глас на инструктор, независимо от езиковата версия, която изберат.

Как да запазя озвучаването синхронизирано след промяна в сценария?

Генерирайте наново само слайдовете, чийто текст се е променил. Тъй като Audexum е детерминиран (един и същ текст + един и същ глас = едно и също аудио), непроменените слайдове дават битово идентичен изход и могат безопасно да се кешират.

Какъв изходен формат очакват LMS платформите?

Повечето LMS платформи на базата на SCORM/xAPI (Moodle, Canvas, Articulate Rise) приемат MP3. Формат на заявката: "mp3" в API извикването. За съдържание, богато на SSML, или за много прецизен тайминг заявейте "wav" и го конвертирайте с ffmpeg при последващата обработка.

Има ли опция без код за дизайнери на учебни материали?

Страницата Batch (/batch) в таблото ви приема CSV с колони: text, voice, lang, filename. Тя създава всички редове и ви позволява да изтеглите ZIP файл. Не е необходим код.

Същото API, всеки случай на употреба.

Един endpoint обработва Discord ботове, озвучаване на подкасти, курсове за електронно обучение, аудио за достъпност и издания на бюлетини.

Разгледайте повече инструменти

More free voice, transcription and audio tools

Вижте всички

Започнете безплатно. Стартирайте бързо.