Как перевести текст в речь: от выбора голоса до скачивания MP3

Превратить текст в сразу готовый MP3 — это всего три ключевых действия: привести текст к читаемому виду, выбрать голос под язык и после генерации прослушать до сохранения. Страница синтеза речи PixMind держит все три шага в одном интерфейсе: слева ввод текста со счётчиком символов в реальном времени, справа выбор голоса и параметров, результат воспроизводится на странице и скачивается после проверки.

Откройте синтез речи: возьмите продуктовое описание до 100 символов — первый аудиофайл будет у вас через несколько минут.

Главное

• В окне выбора голоса демо прослушиваются прямо на карточке; на уровне генерации движок Microsoft бесплатен и не требует регистрации, остальные — после входа в аккаунт с расходом кредитов по символам.
• Без входа — до 100 символов за раз и 2 бесплатные пробы; на бесплатном тарифе после входа лимит тот же, 100 символов, платная подписка расширяет его до 10 000.
• Ползунки скорости и громкости работают на всех движках, ползунок высоты тона появляется только у MiniMax; смена движка сбрасывает параметры к значениям по умолчанию.
• Сначала проверьте в плеере страницы имена, названия продуктов и длинные числа и лишь затем нажимайте скачивание — получите файл MP3.

Готовим текст, который удобно читать вслух

Разница в качестве генерации чаще создаётся текстом, а не параметрами. Один и тот же голос читает книжную длинную фразу и короткую фразу совершенно по-разному: переписать черновик в «разговорную речь» до генерации эффективнее, чем крутить ползунки.

Три приёма переписывания. Длинные фразы режьте коротко — один акцент на фразу, без книжных украшений вроде «обладает» и «призван». Числа и сокращения записывайте так, как хотите слышать: модель, сумма, год — отдельными словами. Паузы поручите пунктуации: запятая — короткая пауза, точка — вдох; не управляйте ритмом пробелами.

Пример на продуктовом описании. Исходник: «Данный продукт построен на новом поколении собственного движка и обладает высокой скоростью, стабильностью и простотой использования, удовлетворяя разнообразные потребности частных и корпоративных пользователей в широком наборе сценариев». Разговорная версия: «Это наше новое поколение движка. Он быстрый. И стабильный. Подойдёт и одному человеку, и команде».

Поле ввода обрезает текст по текущему лимиту, под ним счётчик «текущее / лимит» обновляется мгновенно. Значение лимита зависит от статуса входа — способ проверки описан в разделе о подтверждении квоты и ожидаемого расхода.

Фильтруем голоса по языку и слушаем демо

Правая панель по умолчанию держит голос, подобранный по языку интерфейса: русскому интерфейсу — русский голос, им можно сгенерировать первую версию сразу. Для смены голоса действуйте по порядку:

1. Нажмите «Выбрать голос» — откроется окно выбора.
2. В строке «Речевая модель» сверху переключите движок: Microsoft, Volcengine, MiniMax, Google, редкие языки. На каждой карточке указано текущее число голосов движка — точные цифры смотрите в интерфейсе.
3. Фильтром «Язык» выберите целевой язык. Список берётся из каталога голосов текущего движка и меняется вместе с движком.
4. При необходимости сузьте выбор фильтром «Пол» (женский, мужской) и поиском; справа сразу отображается счётчик «N голосов».
5. Наведите курсор на аватар голоса и нажмите воспроизведение — услышите демо; у голосов без демо появится подсказка «Для этого голоса нет прослушивания».
6. Нажмите «Выбрать» на понравившейся карточке: окно закроется, и панель справа обновится на этот голос.

Демо воспроизводит встроенный образец голоса, а не ваш текст; чтобы оценить реальное звучание, сгенерируйте короткую фразу и прослушайте её. Единственно верного движка нет: Microsoft бесплатен и широко покрывает языки, Volcengine позиционируется под дикторские начитки и аудиокниги, MiniMax — под рекламу и озвучание персонажей, Google охватывает больше языков и акцентов, движок редких языков — национальные и региональные языки. Пробуйте по одному-двум голосам под конкретную задачу — это надёжнее любых готовых выводов.

Настраиваем скорость, громкость и доступные параметры

В панели «Настройки речи» ползунки скорости и громкости доступны на всех движках, третий ползунок «Высота тона» появляется только у голосов движка MiniMax. Диапазоны различаются:

Параметры привязаны к движку, а не к голосу: при переходе на голос другого движка ползунки возвращаются к его значениям по умолчанию, прежние настройки не сохраняются. Кнопка «Сбросить параметры» под панелью вернёт значения по умолчанию в любой момент.

Порядок настройки держите фиксированным: первая генерация — на значениях по умолчанию; прослушав и поняв, что мешает — ритм или громкость, — двигайте соответствующий ползунок, по одному за раз, иначе не услышите, какое изменение сработало.

После генерации слушаем и скачиваем MP3

Когда текст и голос готовы, нажмите «Сгенерировать речь»; на время генерации кнопка покажет «Генерация…». Перед отправкой проверяются текст, голос и число символов: при несоответствии сразу появится подсказка, и ждать не придётся. С результатом работайте в таком порядке:

1. Прослушайте целиком в плеере внизу страницы. Плеер показывает прогресс, текущее время, общую длительность и имя использованного голоса, позицию можно тащить.
2. Сверьте три категории контента: имена, названия продуктов, длинные числа. Здесь вероятность ошибки чтения максимальна.
3. Нашлась проблема — вернитесь к тексту: поменяйте написание или пунктуацию, сгенерируйте новую версию; новый результат заменит предыдущий.
4. После проверки нажмите «Скачать MP3»: файл сохранится с именем на pixmind-tts- и расширением .mp3.

Полный пример аудио (голос: Юньси):

Страница хранит только один результат: для нескольких аудио генерируйте и скачивайте отрывок за отрывком.

Как проверить квоту и ожидаемый расход до начала

Квоту не нужно угадывать — всё видно прямо под полем текста. Перед генерацией сверьте три места:

1. Счётчик «X / Y символов»: без входа и на бесплатном тарифе Y равен 100, на платной подписке — 10 000.
2. Подпись у счётчика: без входа — «Бесплатных проб: 2 · не более 100 символов на пробу», на бесплатном тарифе после входа — «Бесплатным пользователям — до 100 символов за раз».
3. «Ожидаемый расход»: с движком Microsoft показывается «бесплатно», кредиты не списываются; с платными движками выводится число кредитов из расчёта 10 кредитов на 100 символов, неполные 100 символов считаются как 100.

Когда пробы без входа исчерпаны, сервер отклонит генерацию и покажет окно входа; после входа работа продолжается. Прослушивание демо в окне выбора голоса этим лимитом не ограничено — слушайте когда угодно.

Частые вопросы

Какие голоса доступны бесплатно?

Все голоса с демо прослушиваются в окне выбора без входа. На уровне генерации два класса: голоса движка Microsoft бесплатны и генерируются без регистрации — без входа действуют 2 пробы по 100 символов; голоса Volcengine, MiniMax, Google и редких языков требуют входа и расходуют кредиты по символам. Проверка простая: посмотрите, что стоит в строке «Ожидаемый расход» — метка «бесплатно» или число кредитов.

В каком формате скачивается файл?

MP3. После каждой генерации нажмите «Скачать MP3» справа от плеера: имя файла начинается с pixmind-tts- и содержит отметку времени генерации. Страница хранит один результат, поэтому несколько фрагментов генерируются и скачиваются по очереди.

Как разбивать длинный текст?

Сначала уточните текущий лимит: без входа и на бесплатном тарифе — 100 символов за раз, на платной подписке — 10 000; излишек не сгенерируется. Режьте по абзацам или группам фраз и генерируйте каждый отрывок отдельно. В пределах одного текста держите один голос и помните, что смена движка сбрасывает скорость и громкость к значениям по умолчанию — запишите свои настройки до разбивки.

Сгенерируйте первый MP3 прямо сейчас

Начните с продуктового описания до 100 символов: перепишите короткими фразами, выберите русский голос, сгенерируйте с параметрами по умолчанию, прослушайте целиком — и только потом решайте, менять ли скорость или голос. Когда первый MP3 скачан, более длинные тексты — просто повторение того же процесса.

Откройте синтез речи.