РУКОВОДСТВО

API Supertonic 3: в облаке или на своём сервере

Supertonic 3 — открытая модель синтеза речи: небольшая, быстрая на обычном процессоре и говорящая на 31 языке. Она распространяется как файлы модели, поэтому, чтобы вызывать её из приложения по HTTP, нужен сервер, который её запускает. Путей два: облачный API или свой сервер.

SuperClonica даёт оба. API озвучки запускает голоса Supertonic 3 на наших воркерах, а бесплатный движок — ту же модель на вашей машине, в наших замерах примерно в 1,6 раза быстрее стокового кода на процессоре и в 1,7 раза на видеокарте.

Получить API-ключ бесплатно Послушать голоса Supertonic 3 Или запустить движок у себя

Вариант 1: облачный API

Войдите в SuperClonica через Google или GitHub, создайте ключ в разделе «API озвучки» рабочего пространства и отправьте текст:

curl -o hello.ogg https://superclonica.com/api/v1/speech -H "Authorization: Bearer $SUPERCLONICA_KEY" -H "Content-Type: application/json" -d '{"text": "Привет от Supertonic 3!", "voice": "F1", "language": "ru"}'

Ответ — сам аудиофайл, по умолчанию ogg, по запросу mp3 или wav; с "stream": true звук начинает играть от 300 мс в наших замерах при любой длине текста.

  • Бесплатно: минута звука в день.
  • «Старт», $5 в месяц: до 216 часов в месяц при работе без перерывов и все голоса каталога.
  • Голоса: десять стоковых, голоса каталога от авторов и ваши обученные голоса.
  • До 20 000 символов за запрос; длинные тексты озвучиваются кусками на нескольких воркерах сразу.

Вариант 2: свой сервер

Движок SuperClonica работает как бесплатный Docker-сервер со своим HTTP API, без ключа и лимитов:

docker run -d -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu

При первом запуске скачивается модель; дальше POST /synthesize отвечает WAV. Настройки, ключи и подготовку к продакшену описывает гайд про API озвучки в Docker.

Что выбрать

Облачный API — когда нужно начать за минуты, нет сервера или видеокарты, нужен поток для длинных текстов или голоса каталога без возни с файлами. Свой сервер — когда тексты не должны покидать вашу инфраструктуру, когда вы озвучиваете так много, что своё железо дешевле, или когда нужна работа офлайн. Голоса и формат запроса близки, поэтому переход между ними потом — небольшая правка.

Ограничения Supertonic 3

Supertonic 3 говорит на 31 языке, но китайского пока нет. Лицензия OpenRAIL-M разрешает коммерческое использование в рамках своих ограничений, включая правила об обмане и о голосах реальных людей. Новые голоса — это файлы стиля, а не мгновенные клоны: в SuperClonica голос можно обучить по своей записи или выбрать в каталоге.