Облачный API синтеза речи на базе голосов из LibriVox

Автор Команда редакторов KBD Speech · Обновлено 2026-11-18

Здесь описана архитектура и принципы работы независимого TTS-сервиса KBD Speech. Мы предоставляем доступ к API с голосами, записанными в рамках проекта LibriVox и опубликованными под лицензией CC BY 4.0. Это решение создано для фрилансеров и анимационных студий, которым нужен быстрый и дешевый синтез речи без лишних интерфейсов и ежемесячных подписок.

Мы не используем ваши тексты для обучения моделей и не храним сгенерированные аудиофайлы после отправки.

Облачный API синтеза речи на базе голосов из LibriVox

Часто задаваемые вопросы

Кто использует голоса в проекте?

Голоса основаны на лицензиях LibriTTS-R (CC BY 4.0) и записях из LibriVox (общественное достояние). Это озвучка книг, читаемых волонтерами. Мы не используем голоса известных личностей или политиков. Голоса являются синтезированными и содержат невидимый водяной знак, подтверждающий их искусственное происхождение.

Откуда взялись аудиозаписи для голосов?

Аудиозаписи взяты из LibriVox — библиотеки аудиокниг в общественном достоянии. Они лицензированы по стандарту CC BY 4.0. Мы используем эти записи как основу для синтеза речи. Это позволяет предоставлять качественные голоса без отступлений за авторские права на конкретные студии.

Используется ли мой текст для обучения моделей?

Нет. Ваш исходный текст используется исключительно для генерации аудиофайла в рамках текущего запроса. Он не сохраняется для обучения нейросетей или улучшения моделей в долгосрочной перспективе. После создания аудио текст больше не используется для анализа или улучшения алгоритмов синтеза.

Хранятся ли сгенерированные аудиофайлы?

Сгенерированные аудиофайлы не сохраняются на наших серверах. Они возвращаются вам в ответе на запрос и не хранятся после передачи. Мы сохраняем только метаданные запроса (время, объем символов, статус) для целей биллинга и учета использованных средств на вашем счету.

Есть ли гарантия доступности API?

Нет, мы не предоставляем SLA (соглашение об уровне обслуживания) и не гарантируем определенный процент доступности. API может быть недоступен во время технических работ или высоких нагрузок. Мы работаем без жестких обязательств по времени простоя, что характерно для независимых решений.

Можно ли использовать голоса в коммерческих проектах?

Да, голоса основаны на материалах CC BY 4.0 и LibriVox, что позволяет коммерческое использование. Вы можете озвучивать свои видео, подкасты и рекламные ролики. Мы не ограничиваем сферу применения аудиофайлов. Просто убедитесь, что соблюдаете условия лицензии исходных записей LibriVox.

Есть ли у нас сертификация GDPR?

У нас нет отдельной сертификации GDPR или других стандартов (SOC 2, HIPAA). Мы обрабатываем данные в соответствии с общими принципами, но не предоставляем официальных сертификатов соответствия. Это независимый продукт без корпоративных контрактов и сложных регуляторных обязательств для крупных энтерпрайз-клиентов.

Как связаться с поддержкой?

Поддержка осуществляется только по электронной почте. У нас нет номера телефона и живого чата. Вы можете написать нам на адрес, указанный на странице контактов. Мы отвечаем на письма в порядке очереди, без гарантии мгновенного ответа.

Есть ли мобильное приложение?

Официального мобильного приложения для iOS или Android у нас нет. Вы можете использовать наш API через браузер или скрипты на любом устройстве. Для интеграции используйте стандартный HTTP-запрос или SDK OpenAI, изменив базовый URL на наш API-эндпоинт.

Есть ли WordPress плагин?

У нас нет официального плагина для WordPress. Вы можете интегрировать TTS в свой сайт, написав простой скрипт на PHP или JavaScript, который будет отправлять текст на наш API. Это дает полный контроль над процессом генерации и встраиванием аудио на страницу.

Можно ли установить API на свой сервер?

Нет, API работает только в облаке. У нас нет версии для установки on-premise. Все вычисления происходят на наших серверах. Вы не можете развернуть наш движок синтеза речи на своем железе или в частном дата-центре для автономной работы.

Есть ли у нас офис в Москве?

У нас нет физического офиса. Мы — независимая команда, работающая удаленно. У нас нет телефонного номера и живого чата. Все коммуникации происходят через электронную почту. Это позволяет нам оставаться гибкими и не нести дополнительных расходов на аренду помещений.

Сколько сотрудников в команде?

Мы — небольшая независимая команда, поддерживающая API и веб-интерфейс. Наша структура минималистична, чтобы обеспечивать быструю работу сервиса без лишних бюрократических процессов. Мы фокусируемся на технической поддержке и развитии API, а не на масштабах штата.

Когда был основан проект?

Точная дата основания проекта не указана в наших публичных материалах. Мы сосредоточены на текущей работе API и предоставлении качественного сервиса фрилансерам. Наша история не является ключевым фактором для оценки надежности, так как мы опираемся на технические характеристики и прозрачные тарифы.

Кто мы

Иллюзация звуковой волны для: Кто мы

KBD Speech — это независимый облачный API синтеза речи, созданный разработчиками для разработчиков и фрилансеров. Мы не аффилированы с OpenAI, ElevenLabs, Google, Amazon, Microsoft или другими брендами. Наш продукт — это простой инструмент для генерации аудиофайлов через HTTP-запросы или веб-интерфейс без лишних подписок и сложных интеграций.

Независимая команда

Независимая команда

Мы работаем как единая команда инженеров, ориентированная на конкретные задачи, а не на масштабирование под требования энтерпрайза. Это позволяет нам поддерживать прямую связь с пользователями и быстро реагировать на технические нюансы без бюрократии крупных корпораций.

Фокус на фрилансеров

Фокус на фрилансеров

Наш продукт заточен под потребности фрилансеров в анимации и создании контента. Мы предоставляем API для генерации аудиофайлов. Никаких лишних интерфейсов — только то, что нужно для генерации аудио.

Простота и честность

Простота и честность

Мы отказались от сложных моделей ценообразования в пользу прозрачной тарификации: $10 за миллион символов. Вы платите только за результат, а неудачные запросы не списывают средства. Мы не обещаем недоступных функций, таких как потоковая передача или кастомное клонирование, и честно указываем технические ограничения.

Голоса и лицензии

Иллюзация звуковой волны для: Голоса и лицензии

Мы используем голоса из базы LibriTTS-R, которая основана на аудиозаписях из проекта LibriVox. Это позволяет нам предоставлять 8 предустановленных голосов.

База LibriTTS-R

База LibriTTS-R

Все восемь голосов (Aria, Nova, Luna, Sage, Felix, Milo, Atlas, Orion) построены на записях из набора LibriTTS-R. Это гарантирует стабильное качество и естественное звучание без артефактов синтеза.

Лицензия CC BY 4.0

Исходные записи распространены под лицензией Creative Commons Attribution 4.0 International. Это означает, что мы имеем право использовать их для коммерческой генерации аудио через API.

Записи из LibriVox

В основе базы лежат аудиокниги, записанные волонтерами проекта LibriVox. Большинство из них находятся в общественном достоянии, что обеспечивает юридическую чистоту для ваших проектов.

Политика данных

Иллюзация звуковой волны для: Политика данных

Мы строим систему прозрачно: ваш контент принадлежит вам, а не нам. В отличие от многих сервисов, мы не используем отправленный вами текст для дообучения моделей или создания тренировочных наборов данных. Это гарантирует, что ваши уникальные сценарии, коммерческие тексты и личные заметки останутся исключительно вашей интеллектуальной собственностью.

Текст не используется для обучения

Входной текст используется исключительно для генерации аудиофайла в рамках текущего запроса. Он не используется для обучения моделей.

Аудио не хранится

Сгенерированный аудиофайл возвращается вам в теле HTTP-ответа и не сохраняется на наших серверах после доставки. Мы не храним копии ваших озвучек, что снижает риски утечки контента. Ваш файл остается только на вашем устройстве или в вашем хранилище, куда вы его сохраните.

Метаданные для биллинга

Единственные данные, которые мы сохраняем, — это метаданные запроса: время, объем текста в символах и статус выполнения. Эта информация необходима исключительно для корректного начисления баланса и учета лимитов. Она не содержит содержимого ваших текстов и используется только для финансовых расчетов и контроля лимитов (60 запросов в минуту).

  • Время запроса
  • Количество символов
  • Статус обработки

Технические ограничения

Иллюзация звуковой волны для: Технические ограничения

API возвращает готовый аудиофайл после завершения синтеза. Нет поддержки WebSocket или потоковой отдачи фрагментов в реальном времени, что исключает интерактивные сценарии, требующие мгновенного отклика голоса на каждое слово.

Нет потоковой передачи

Вы получаете файл целиком (mp3, wav, opus, flac или pcm) после обработки запроса. Для длинных текстов аудио разбивается и склеивается на стороне клиента или сервера. Это стандартный подход для пакетной генерации озвучки видео или подкастов, где важна целостность файла, а не минимальная задержка.

Нет SSML

API не поддерживает язык разметки синтеза речи (SSML). Вы не можете задавать длительности пауз, интонацию или произношение через теги. Управление осуществляется только через параметр speed (0.25–4.0) для изменения темпа. Для точного контроля ритма лучше использовать пунктуацию в исходном тексте.

Нет кастомного клонирования

Мы не предлагаем загрузку эталонной записи для создания уникального голоса. Вы используете один из 8 предустановленных голосов (Aria, Nova, Luna, Sage, Felix, Milo, Atlas, Orion). Клонирование голоса требует отдельной модели и вычислительных ресурсов, что выходит за рамки текущего API.

  • Голоса основаны на записях из LibriVox
  • 8 стандартных пресетов
  • Без загрузки эталонного аудио
Технические ограничения

Отсутствие гарантий

Иллюзация звуковой волны для: Отсутствие гарантий

Мы предоставляем API-сервис без корпоративных обязательств. Это позволяет нам держать низкую цену и не переплачивать за инфраструктуру, гарантированную для крупных энтерпрайз-клиентов. Мы честно указываем ограничения, чтобы вы могли спланировать риски заранее.

Нет SLA

У нас нет официального соглашения об уровне обслуживания (SLA). Мы не компенсируем простои или задержки генерации аудио в случае перегрузки серверов или технических работ.

Нет гарантии 99.9%

Мы не обещаем конкретный процент доступности (например, 99.9% или 99.99%). Сервис может быть недоступен в часы пик или во время обслуживания. Для фрилансеров это обычно не критично, так как генерация занимает секунды.

Нет сертификаций SOC 2

У сервиса нет сертификатов SOC 2, HIPAA или GDPR. Мы не проходим аудиты со стороны сторонних организаций. Это независимый продукт, а не корпоративное решение для банков или медицины.

Контакты

Иллюзация звуковой волны для: Контакты

Мы — независимая команда, которая ценит ваше время. Вся поддержка осуществляется через email, что позволяет нам детально разбирать сложные технические кейсы без спешки. Мы не тратим ресурсы на поддержание колл-центров и живые чаты, которые часто дают ложное ощущение оперативности.

Email-поддержка

Все вопросы по API, биллингу или интеграции обрабатываются по адресу [email protected]. Мы отвечаем в рабочем порядке и предоставляем конкретные технические решения, а не шаблонные фразы.

Отсутствие телефона

У нас нет телефонного номера. Мы свяжемся с вами письменно.

Форма обратной связи

Для быстрых вопросов используйте форму ниже. Она автоматически теггирует запрос по категории (API, оплата, баги), что ускоряет маршрутизацию. Для технических деталей по API предпочтительнее писать на email, чтобы мы могли приложить логи и примеры кода.

Послушайте 8 голосов

Каждый образец ниже сгенерирован этим API из одного и того же предложения. Английский язык поддерживается всеми голосами с высокой точностью.

Аватар голоса aria
ariaженский
Аватар голоса nova
novaженский
Аватар голоса luna
lunaженский
Аватар голоса sage
sageженский
Аватар голоса felix
felixмужской
Аватар голоса milo
miloмужской
Аватар голоса atlas
atlasмужской
Аватар голоса orion
orionмужской

23 языка

Любой голос может говорить на любом из этих языков.

Источники и дополнительные материалы

  1. Wikipedia
  2. LibriTTS-R paper (arXiv 2305.18802)
  3. MDN: Web Speech API
  4. Creative Commons Attribution 4.0
  5. W3C WAI: making audio and video accessible
  6. LibriTTS-R corpus (OpenSLR 141)
  7. LibriVox public-domain audiobooks
  8. curl documentation
  9. openai-python on GitHub
  10. TRON developer hub: TRC-20
  11. IETF RFC 7845: Ogg Opus
  12. OpenAI API reference: create speech

Больше на этом сайте