// neuro speech
Отечественные модели Neuro ASR и Neuro TTS для синтеза и распознавания русской речи.
neuro_tts_v2neuro_asr_v2REST · WebSocket
// голос для бизнеса
Выведите свой бизнес на новый уровень с помощью передовых голосовых AI-решений, созданных на базе собственных технологий, легко интегрируемых в существующую инфраструктуру и готовых масштабироваться вместе с вашим бизнесом.
// 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. TTFA p50 менее 120 мс.
«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 файлы в любом распространённом формате и поток PCM на 8 или 16 кГц. Возвращает 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.
файлы: wav · mp3 · ogg · flac · m4a · поток: PCM 8 / 16 кГц
// 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
РФ
Обработка, хранение и резервные копии на серверах на территории России.
152-ФЗ · 242-ФЗ
Обработка, хранение и резервные копии на серверах на территории РФ. Требование о локализации баз персональных данных выполнено.
хранение
Аудио и текст запроса к API живут в оперативной памяти, пока идёт обработка, и удаляются после ответа. Для обучения моделей не используются. Записи, которые вы загрузили в историю распознавания в консоли, хранятся, пока вы их не удалите.
реестр минцифры
Продукт включён в Единый реестр российских программ для ЭВМ и баз данных.
// 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. Трансграничной передачи нет ни в одном из вариантов.
Запросы к API не храним: аудио и расшифровка находятся в оперативной памяти на время обработки и удаляются после ответа, в обучение моделей не попадают. Записи, загруженные в историю распознавания в консоли, хранятся, пока вы их не удалите.
Модель определяет качество, задержку и режимы работы. Голос задаёт тембр и манеру 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 Start включено 1 для синтеза и 3 для распознавания, на Pro 3 и 10, на Scale 5 и 20, на Business 10 и 40. С тарифа Pro каждый дополнительный поток стоит 1 000 ₽ в месяц (подробнее в тарифах).
Да. Free открывает Playground: 20 минут синтеза или распознавания в месяц, карта не нужна. Доступ к API открывается на платных тарифах от 500 ₽ в месяц.
// 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.