РУКОВОДСТВО

Офлайн-альтернатива синтезу речи OpenAI

Эндпоинт синтеза речи OpenAI сделал озвучку текста одним вызовом API. По документации OpenAI, его модели объявлены устаревшими и отключаются 6 января 2027 года, а замена работает через другой API. Если интеграцию всё равно переписывать, самое время спросить, должна ли речь вообще уходить с ваших серверов.

Бесплатный движок SuperClonica запускает Supertonic 3 как ваш собственный HTTP-сервис на обычном процессоре — со стандартными, каталожными или обученными голосами. В этом руководстве — честное сравнение и то, как заменить эндпоинт.

Выбрать голос Установить движок SuperClonica

Почему стоит перейти сейчас

Голоса OpenAI хорошие, и начать с ними быстро; причины перейти — контроль и стоимость, а не качество.

  • Модели эндпоинта синтеза речи, tts-1, tts-1-hd, gpt-4o-mini-tts, объявлены устаревшими и отключаются 6 января 2027 года.
  • Замена работает через Realtime API — это другой способ работы, так что код всё равно меняется.
  • Каждый запрос отправляет ваш текст в облачный сервис и оплачивается по объёму.
  • Без интернета и ключа API нет и речи.

Сравните звучание бесплатно

На странице любого голоса вставьте типичную фразу из вашего приложения, от 30 до 100 символов, выберите язык и нажмите «Озвучить». Через несколько секунд вы услышите, может ли он заменить нынешний голос, без регистрации.

Замените эндпоинт

В большинстве приложений озвучка вызывается в одном месте, поэтому замена обычно занимает несколько строк.

  • Запустите сервер на любом процессоре: docker run -d -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu.
  • Отправляйте POST /synthesize с полями text, voice и lang; в ответ приходит 16-битный моно-WAV.
  • Формат не совместим с OpenAI: небольшой адаптер переводит input в text, а имена ваших голосов — в M1–M5, F1–F5 или ваши файлы голосов.
  • Задайте SUPERCLONICA_API_KEY и держите сервер за HTTPS или в частной сети.

Свои голоса

Вместо фиксированного набора встроенных голосов выбирайте из более чем 170 голосов каталога, у каждого есть бесплатное демо, или из бесплатных голосов в репозитории superclonica/supertonic-voices на GitHub. Для собственного голоса обучите его в студии SuperClonica по чистой записи диктора, который дал согласие, на компьютере с видеокартой NVIDIA, или закажите на бирже. Файл голоса передаётся в каждом запросе, поэтому сервер не хранит голоса.

Когда OpenAI остаётся лучшим выбором

Supertonic 3 говорит на 31 языке, китайского среди них нет; синтез речи OpenAI поддерживает китайский и больше языков. Движок не принимает письменных указаний о тоне: подача задаётся голосом и пунктуацией. А облачный API не требует своего сервера. Если это важнее всего — оставайтесь на OpenAI; если важнее приватность, стоимость и свои голоса — держите озвучку у себя.