// neuro speech
Neuro TTS и Neuro ASR — собственные модели синтеза и распознавания русской речи. API по REST и WebSocket, wav и pcm на 8, 16 и 24 кГц, облако в России или установка в ваш контур.
neuro_tts_v2neuro_asr_v2REST · WebSocket
// голос для бизнеса
Обе модели разработаны и обучены командой Neuro.net. Подключение по REST или WebSocket без SDK, concurrency под пиковую нагрузку по тарифу или договору, размещение в облаке Neuro.net в России или в вашем контуре.
// отрасли
Типовые задачи по отраслям: что делает синтез, что — распознавание, какие ограничения важны.
Первая линия, исходящие кампании, подтверждение заявок и статусов.
Динамические реплики вместо записанных фраз, расшифровка для контроля качества
Уведомления о платежах, верификация, работа с задолженностью.
Суммы, даты и номера договоров озвучиваются без ручной нарезки
Подтверждение заказов, интервалы доставки, обратная связь.
Пиковая нагрузка в часы доставки: concurrency под расписание
IVR, автоинформирование, обслуживание абонентской базы.
Голосовые агенты для поддержки абонентов, телемаркетинга и проведения опросов.
Запись на приём, напоминания, подтверждение визитов.
Данные не покидают контур: доступна установка on-premise
Озвучивание курсов, инструкций и материалов, доступность интерфейсов.
Пакетная генерация по расписанию, голоса каталога
// синтез речи
neuro_tts_v2 держит поток до конца реплики. Голос не плывёт на длинных фразах и не спотыкается на числах и аббревиатурах.
Аудио отдаётся фрагментами по мере генерации. Агент начинает говорить раньше, чем модель досчитала фразу.
«3 500 ₽» читается как «три тысячи пятьсот рублей», а не по символам. Нормализация внутри модели.
pcm 8000 Гц отдаётся напрямую: пересемплировать на своей стороне не нужно.
POST с текстом и voice_id возвращает поток аудио. Ключ в заголовке, JSON в теле.
// распознавание речи
neuro_asr_v2 принимает телефонный звук 8 кГц и записи 16 и 24 кГц в wav или pcm. На выходе — текст с пунктуацией, сегменты с таймингами и уверенность модели по фрагменту.
Что возвращает модель
// audio → text
audio → text
Отправьте запись целиком и получите расшифровку с сегментами, таймингами и уверенностью.
Двусторонний канал для живого диалога: промежуточные гипотезы по ходу речи, финал по паузе.
wav · pcm · 8000 / 16000 / 24000 Гц
// размещение
Одни и те же модели. Разница только в том, где они выполняются и кто отвечает за инфраструктуру.
Модели работают в российских дата-центрах. Вы получаете ключ и начинаете сразу: железо, обновления и мониторинг на нас.
Ставим те же модели внутрь вашего периметра: на собственные серверы или в частное облако. Аудио не выходит за границу сети.
// соответствие
Служба безопасности заказчика задаёт эти вопросы первыми. Ответы собраны здесь, документы передаём по запросу.
РФ
Обработка, хранение и резервные копии — на серверах на территории России.
152-ФЗ · 242-ФЗ
Обработка и хранение на серверах на территории РФ. Требование о локализации баз персональных данных выполняется.
трансграничная передача
Аудио, тексты и метаданные не передаются в иностранные юрисдикции. Зарубежные подрядчики к обработке не привлекаются.
хранение
Аудио и расшифровки живут в RAM на время запроса и удаляются после ответа. На диск не пишем, для обучения моделей не используем.
реестр минцифры
Продукт включён в Единый реестр российских программ для ЭВМ и баз данных.
документы
Заключаем поручение на обработку персональных данных по 152-ФЗ, NDA и согласуем регламент информационной безопасности.
изоляция
Когда политика запрещает внешние сервисы, ставим модели в ваш контур, и данные не покидают периметр вовсе.
// демо агента
Голосовой агент на моделях Neuro.net: распознавание, ответ и синтез в одном потоке. Спросите, как устроен синтез или распознавание, или просто поболтайте. Это живой разговор, не запись.
// вопросы
В облачном варианте — на серверах в российских дата-центрах. В on-premise — на вашем железе. Трансграничная передача не осуществляется ни в одном из вариантов.
Нет. Аудио и расшифровки находятся в оперативной памяти на время обработки запроса и удаляются после ответа. На диск не пишутся, в обучение моделей не попадают.
Модель определяет качество, задержку и режимы работы. Голос — тембр и манера речи внутри модели. В запросе указываются и модель, и голос.
По длительности аудио: синтезированного для TTS, поданного на вход для ASR. Тарификация посекундная, округления вверх до минуты нет.
Число одновременных запросов, которые обрабатываются без очереди. На Старте включено 5 для синтеза и 10 для распознавания, на Профи 10 и 20, на Бизнесе 20 и 40; каждый дополнительный поток стоит 1 000 ₽ в месяц (подробнее в тарифах).
Да. Free открывает Playground: 50 минут синтеза в месяц, карта не нужна. Доступ к API открывается на платных тарифах от 2 000 ₽ в месяц.
// enterprise
Пиковые нагрузки, выделенные лимиты, установка внутри периметра и SLA в договоре.
Обсудить внедрение// начать
Синтез на этой странице работает без регистрации: введите текст, выберите голос, нажмите «Синтезировать». Регистрация бесплатна: личный кабинет с playground, историей запросов и учётом минут.