Перейти к содержимому

Многоязычный API для синтеза речи: 33 языка через один REST endpoint (2026)

Audexum8 минBy Petar

Как использовать многоязычный API преобразования текста в речь для создания аудио на 32 языках с помощью одного REST-запроса. Локализация приложений, глобальные контентные процессы, изучение языков и цены.

Создание продукта для глобальной аудитории означает, что аудио нужно генерировать на языке, на котором действительно говорят ваши пользователи. Многоязычный API TTS позволяет сделать это с помощью одной интеграции, не работая с отдельными сервисами для каждого языка.

В этом руководстве описано, как Audexum TTS API поддерживает 32 языка, как переключаться между ними в коде и для каких сценариев особенно полезен многоязычный синтез.

Почему многоязычный TTS сложно сделать качественным

Большинство поставщиков TTS хорошо поддерживают английский, а ко всему остальному относятся по остаточному принципу. Типичные проблемы:

  • Протекание акцента: модель обучена на английском языке и неправильно произносит символы нелатинских письменностей
  • Отсутствующие языки: поддержка заявлена на главной странице, но фактически работает лишь несколько голосов
  • Нет переключения языка для каждого запроса: для каждой локали нужен отдельный ключ API или эндпоинт
  • Пробелы в фонетике: для таких языков, как арабский, японский и хинди, требуются специальные правила преобразования графем в фонемы, которые дешёвые модели пропускают

Готовый к промышленной эксплуатации многоязычный API требует отдельных моделей для каждого языка, а не одной модели с языковым флагом.

Подход Audexum

Audexum использует отдельные модели голоса для каждого языка, а не одну многоязычную модель. Благодаря этому произношение точно для письменностей на основе знаков (японской, корейской, арабской) и тональных языков, и вызывающей стороне не нужно передавать фонетические подсказки.

API принимает параметр language вместе с voice_id. Если вы передаете голос, обученный на определённом языке, отдельно задавать language отдельно; он определяется автоматически. В пограничных случаях, когда в тексте смешаны разные письменности, передача явного кода языка обеспечивает корректную токенизацию.

Поддерживаемые языки

Audexum поддерживает 32 языка и 43 голоса. Вот 20 самых востребованных:

LanguageBCP-47 CodeVoices AvailableScript
English (American)en-US6Latin
English (British)en-GB4Latin
Spanishes4Latin
Frenchfr3Latin
Germande3Latin
Italianit2Latin
Portuguesept2Latin
Arabicar2Arabic
Hindihi2Devanagari
Japaneseja3CJK
Koreanko2Hangul
Bulgarianbg2Cyrillic
Russianru2Cyrillic
Polishpl1Latin
Dutchnl1Latin
Turkishtr1Latin
Swedishsv1Latin
Romanianro1Latin
Vietnamesevi1Latin
Indonesianid1Latin

Полный список 32 языков доступен через /api/v1/voices эндпоинт.

Примеры кода

Получить список голосов по языку

python
import requests

API_KEY = "sk_live_abc123xyz"

voices = requests.get(
    "https://audexum.com/api/v1/voices",
    headers={"Authorization": f"Bearer {API_KEY}"},
).json()

# Group by language
by_language = {}
for v in voices:
    by_language.setdefault(v["language"], []).append(v["voice_id"])

for lang, ids in sorted(by_language.items()):
    print(f"{lang:10s}: {', '.join(ids)}")

Синтезировать речь на определённом языке

python
import requests

API_KEY = "sk_live_abc123xyz"
API_URL = "https://audexum.com/api/v1/tts"

def synthesize(text: str, voice_id: str, output_file: str):
    response = requests.post(
        API_URL,
        headers={
            "Authorization": f"Bearer {API_KEY}",
            "Content-Type": "application/json",
        },
        json={"text": text, "voice_id": voice_id},
    )
    response.raise_for_status()
    with open(output_file, "wb") as f:
        f.write(response.content)

# Japanese
synthesize(
    text="こんにちは、Audexumへようこそ。",
    voice_id="ja_female_01",
    output_file="welcome_ja.wav",
)

# Arabic
synthesize(
    text="مرحبًا بك في Audexum.",
    voice_id="ar_female_01",
    output_file="welcome_ar.wav",
)

# German
synthesize(
    text="Willkommen bei Audexum.",
    voice_id="de_female_01",
    output_file="welcome_de.wav",
)

Пакетный конвейер локализации

Этот подход пригодится, если вы ведёте таблицу строк и должны создавать аудиофайлы для каждой локали:

python
import requests
from pathlib import Path

API_KEY = "sk_live_abc123xyz"
API_URL = "https://audexum.com/api/v1/tts"

STRINGS = {
    "en_us_female_01": "Your order has been confirmed.",
    "es_female_01":    "Tu pedido ha sido confirmado.",
    "fr_female_01":    "Votre commande a été confirmée.",
    "de_female_01":    "Ihre Bestellung wurde bestätigt.",
    "ja_female_01":    "ご注文が確定しました。",
    "ko_female_01":    "주문이 확정되었습니다.",
    "ar_female_01":    "تم تأكيد طلبك.",
    "hi_female_01":    "आपका ऑर्डर कन्फर्म हो गया है।",
}

output_dir = Path("audio_assets")
output_dir.mkdir(exist_ok=True)

for voice_id, text in STRINGS.items():
    lang_code = voice_id.split("_")[0]
    response = requests.post(
        API_URL,
        headers={"Authorization": f"Bearer {API_KEY}"},
        json={"text": text, "voice_id": voice_id},
    )
    if response.ok:
        out = output_dir / f"order_confirmed_{lang_code}.wav"
        out.write_bytes(response.content)
        print(f"Wrote {out}")
    else:
        print(f"Failed {voice_id}: {response.status_code}")

Запуск этого решения для 8 локалей создаёт 8 файлов WAV менее чем за 10 секунд и расходует около 400 символов квоты.

Сценарии использования

Локализация приложений

Мобильные и веб-приложения всё чаще используют голос как интерфейсный слой: озвучку онбординга, сообщения об ошибках вслух, режим доступности. Создание аудио в локали пользователя во время сборки, а не во время работы приложения, устраняет задержку и обеспечивает доступ офлайн.

Описанный выше пакетный подход подходит для этого случая: вы ведёте файл перевода, запускаете синтез в составе CI-конвейера и публикуете аудиофайлы вместе с пакетом приложения.

Глобальные контентные конвейеры

Записывать подкасты, видео YouTube и курсы по электронному обучению на нескольких языках дорого. Аудио TTS для переведённых сценариев значительно снижает стоимость производства, сохраняя приемлемое качество для второстепенного контента.

Типичный рабочий процесс: перевести сценарий с помощью API перевода, выполнить синтез в Audexum и совместить результат с исходным музыкальным фоном. Получается готовый к публикации контент по цене лишь части стоимости записи в студии.

Приложения для изучения языков

При изучении языка важны чёткое и точное произношение — именно то, что обеспечивает TTS на основе нативной модели. Создание аудио по запросу вместо предварительной записи фиксированного списка слов позволяет охватить произвольный словарь и любые конструкции предложений без студии звукозаписи.

Точность фонетики Audexum для нелатинских письменностей (арабской, японской, корейской, деванагари) делает продукт подходящим для аудиоупражнений с повторением слов, где неправильное произношение активно мешает обучению.

Голосовые помощники и чат-боты

Боты для международной аудитории должны отвечать на языке пользователя. Определение языка пользователя и выбор подходящего voice_id для каждого запроса — это всего лишь один дополнительный параметр в вызове TTS.

Тарифы

Все 32 языка доступны на любом тарифе; доплата за языки не предусмотрена.

PlanCredits/moPriceEffective per 1M
Free2,000 + 250/day€0—
Pro1,200,000€29€24.17
Scale4,000,000€49€12.25
Business15,000,000€149€9.93
Credit packs250,000 to 3,500,000, never expirefrom €7€25.71 to €28

Для сравнения: ElevenLabs берёт около $165–200 за 1 млн символов по публичным тарифам, OpenAI TTS — $15/1 млн. Подписчики тарифов Audexum получают эффективные ставки от €9,93/1 млн (Business) до €24,17/1 млн (Pro), а разовый пакет стоит €28/1 млн. И Audexum — единственный провайдер с постоянным бесплатным тарифом и едиными кредитами для диктовки.

Бесплатного тарифа (2 000 кредитов на старте, банковская карта не нужна) достаточно, чтобы протестировать синтез на каждом нужном языке перед переходом на платный план.

Как начать

  • Зарегистрируйтесь на audexum.com/signup. Банковская карта для бесплатного тарифа не нужна
  • Скопируйте sk_live_ ключ из панели управления
  • Вызовите /api/v1/voices чтобы получить текущий список голосов и выбрать нужный voice_id значения
  • Подставьте эти ID в пакетный скрипт выше

Полная справка по API, включая синтаксис переопределения фонем для сложных случаев, доступна на audexum.com/docs.


Автор — Petar, основатель Audexum. Создаём многоязычный TTS, который действительно корректно работает с письменностями, не основанными на латинице.

Got any questions left?

Поделиться отзывом

Была ли эта статья полезна?

Следующая статьяЛучший бесплатный тариф Text to Speech API в 2026 году: что вы действительно получите

Начните бесплатно. Без карты.

2,000 кредитов для начала, 250 в день.