Проверьте на своём аудио
Откройте SpeechKit Playground в консоли — загрузите файл или введите текст и послушайте результат прямо в браузере. Код не нужен, дальше в статье — пошаговая инструкция.
Yandex SpeechKit Playground: как быстро протестировать синтез и распознавание речи
Инструмент помогает проверить, как работают технологии преобразования аудио в текст и текста в аудио в Yandex Cloud — без кода и сложных настроек.
19 июня 2025 г.
10 минут чтения
Yandex SpeechKit Playground даёт возможность в удобном интерфейсе протестировать технологии Yandex SpeechKit: преобразовать аудио в текст или синтезировать речь из текста. Инструмент подойдёт бизнесу, исследователям, менеджерам проектов и создателям контента. В статье рассказываем, как начать с ним работу. Сервис доступен через консоль.
Распознавание речи: преобразование аудио в текст
Yandex SpeechKit Playground предлагает базовые возможности распознавания аудио. Для более гибких настроек, например потокового распознавания аудио в реальном времени или асинхронной обработки файлов до четырёх часов, можно использовать API SpeechKit.
Yandex SpeechKit Playground распознаёт аудио на 16 языках: немецком, английском, испанском, финском, французском, иврите, итальянском, казахском, голландском, польском, португальском, бразильском португальском, русском, шведском, турецком, узбекском.
Язык каждого отдельного предложения в аудиофайле определяется автоматически.
Для распознавания аудиофайлов в Yandex SpeechKit Playground необходимо:
- В поле «Язык» выбрать нужный из списка или оставить «Автоматически».
- Включить нормализацию текста (опционально) — позволяет представлять даты и время в цифровом формате, преобразовывать числа из словесного в цифровой формат, а также открывает доступ к дополнительным уровням нормализации.
- Добавить аудиофайл через кнопку «Выбрать файл» или перетащить его в область загрузки (максимальный размер — 60 МБ)
- Нажать кнопку «Распознать».
- Дождаться завершения процесса. Время зависит от размера файла.
Синтез речи: преобразование текста в аудио
Yandex SpeechKit Playground поддерживает 29 голосов: 1 немецкий, 1 английский, 1 на иврите, 4 казахских, 19 русских и 3 узбекских. Синтезированная речь в каждом случае звучит по‑разному: голос может быть строгим, дружелюбным или нейтральным, в зависимости от задачи.
Для синтеза речи из текста нужно:
- Ввести текст в центральное поле. Максимальная длина — 5000 символов.
- Настроить параметры в блоке «Настройки синтеза»: язык и голос, амплуа, скорость речи, высота голоса, формат аудиофайла.
- Запустить синтез кнопкой «Синтезировать и воспроизвести».
- Сохранить результат с помощью кнопки скачивания.
Для тонкой настройки произношения можно использовать элементы разметки текста.
|
Описание |
Спецсимволы и теги |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Как и в случае с распознаванием аудио, Yandex SpeechKit Playground предоставляет базовые возможности синтеза речи. Для более гибких сценариев используйте API SpeechKit: потоковое распознавание аудио в реальном времени (до 5 минут и до 10 МБ данных) или асинхронную обработку файлов длительностью до 4 часов (до 60 МБ в теле запроса). Для быстрой обработки коротких аудиозаписей до 30 секунд и размером до 1 МБ подходит синхронное распознавание API SpeechKit.
После теста: тарифы и технические лимиты Yandex SpeechKit
Использование решений Yandex SpeechKit тарифицируется. Стоимость зависит от операции, версии API и режима работы.
Сравнительная таблица решений и их тарифов
|
Категория |
Тип |
Принцип тарификации |
Растчётная единица/стоимость |
|
Распознавание речи |
Синхронное и потоковое |
Зависит от длительности |
15‑секундный сегмент одноканального аудио с округлением вверх |
|
Асинхронное |
Зависит от длительности, количества каналов и модели |
Единица тарификации — 1 секунда двухканального аудио. Отрезки меньшей длительности округляются в большую сторону. Количество каналов округляется до четного числа. Минимум начисляется 15 секунд за каждые два канала. Аудио меньшей длительности тарифицируется, как 15 секунд. |
|
|
Синтез речи |
API v1 |
Зависит от общего числа символов в месяц |
Символ |
|
API v3 |
Зависит от числа запросов в месяц |
Запросы длиннее 250 символов или 24 секунд в режиме unsafe_mode тарифицируются по количеству расчётных единиц в 250 символов с округлением вверх |
|
|
Пустые запросы |
Минимальная тарификация |
К API v1 — как один символ, к API v3 — как одна расчётная единица |
Запросы, завершившиеся с внутренней ошибкой сервера, не тарифицируются.
Подробнее о технологии SpeechKit Brand Voice и возможностях создания уникального голоса расскажет отдел продаж или менеджер поддержки. Связаться с ними можно через техническую поддержку или форму обратной связи.
Когда Playground станет мал
Потоковое распознавание в реальном времени и асинхронная обработка файлов до четырёх часов доступны через API SpeechKit — начните с документации, тарифы считаются по фактическому использованию.
