Наш контент сейчас существует только в виде текста, и мы хотим дать пользователям возможность его слушать. Задача — подключить современный синтез речи так, чтобы статьи, карточки и уведомления можно было озвучить одним нажатием естественным ИИ-голосом. Ключевое требование — качество звучания: голос должен быть похож на живого диктора, с адекватной интонацией и паузами, а не на механический автоответчик. Начать планируем с русского, но архитектуру сразу закладываем многоязычной, чтобы позже добавить другие языки без переделок.
По сути нужен сервис-прослойка: он получает текст, обращается к нейросетевому TTS-движку, сохраняет готовый звук в кэше и отдаёт его на сайт и в мобильный клиент. Пользователю показываем компактный аудиоплеер — воспроизведение, пауза, перемотка по дорожке, регулировка скорости и кнопка скачивания файла. Параллельно эти же возможности должны быть доступны через REST API с ключами доступа, чтобы наши другие сервисы могли заказывать озвучку автоматически, пакетами. Отдельно просим продумать разбиение длинных материалов на фрагменты и аккуратную склейку аудио, а также кэш, чтобы не оплачивать повторный синтез одного и того же текста.
В планах — собственный фирменный голос, поэтому провайдера и структуру кода выбирайте с прицелом на такую возможность. От исполнителя ждём:
— работающий модуль синтеза речи с настройкой голосов и языков;
— встраиваемый плеер, эндпоинты API и короткую инструкцию по использованию;
— кэширование и корректную обработку больших объёмов текста.
Ценим подтверждённый опыт подобных интеграций и внимание к чистоте произношения.
По сути нужен сервис-прослойка: он получает текст, обращается к нейросетевому TTS-движку, сохраняет готовый звук в кэше и отдаёт его на сайт и в мобильный клиент. Пользователю показываем компактный аудиоплеер — воспроизведение, пауза, перемотка по дорожке, регулировка скорости и кнопка скачивания файла. Параллельно эти же возможности должны быть доступны через REST API с ключами доступа, чтобы наши другие сервисы могли заказывать озвучку автоматически, пакетами. Отдельно просим продумать разбиение длинных материалов на фрагменты и аккуратную склейку аудио, а также кэш, чтобы не оплачивать повторный синтез одного и того же текста.
В планах — собственный фирменный голос, поэтому провайдера и структуру кода выбирайте с прицелом на такую возможность. От исполнителя ждём:
— работающий модуль синтеза речи с настройкой голосов и языков;
— встраиваемый плеер, эндпоинты API и короткую инструкцию по использованию;
— кэширование и корректную обработку больших объёмов текста.
Ценим подтверждённый опыт подобных интеграций и внимание к чистоте произношения.
