_Владимир Ижмуков · автор системы роста Instagram через короткие ролики_
Yandex SpeechKit это облачный сервис Яндекса, который озвучивает текст голосом нейросети и превращает аудио в текст. Пользоваться им можно без программирования через веб-Playground в консоли Yandex AI Studio или подключить к своему продукту по API. В синтезе 34 голоса, из них 24 русских, у части голосов есть эмоции. Бесплатного тарифа и стартового гранта для новых клиентов сейчас нет, но тест стоит копейки: 0,1626 ₽ за фразу до 250 символов. Сервис российский, VPN не нужен, оплата российской картой или через СБП.
Что такое Yandex SpeechKit
SpeechKit входит в Yandex Cloud, а в 2026 году его документация и Playground переехали в Yandex AI Studio. Старые адреса вида yandex.cloud/ru/docs/speechkit теперь перенаправляют на aistudio.yandex.ru.
Сервис решает две задачи:
- синтез речи: озвучка коротких фраз и длинных текстов, голосовые ассистенты, автоответчики, озвучка роликов;
- распознавание речи: расшифровка звонков, встреч, лекций и голосовых сообщений в реальном времени или из файлов.
Скачать SpeechKit как программу нельзя: это облачный сервис. Из Playground скачивается готовый аудиофайл, а в свой продукт SpeechKit подключается по API.
Голоса Yandex SpeechKit
| Модель | Голоса | Где работает |
|---|---|---|
| general | Филипп, Эрмил, Джейн, Омаж, Захар, Даша, Юлия, Лера, Маша, Марина, Александр, Кирилл, Антон и другие | API v1 и v3 |
| LiveTTS | Софья, Вера, Василий, Сергей, Денис, Ирина | API v3 и Realtime API, с 24 сентября 2026 |
| Другие языки | английский, немецкий, иврит, казахский, узбекский | API v3 |
Голоса LiveTTS несовместимы с моделью general и в API v1 недоступны, там работают только 12 голосов.
Амплуа: эмоции голоса
У части голосов есть амплуа, то есть манера речи. У Джейн нейтральное, радостное и раздражённое, у Маши радостное, строгое и дружелюбное. У Ирины из новой линейки LiveTTS есть формальное, поддерживающее, амплуа рассказчика и продающее. Для озвучки рекламного ролика я бы начинал с продающего амплуа Ирины.
Разметка: ударения и паузы
Чтобы голос читал правильно, текст размечают. Можно поставить ударение, паузу тегом sil длиной до 7 000 мс, задать произношение слова или использовать SSML. Темп меняется от 0,1 до 3,0.
Как озвучить текст в Yandex SpeechKit без программирования
- Войдите в консоль Yandex AI Studio через Яндекс ID.
- Создайте платёжный аккаунт: для физлица подходит «Личный аккаунт».
- Выберите каталог, где у вас есть роли ai.playground.user и ai.datasets.editor или выше.
- Откройте раздел AI Speech и Playground синтеза.
- Вставьте текст до 5 000 символов, выберите язык, голос, амплуа, скорость и формат файла.
- Нажмите синтез, послушайте результат и скачайте файл.
Кнопка просмотра кода в Playground показывает тот же запрос для API, это удобный способ разобраться, как подключить синтез к своему сервису. Длинный текст больше 5 000 символов придётся резать на части.
Распознавание речи и транскрибация
Распознавание работает в четырёх режимах:
| Режим | Для чего |
|---|---|
| Потоковое | речь в реальном времени, звонки, голосовые ассистенты |
| Синхронное | короткие файлы |
| Асинхронное | длинные записи до 4 часов через API |
| Отложенное асинхронное | то же, но результат не срочно и в 4 раза дешевле |
В Playground распознавание поддерживает 16 языков с автоопределением и файлы до 60 МБ, числа и даты приводятся к нормальному виду. Для расшифровки встреч и лекций выгоднее асинхронный режим, а если результат нужен не прямо сейчас, отложенный.
Сколько стоит Yandex SpeechKit
Синтез речи
| Способ | Цена | Как считается |
|---|---|---|
| API v1 | 1 342 ₽ за 1 млн символов | считаются и пробелы |
| API v3, general | 0,1626 ₽ за запрос | блок до 250 символов |
| API v3, LiveTTS | 0,25 ₽ за запрос | блок до 250 символов |
| Realtime API | 0,25 ₽ | за каждый начатый блок 250 символов |
Распознавание речи
| Режим | Цена за 15 секунд | В пересчёте на час |
|---|---|---|
| Потоковое | 0,1626 ₽ | около 39 ₽ |
| Синхронное | 0,1626 ₽ | около 39 ₽ |
| Асинхронное | 0,1515 ₽ | около 36 ₽ |
| Отложенное асинхронное | 0,0381 ₽ | около 9 ₽ |
Цены с официальной страницы тарифов SpeechKit на 26 октября 2026 года, в рублях с НДС. Пересчёт на час мой, по официальным цифрам. Запросы с внутренней ошибкой сервера не оплачиваются, отчётный период календарный месяц. Цены есть также в тенге и долларах.
Сколько стоит озвучить ролик
Сценарий рилса на 60 секунд это примерно 900 символов. Через API v3 с голосом general это 4 блока по 250 символов, то есть около 0,65 ₽. Озвучка целой книги на 1 млн символов выйдет примерно в 650 ₽ через API v3 и 1 342 ₽ через API v1.
Свой голос: Brand Voice
Для компаний есть Brand Voice, голос под бренд. Тариф Lite с 10 октября 2026 года отключён из-за инцидента. Для Premium хостинг голоса считается по запросу.
Yandex SpeechKit бесплатно
Бесплатного тарифа у SpeechKit нет, бесплатные объёмы на странице цен не указаны. В документации Yandex Cloud прямо сказано, что пробный период и стартовый грант для новых клиентов сейчас недоступны. Старые статьи про грант на 4 000 ₽ устарели.
Тарифицируется ли синтез в самом Playground, официальные страницы прямо не говорят. Без платёжного аккаунта зайти в Playground нельзя. На практике тест нескольких фраз стоит несколько копеек.
Yandex SpeechKit в России
Сервис российский, VPN не нужен. Физлица платят банковской картой или через СБП с «Личного аккаунта», организации переводом по договору или картой. Юрлицо для работы не обязательно.
Можно ли использовать синтезированную озвучку в рекламе и на YouTube, в FAQ SpeechKit прямого ответа нет. Перед коммерческим использованием проверьте условия в оферте Yandex Cloud.
Подводные камни
- В API v3 короткая фраза на 20 символов стоит как блок на 250.
- Синхронное и потоковое распознавание округляют каждый отрезок вверх до 15 секунд, поэтому много коротких реплик выходит дороже одного длинного файла.
- В Playground максимум 5 000 символов за раз.
- Новые голоса LiveTTS работают только в API v3 и Realtime API.
Чем заменить Yandex SpeechKit
| Сервис | Когда брать |
|---|---|
| SaluteSpeech от Сбера | компании с объёмом: постоплата с минимальным платежом 15 000 ₽ в месяц |
| ElevenLabs | живые эмоции и клонирование голоса, оплата в долларах |
| Алиса | быстрая озвучка без API и консоли |
| Озвучка нейросетью | подборка сервисов для озвучки роликов |
| Нейросети для голоса | смена и клонирование голоса |
| Нейросети для транскрибации | расшифровка записей без консоли |
Частые вопросы
Что такое Yandex SpeechKit? Облачный сервис Яндекса для синтеза и распознавания речи с API и веб-Playground.
Как озвучить текст в Yandex SpeechKit? В консоли AI Studio откройте AI Speech и Playground синтеза, вставьте текст до 5 000 символов, выберите голос и скачайте файл.
Yandex SpeechKit бесплатный? Нет, бесплатного тарифа и стартового гранта для новых клиентов сейчас нет. Тест стоит копейки.
Сколько стоит Yandex SpeechKit? Синтез 0,1626 ₽ за фразу до 250 символов в API v3 или 1 342 ₽ за 1 млн символов в API v1. Распознавание от 0,0381 ₽ за 15 секунд.
Есть ли у SpeechKit демо или Playground? Да, Playground синтеза и распознавания есть в консоли AI Studio, нужен платёжный аккаунт.
Можно ли скачать Yandex SpeechKit? Программы для установки нет, скачивается только готовый аудиофайл.
Подходит ли SpeechKit для транскрибации? Да, асинхронное распознавание принимает записи до 4 часов, это около 36 ₽ за час, в отложенном режиме около 9 ₽.
Есть ли у SpeechKit API? Да, API v1, API v3, Realtime API и SDK для Python.
Что делать дальше
Озвучка нейросетью снимает главный барьер для тех, кто не хочет говорить в кадре: ролик можно собрать из картинок и голоса за полчаса. Но просмотры сами по себе не приносят клиентов, для этого в ролике нужно кодовое слово, которое зритель пишет вам в директ.
Как я связываю ролики и кодовые слова в систему заявок, разобрал здесь: как вести Reels с ChatGPT и получать заявки. Внутри готовые запросы для сценариев и хуков.
Цены, голоса и условия сверены по обзору SpeechKit, странице тарифов, списку голосов, журналу изменений синтеза, правилам стартового гранта и платёжным аккаунтам Yandex Cloud. Проверено 26 октября 2026 года.
