НейроАПИ
Модели и ценыДокументацияИнтеграцииКомпаниямНовости
RU
ВойтиПолучить ключ
Audio API

API распознавания и синтеза речи в России

Как устроен аудио-контур NeuroAPI: распознавание файлов, синтез речи и мультимодальные модели — с проверкой доступности и стоимости на своём сценарии.

От записи до текста и обратно за 4 шагаЧастые вопросы
Проверено: 19 октября 20265 мин чтения
Короткий ответ

Распознавание речи через /v1/audio/transcriptions и синтез через /v1/audio/speech: модели whisper-1, tts-1 и qwen omni, примеры запросов и проверка на пилоте.

2

аудио-эндпоинта

POST /v1/audio/transcriptions и POST /v1/audio/speech — по документации на 19.10.2026.

whisper-1

распознавание речи

Публичный каталог 19.10.2026; доступность зависит от тарифа и ключа.

tts-1

синтез речи

Публичный каталог 19.10.2026; модель и голоса сверяйте в карточке.

Omni

мультимодальные модели

qwen3-omni-flash, qwen3.5-omni-flash, qwen3.5-omni-plus: аудио-вход и аудио-выход в потоковом режиме.

Два маршрута

Запись в текст — POST /v1/audio/transcriptions (multipart/form-data). Текст в аудио — POST /v1/audio/speech (JSON).

Модели по задаче

В публичном каталоге на 19.10.2026: whisper-1 для распознавания, tts-1 для синтеза, qwen omni для мультимодальных диалогов.

Один ключ

Аудио-запросы идут через тот же API-ключ и базовый адрес https://neuroapi.host/v1, что и текстовые модели.

Доступность по тарифу

Набор моделей зависит от ключа и тарифа: проверяйте карточку модели и ответ GET /v1/models.

От записи до текста и обратно за 4 шага

  1. 01

    Проверьте доступные модели

    Откройте карточку модели на /price и сверьте список для вашего ключа через GET /v1/models: так вы увидите актуальные ID и единицу тарификации.

  2. 02

    Распознайте запись

    Отправьте файл multipart/form-data на POST /v1/audio/transcriptions с model=whisper-1 и response_format=json, затем сохраните поле text.

  3. 03

    Синтезируйте аудио

    Отправьте JSON на POST /v1/audio/speech с model=tts-1, полями input и voice; speed и response_format сверьте с документацией модели.

  4. 04

    Сравните на своём наборе

    Оцените качество на записях и фразах вашего языка, проверьте расход в кабинете и только после этого включайте сценарий в production.

Аудио-запросы используют тот же ключ и базовый адрес, что и текстовые модели; набор моделей зависит от тарифа.

Распознавание речи: запись в текст

Распознавание речи (ASR) преобразует аудиофайл в текст. Запрос передаёт файл через multipart/form-data на POST /v1/audio/transcriptions; ответ в формате json содержит поле text. Ключ передаётся в заголовке Authorization: Bearer и не должен попадать в клиентский код.

Перед интеграцией определите, что именно нужно продукту: только текст, временные метки, разделение говорящих или подсказки по языку. Эти возможности зависят от модели, и их нельзя переносить с одной модели на другую автоматически — проверяйте карточку и документацию.

Начните с короткой тестовой записи на языке ваших пользователей, с типичным шумом и терминологией. Для длинных файлов подготовьте части с сохранённым порядком и временными смещениями: каждый отправленный фрагмент — отдельный оплачиваемый запрос.

  • POST /v1/audio/transcriptions — распознавание, multipart/form-data.
  • Обязательные поля в минимальном примере: model и file.
  • response_format=json возвращает поле text в минимальном контракте.
  • Дополнительные поля и форматы ответа проверяйте для конкретной модели.

Синтез речи: текст в аудио

Синтез речи (TTS) принимает JSON на POST /v1/audio/speech. В минимальном запросе указываются model, input и voice; дополнительные параметры — speed и response_format — зависят от выбранной модели и документации.

Документация NeuroAPI описывает OpenAI-совместимый контракт синтеза: модели tts-1 и tts-1-hd, голоса alloy, echo, fable, onyx, nova и shimmer, форматы mp3, opus, aac, flac, wav и pcm. Перед production сверьте доступность модели и голосов для вашего ключа: наличие поля в общей спецификации не гарантирует его поддержку каждой моделью NeuroAPI.

Синтез удобно проверять на коротких фразах: сравните разборчивость, интонации и произношение имён и терминов на вашем контенте. Для озвучки интерфейсов заранее решите, как обрабатывать кэш и повторную генерацию одного и того же текста.

  • POST /v1/audio/speech — синтез, JSON.
  • Поля минимального запроса: model, input, voice.
  • speed и response_format проверяйте по документации модели.
  • Восприятие голоса оценивайте на своих текстах, а не по описанию.

Какие модели доступны

Публичный каталог на 19.10.2026 включает модели распознавания whisper-1 и синтеза tts-1. Отдельная группа — мультимодальные qwen3-omni-flash, qwen3.5-omni-flash и qwen3.5-omni-plus: они принимают аудио и могут отвечать аудио, но у линейки Omni аудио-выход доступен только в потоковом режиме — это контракт модели, а не общего эндпоинта распознавания.

Наличие аудио-входа у модели не означает поддержку Transcriptions API: для распознавания файла используйте ASR-эндпоинт, а для диалога с мультимодальной моделью — формат генерации текста. Точный список доступных моделей отдаёт GET /v1/models, назначение и цена указаны в карточке на /price.

Доступность зависит от тарифа API-ключа: разные ключи могут видеть разные наборы моделей. Проверяйте это до интеграции, а не в момент запуска production.

Сценарии и ограничения

Типичные задачи: расшифровка встреч и звонков, субтитры, голосовые интерфейсы, озвучка контента, мультимодальные ассистенты. Для каждой задачи важны свои свойства модели: точность на терминах, устойчивость к шуму, поддержка языка, скорость и стоимость единицы.

Ограничения тоже зависят от модели: допустимые кодеки и размер файла, длительность записи, набор голосов и форматов ответа. Единого подтверждённого лимита для всех моделей нет, а параметры из текстового поля «контекст» нельзя считать ограничением аудиофайла.

Если запрос отклонён, проверьте ключ, ID модели, наличие файла и формат; затем разберите код ошибки. При таймауте не повторяйте отправку файла слепо: обработка могла уже начаться, и повторная отправка создаст дополнительную оплачиваемую операцию.

Пилот и контроль расходов

Подготовьте небольшой набор записей с проверенной расшифровкой и набор фраз для синтеза. Сравните качество, измерив ошибки на одинаковых правилах нормализации, и отдельно оцените время ответа — оно зависит от длины файла и модели.

Стоимость смотрите в карточке модели на /price: единицей может быть запрос, длительность или другая величина в зависимости от модели. Число слов в полученном тексте не является универсальной мерой стоимости распознавания.

Для контроля бюджета выпускайте отдельные ключи под аудио-задачи и ограничивайте лимиты. Так расходы на распознавание и синтез не смешиваются с текстовыми экспериментами.

Распознавание записи

bash
curl --fail-with-body https://neuroapi.host/v1/audio/transcriptions \
  -H "Authorization: Bearer $NEUROAPI_API_KEY" \
  -F 'model=whisper-1' \
  -F 'file=@./recording.wav' \
  -F 'response_format=json'

Синтез речи

bash
curl --fail-with-body https://neuroapi.host/v1/audio/speech \
  -H "Authorization: Bearer $NEUROAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"tts-1","input":"Привет! Это проверка синтеза речи.","voice":"alloy","response_format":"mp3"}' \
  --output speech.mp3

Проверьте аудио-сценарий на своём файле

Распознавание, синтез и мультимодальные модели через один ключ и base_url https://neuroapi.host/v1. Начните с одной короткой записи и одной фразы, чтобы сверить результат, задержку и списание.

Создать API-ключДокументация по аудио

Модели и единицы тарификации — по каталогу на 19.10.2026; проверяйте карточку модели перед запуском.

На этой странице

  1. От записи до текста и обратно за 4 шага
  2. Распознавание речи: запись в текст
  3. Синтез речи: текст в аудио
  4. Какие модели доступны
  5. Сценарии и ограничения
  6. Пилот и контроль расходов
  7. Частые вопросы

Проверить подробнее

Документация по распознаваниюTranscriptions API: запрос, ответ и проверка качества.Документация по синтезуSpeech API: модели, голоса и форматы ответа.Модели и ценыModel ID и стоимость в рублях по карточке модели.Ошибки и лимитыКоды ошибок и правила повторных запросов.ИнтеграцииПодключение клиентов через OpenAI-совместимый адрес.Для бизнесаКорпоративный контур, счёт и документы.

Частые вопросы

Чем распознавание речи отличается от синтеза?
Распознавание (ASR) превращает аудиофайл в текст через POST /v1/audio/transcriptions. Синтез (TTS) генерирует аудио из текста через POST /v1/audio/speech. Это разные эндпоинты с разными форматами запроса и моделями.
Какие модели доступны для аудио?
В публичном каталоге на 19.10.2026 есть whisper-1 для распознавания, tts-1 для синтеза и мультимодальные qwen3-omni-flash, qwen3.5-omni-flash, qwen3.5-omni-plus. Доступность зависит от ключа и тарифа — проверяйте карточку модели и GET /v1/models.
Можно ли вызывать аудио через OpenAI SDK?
OpenAI-совместимый базовый адрес и контракт эндпоинтов позволяют использовать привычные клиенты, если модель поддерживает нужный режим. Перед production проверьте на своей модели параметры, формат ответа и ошибки.
Нужен ли отдельный ключ для аудио?
Нет, аудио-запросы работают с тем же ключом, что и текстовые модели. Отдельный ключ под аудио удобен, если вы хотите считать и ограничивать расходы на распознавание и синтез раздельно.
Сколько стоит распознавание или синтез?
Стоимость зависит от модели и единицы тарификации — она указана в карточке модели на /price. Мы не фиксируем конкретную цену в тексте: каталог обновляется, проверяйте актуальные значения.
Что делать при таймауте аудио-запроса?
Не отправляйте файл повторно автоматически: обработка могла уже начаться. Сначала проверьте историю запросов и расход в кабинете, затем разберите код ошибки и только потом принимайте решение о повторе.

Полезные разделы

  • Оплата и документыКарта, счёт, ЭДО — для физлиц и компаний.
  • ТарифыПилот, Смарт и Оптимальный: что выбрать.
  • ИнтеграцииCline, Roo Code, Open WebUI, Cursor и другие.
  • Image APIГенерация изображений через единый ключ.
  • Аналог OpenRouterМиграция на OpenAI-совместимый API в рублях.
  • Как получить ключРегистрация, тариф и первый запрос.
  • FAQКлючи, модели, оплата, документы и лимиты.
  • Audio APIРаспознавание и синтез речи через единый ключ.
  • Китайские AI-моделиQwen, DeepSeek, GLM, Kimi и MiniMax.
НейроАПИwork@empatra.ai

Продукт

  • Empatra Studio
  • API ключи
  • Image API
  • Модели и цены
  • Тарифы
  • Интеграции
  • Оплата и документы
  • Для бизнеса
  • Сравнение моделей
  • Реферальная программа

Модели

  • OpenAI API
  • Claude API
  • Gemini API
  • DeepSeek API
  • Qwen API
  • Video API

Разработчикам

  • Быстрый старт
  • FAQ
  • Base URL и эндпоинты
  • Миграция с OpenAI
  • Миграция с OpenRouter
  • Форматы API
  • Примеры кода
  • Аутентификация
  • Цены
  • Ошибки

Руководства

  • Методология
  • API для бизнеса в России
  • Обработка данных
  • OpenAI-compatible API
  • Подключение Codex CLI
  • Codex Desktop
  • Подключение Claude Code
  • Claude Desktop Code
  • Аналог OpenRouter
  • Сравнение с ProxyAPI
  • Договор и счёт
  • Закрывающие документы
  • Оплата криптой

Компания

  • О нас
  • Реквизиты
  • Статус сервиса
  • Безопасность и данные

Поддержка

  • Центр поддержки
  • Сообщество
  • Telegram

ООО «Эмпатра»

ИНН 3849110584·ОГРН 1253800016370

664019, Иркутская область, г. Иркутск,
ул. Освобождения, д. 131/1

Цены на сайте указаны без НДС.

Публичная офертаПолитика обработки персональных данныхСогласие на обработку персональных данных

© 2026 НейроАПИ. Все права защищены.

Главная
Новости
Войти
Цены
Документация