Синтез речи по API
без задержек

18 голосов, стриминговый вывод, поддержка SSML и клонирования. Средняя задержка первого байта — 180 мс.

Начать бесплатно

Стриминг

Аудио отдаётся чанками по 20 мс — можно проигрывать до окончания генерации.

Мультиязычность

Русский, английский, немецкий и испанский. Автоопределение языка по тексту.

Голоса

12 нейтральных, 6 эмоциональных. Клонирование по 30 секундам записи.

curl -X POST https://tts.spaceponyenjoyer.ru/agents/tts \
  -H "Authorization: Bearer $PONYVOICE_TOKEN" \
  -d '{"text":"Привет, мир","voice":"nova-1","format":"mp3"}'