Перейти к содержимому

API преобразования текста в речь для доступности и создания аудиоверсий контента

Предоставляйте аудиоверсии письменного контента пользователям с нарушениями зрения, трудностями чтения или ситуативными ограничениями. Единый endpoint, 32 языка.

Почему это важно.

  • Программы чтения с экрана неправильно произносят технические термины и имена собственные

    Экранные читалки ОС (NVDA, VoiceOver) применяют общие фонетические правила. Audexum озвучивает точный текст обученным голосом TTS, поэтому имена собственные, названия продуктов и сокращения звучат естественнее. Готовое аудио также полностью исключает задержку экранного читалки.

  • WCAG 1.2.1 требует альтернативные аудиоверсии текстового содержимого

    Готовые аудиофайлы — простой способ выполнить требования критерия WCAG 1.2.1 (Аудио- и видеоконтент без сопровождения). Создайте MP3 для каждой статьи и свяжите его с элементом <audio> — и критерий выполнен для этого элемента контента.

  • Генерация по запросу обходится дороже, чем предварительная генерация в больших объёмах

    Для статического контента (записей блога, справочных материалов, юридических страниц) создавайте аудио при публикации и сохраняйте файл. Стоимость символов оплачивается один раз. При повторных посещениях раздача кэшированного MP3 не требует дополнительных вызовов API и ничего не стоит.

  • Многоязычной аудитории нужен звук на родном языке

    Если вы публикуете контент на 5 языках, одна интеграция с API генерирует аудио для всех 5. Не нужен отдельный TTS-провайдер для каждого языка и не требуется доплата за каждый язык.

Первое аудио через 60 секунд.

Без SDK. Один POST-запрос, в теле ответа — двоичный аудиофайл.

Python: создание аудиоверсии при публикации статьи
"""
Accessibility audio generator: called from your CMS publish webhook.
Stores one MP3 per article in /audio/<slug>.mp3 (or S3 / R2).
"""
import os, requests

API = "https://audexum.com/api/synthesize"
KEY = os.environ["AUDEXUM_API_KEY"]

def publish_audio_version(article_slug: str, body_text: str, lang: str = "en") -> str:
    """
    Render body_text as MP3, save to disk, return file path.
    Call this from your CMS publish hook.
    """
    r = requests.post(
        API,
        headers={"Authorization": f"Bearer {KEY}"},
        json={
            "text": body_text,
            "voice": "F1",          # warm, readable narrator voice
            "lang": lang,
            "format": "mp3",
        },
        timeout=120,
    )
    r.raise_for_status()

    dest = f"/var/www/audio/{article_slug}.mp3"
    with open(dest, "wb") as f:
        f.write(r.content)

    return dest   # link in your <audio src="..."> element

Полный справочник параметров: audexum.com/docs. Форматы: wav, mp3, ogg. Голоса: от F1 до F5, от M1 до M5 (всего 43 голоса). Языки: 33.

Никаких доплат за отдельные сценарии использования.

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

Полные цены
Free
€0
2,000 + 250/day
Creator
€12/mo
480,000 / mo
Pro
€29/mo
1,200,000 / mo
Scale
€49/mo
4,000,000 / mo
Business
€149/mo
15,000,000 / mo
Пакеты кредитов
€7/mo
250 000, не сгорают

Ответы на вопросы.

Поддерживает ли Audexum SSML для управления произношением?

Поддержка SSML находится в планах. Сейчас конечная точка для обычного текста покрывает большинство сценариев доступности. Если нужно раскрыть сокращения или переопределить фонемы, обработайте текст заранее, до вызова API.

Можно ли заранее создавать аудио для всего сайта документации?

Да. Переберите страницы контента, передайте текст каждой статьи и сохраните возвращённый MP3. Тариф PAYG (€28/1M кредитов) выгоден для крупных сайтов документации. Статья объёмом 1,000 слов (~5,000 кредитов) обойдётся примерно в €0,14.

Какой голос рекомендуется для озвучивания в целях доступности?

F1 (чёткая дикция, размеренный темп) и M1 (нейтральный, неспешный) показали лучшие результаты в пользовательском тестировании чтения длинных материалов. Оба голоса доступны на всех 32 языках.

Можно ли раздавать аудио по запросу, а не создавать его заранее?

Да. Вызовите API в обработчике маршрута сервера и передайте ответ в браузер в потоковом режиме. Медианная задержка составляет менее 200 ms для текстов короче 300 символов, что подходит для взаимодействий по запросу «прочитать этот абзац».

Инструменты и руководства для этого сценария использования.

Один API для любых сценариев использования.

Одна конечная точка обслуживает Discord-ботов, озвучивание подкастов, курсы электронного обучения, аудио для доступности и выпуски информационных рассылок.

Больше инструментов

More free voice, transcription and audio tools

Смотреть все

Начните бесплатно. Запускайте быстро.