Голос и TTS

VibeOS поддерживает как синтез речи из текста (TTS), так и транскрибацию голосовых сообщений на всех платформах обмена сообщениями.

Подписчики Nous

Если у вас есть платная подписка Nous Portal, OpenAI TTS доступен через Tool Gateway без отдельного ключа API OpenAI. Для новых установок выполните vibeos setup --portal, чтобы войти и сразу включить все инструменты шлюза; для существующих установок выберите Nous Subscription только для TTS через vibeos model или vibeos tools.

Синтез речи (Text-to-Speech)

Преобразуйте текст в речь с помощью десяти провайдеров:

Провайдер	Качество	Стоимость	API-ключ
Edge TTS (по умолчанию)	Хорошее	Бесплатно	Не требуется
ElevenLabs	Отличное	Платно	`ELEVENLABS_API_KEY`
OpenAI TTS	Хорошее	Платно	`VOICE_TOOLS_OPENAI_KEY`
MiniMax TTS	Отличное	Платно	`MINIMAX_API_KEY`
Mistral (Voxtral TTS)	Отличное	Платно	`MISTRAL_API_KEY`
Google Gemini TTS	Отличное	Бесплатный тариф	`GEMINI_API_KEY`
xAI TTS	Отличное	Платно	`XAI_API_KEY`
NeuTTS	Хорошее	Бесплатно (локально)	Не требуется
KittenTTS	Хорошее	Бесплатно (локально)	Не требуется
Piper	Хорошее	Бесплатно (локально)	Не требуется

Доставка по платформам

Платформа	Доставка	Формат
Telegram	Голосовое сообщение (воспроизводится в чате)	Opus `.ogg`
Discord	Голосовое сообщение (Opus/OGG), при ошибке — вложение файла	Opus/MP3
WhatsApp	Вложение аудиофайла	MP3
CLI	Сохраняется в `~/.vibeos/audio_cache/`	MP3

Конфигурация

# В ~/.vibeos/config.yaml
tts:
  provider: "edge"              # "edge" | "elevenlabs" | "openai" | "minimax" | "mistral" | "gemini" | "xai" | "neutts" | "kittentts" | "piper"
  speed: 1.0                    # Глобальный множитель скорости (переопределяется настройками провайдера)
  edge:
    voice: "en-US-AriaNeural"   # 322 голоса, 74 языка
    speed: 1.0                  # Преобразуется в процент скорости (+/-%)
  elevenlabs:
    voice_id: "pNInz6obpgDQGcFmaJgB"  # Adam
    model_id: "eleven_multilingual_v2"
  openai:
    model: "gpt-4o-mini-tts"
    voice: "alloy"              # alloy, echo, fable, onyx, nova, shimmer
    base_url: "https://api.openai.com/v1"  # Переопределение для совместимых с OpenAI TTS эндпоинтов
    speed: 1.0                  # 0.25 - 4.0
  minimax:
    model: "speech-2.8-hd"     # speech-2.8-hd (по умолчанию), speech-2.8-turbo
    voice_id: "English_Graceful_Lady"  # См. https://platform.minimax.io/faq/system-voice-id
    speed: 1                    # 0.5 - 2.0
    vol: 1                      # 0 - 10
    pitch: 0                    # -12 - 12
  mistral:
    model: "voxtral-mini-tts-2603"
    voice_id: "c69964a6-ab8b-4f8a-9465-ec0925096ec8"  # Paul - Neutral (по умолчанию)
  gemini:
    model: "gemini-2.5-flash-preview-tts"  # или gemini-3.1-flash-tts-preview
    voice: "Kore"               # 30 предустановленных голосов: Zephyr, Puck, Kore, Enceladus, Gacrux и др.
    audio_tags: false           # Включить скрытую вставку аудиотегов Gemini 3.1 TTS
    persona_prompt_file: ""      # Необязательный Markdown/текстовый файл с описанием голоса Gemini
  xai:
    voice_id: "eve"             # или пользовательский ID голоса — см. документацию ниже
    language: "en"              # Код ISO 639-1
    sample_rate: 24000          # 22050 / 24000 (по умолчанию) / 44100 / 48000
    bit_rate: 128000            # Битрейт MP3; применяется только при codec=mp3
    # base_url: "https://api.x.ai/v1"   # Переопределение через переменную окружения XAI_BASE_URL
  neutts:
    ref_audio: ''
    ref_text: ''
    model: neuphonic/neutts-air-q4-gguf
    device: cpu
  kittentts:
    model: KittenML/kitten-tts-nano-0.8-int8   # 25MB int8; также: kitten-tts-micro-0.8 (41MB), kitten-tts-mini-0.8 (80MB)
    voice: Jasper                               # Jasper, Bella, Luna, Bruno, Rosie, Hugo, Kiki, Leo
    speed: 1.0                                  # 0.5 - 2.0
    clean_text: true                            # Раскрывать числа, валюты, единицы измерения
  piper:
    voice: en_US-lessac-medium                  # Имя голоса (автоматически загружается) ИЛИ абсолютный путь к .onnx
    # voices_dir: ''                            # По умолчанию: ~/.vibeos/cache/piper-voices/
    # use_cuda: false                           # Требует onnxruntime-gpu
    # length_scale: 1.0                         # 2.0 = вдвое медленнее
    # noise_scale: 0.667
    # noise_w_scale: 0.8
    # volume: 1.0                               # 0.5 = вдвое тише
    # normalize_audio: true

Управление скоростью: Глобальное значение tts.speed применяется ко всем провайдерам по умолчанию. Каждый провайдер может переопределить его своей настройкой speed (например, tts.openai.speed: 1.5). Скорость, указанная для конкретного провайдера, имеет приоритет над глобальным значением. По умолчанию — 1.0 (нормальная скорость).

Персональные подсказки Gemini

Gemini TTS может следовать инструкциям по исполнению на естественном языке. Установите tts.gemini.persona_prompt_file на локальный Markdown или текстовый файл, описывающий голосовую персону. Файл может включать разделы в стиле Gemini, такие как AUDIO PROFILE, SCENE, DIRECTOR'S NOTES, SAMPLE CONTEXT и TRANSCRIPT.

Если файл содержит {transcript} или {{ transcript }}, VibeOS заменяет этот плейсхолдер на текущий текст TTS. В противном случае VibeOS автоматически добавляет раздел TRANSCRIPT с меткой. Персональная подсказка остается локальной и не отображается в ответе чата.

tts:
  provider: gemini
  gemini:
    voice: Algieba
    persona_prompt_file: ~/.vibeos/tts/butler-voice.md

Аудиотеги Gemini

Gemini 3.1 Flash TTS поддерживает аудиотеги в квадратных скобках на естественном языке, такие как [whispers], [excitedly], [very slow], [laughs] и другие выразительные ремарки. Включите tts.gemini.audio_tags, чтобы VibeOS выполнял скрытый проход перезаписи перед Gemini TTS. Перезапись вставляет встроенные теги только в скрипт TTS; видимый ответ чата остается неизменным.

tts:
  provider: gemini
  gemini:
    model: gemini-3.1-flash-tts-preview
    audio_tags: true

Перезапись использует auxiliary.tts_audio_tags и по умолчанию использует вашу основную модель чата. Переопределите эту вспомогательную задачу, если хотите, чтобы вставка тегов обрабатывалась более дешевой или быстрой моделью.

Ограничения длины ввода

Каждый провайдер имеет документированное ограничение на количество символов в одном запросе. VibeOS обрезает текст перед вызовом провайдера, чтобы запросы никогда не завершались ошибкой из-за длины:

Провайдер	Лимит по умолчанию (символов)
Edge TTS	5000
OpenAI	4096
xAI	15000
MiniMax	10000
Mistral	4000
Google Gemini	32000
ElevenLabs	Зависит от модели (см. ниже)
NeuTTS	2000
KittenTTS	2000
Piper	5000

ElevenLabs выбирает лимит на основе настроенного model_id:

`model_id`	Лимит (символов)
`eleven_flash_v2_5`	40000
`eleven_flash_v2`	30000
`eleven_multilingual_v2` (по умолчанию), `eleven_multilingual_v1`, `eleven_english_sts_v2`, `eleven_english_sts_v1`	10000
`eleven_v3`, `eleven_ttv_v3`	5000
Неизвестная модель	Возврат к лимиту провайдера по умолчанию (10000)

Переопределение для каждого провайдера с помощью max_text_length: в разделе провайдера вашей конфигурации TTS:

tts:
  openai:
    max_text_length: 8192   # увеличить или уменьшить лимит провайдера

Принимаются только положительные целые числа. Ноль, отрицательные, нечисловые или логические значения приводят к использованию лимита провайдера по умолчанию, поэтому сломанная конфигурация не может случайно отключить обрезку.

Голосовые сообщения Telegram и ffmpeg

Голосовые сообщения Telegram требуют аудиоформата Opus/OGG:

OpenAI, ElevenLabs и Mistral изначально выдают Opus — дополнительная настройка не требуется
Edge TTS (по умолчанию) выдает MP3 и требует ffmpeg для конвертации:
MiniMax TTS выдает MP3 и требует ffmpeg для конвертации в голосовые сообщения Telegram
Google Gemini TTS выдает сырой PCM и использует ffmpeg для прямой кодировки в Opus для голосовых сообщений Telegram
xAI TTS выдает MP3 и требует ffmpeg для конвертации в голосовые сообщения Telegram
NeuTTS выдает WAV и также требует ffmpeg для конвертации в голосовые сообщения Telegram
KittenTTS выдает WAV и также требует ffmpeg для конвертации в голосовые сообщения Telegram
Piper выдает WAV и также требует ffmpeg для конвертации в голосовые сообщения Telegram

# Ubuntu/Debian
sudo apt install ffmpeg

# macOS
brew install ffmpeg

# Fedora
sudo dnf install ffmpeg

Без ffmpeg аудио от Edge TTS, MiniMax TTS, NeuTTS, KittenTTS и Piper отправляются как обычные аудиофайлы (воспроизводятся, но отображаются в виде прямоугольного плеера вместо голосового сообщения).

подсказка

Если вы хотите получать голосовые сообщения без установки ffmpeg, переключитесь на провайдера OpenAI, ElevenLabs или Mistral.

Пользовательские голоса xAI (клонирование голоса)

xAI поддерживает клонирование вашего голоса и его использование в TTS. Создайте пользовательский голос в консоли xAI, затем установите полученный voice_id в вашей конфигурации:

tts:
  provider: xai
  xai:
    voice_id: "nlbqfwie"   # ваш пользовательский ID голоса

Подробнее о записи, поддерживаемых форматах и ограничениях см. в документации xAI по пользовательским голосам.

Piper (локально, 44 языка)

Piper — это быстрый локальный нейросетевой TTS-движок от Open Home Foundation (сопровождающие Home Assistant). Он полностью работает на CPU, поддерживает 44 языка с предварительно обученными голосами и не требует API-ключа.

Установка через vibeos tools → Voice & TTS → Piper — VibeOS выполнит pip install piper-tts за вас. Или установите вручную: pip install piper-tts.

Переключение на Piper:

tts:
  provider: piper
  piper:
    voice: en_US-lessac-medium

При первом вызове TTS для голоса, который не кэширован локально, VibeOS выполняет python -m piper.download_voices <name> и загружает модель (~20-90 МБ в зависимости от уровня качества) в ~/.vibeos/cache/piper-voices/`. Последующие вызовы используют кэшированную модель.

Выбор голоса. Полный каталог голосов охватывает английский, испанский, французский, немецкий, итальянский, нидерландский, португальский, русский, польский, турецкий, китайский, арабский, хинди и другие — каждый с уровнями качества x_low / low / medium / high. Примеры голосов на rhasspy.github.io/piper-samples.

Использование предварительно загруженного голоса. Установите tts.piper.voice в абсолютный путь, заканчивающийся на .onnx:

tts:
  piper:
    voice: /path/to/my-custom-voice.onnx

Расширенные настройки (tts.piper.length_scale / noise_scale / noise_w_scale / volume / normalize_audio, use_cuda) соответствуют 1:1 SynthesisConfig Piper. Они игнорируются в старых версиях piper-tts.

Пользовательские провайдеры команд

Если нужный вам TTS-движок не поддерживается изначально (VoxCPM, MLX-Kokoro, XTTS CLI, скрипт клонирования голоса или что-либо еще, имеющее CLI), вы можете подключить его как провайдера командного типа без написания Python-кода. VibeOS записывает входной текст во временный UTF-8 файл, выполняет вашу команду оболочки и читает аудиофайл, созданный командой.

Объявите одного или нескольких провайдеров в разделе tts.providers.<name> и переключайтесь между ними с помощью tts.provider: <name> — так же, как вы переключаетесь между встроенными провайдерами, такими как edge и openai.

tts:
  provider: voxcpm                 # выберите любое имя в tts.providers
  providers:
    voxcpm:
      type: command
      command: "voxcpm --ref ~/voice.wav --text-file {input_path} --out {output_path}"
      output_format: mp3
      timeout: 180
      voice_compatible: true       # попытаться доставить как голосовое сообщение Telegram

    mlx-kokoro:
      type: command
      command: "python -m mlx_kokoro --in {input_path} --out {output_path} --voice {voice}"
      voice: af_sky
      output_format: wav

    piper-custom:                  # родной Piper также поддерживает пользовательские .onnx через tts.piper.voice
      type: command
      command: "piper -m /path/to/custom.onnx -f {output_path} < {input_path}"
      output_format: wav

Пример: Doubao (китайский seed-tts-2.0)

Для высококачественного китайского TTS через двунаправленный потоковый API ByteDance seed-tts-2.0 установите пакет PyPI doubao-speech и подключите его как командного провайдера:

pip install doubao-speech
export VOLCENGINE_APP_ID="your-app-id"
export VOLCENGINE_ACCESS_TOKEN="your-access-token"

tts:
  provider: doubao
  providers:
    doubao:
      type: command
      command: "doubao-speech say --text-file {input_path} --out {output_path}"
      output_format: mp3
      max_text_length: 1024
      timeout: 30

Учетные данные берутся из вашего окружения оболочки (VOLCENGINE_APP_ID / VOLCENGINE_ACCESS_TOKEN) или ~/.doubao-speech/config.yaml. Выберите голос, добавив --voice zh-female-warm (или любой другой псевдоним из doubao-speech list-voices) в команду. doubao-speech также включает потоковое ASR — см. раздел STT ниже для интеграции с VibeOS. Исходный код и полная документация: github.com/Hypnus-Yuan/doubao-speech.

Плейсхолдеры

Ваш шаблон команды может ссылаться на эти плейсхолдеры. VibeOS подставляет их во время выполнения и экранирует каждое значение для соответствующего контекста (голый / в одинарных кавычках / в двойных кавычках), поэтому пути с пробелами и другими чувствительными для оболочки символами безопасны.

Плейсхолдер	Значение
`{input_path}`	Путь к временному UTF-8 текстовому файлу, созданному VibeOS
`{text_path}`	Псевдоним для `{input_path}`
`{output_path}`	Путь, по которому команда должна записать аудио
`{format}`	`mp3` / `wav` / `ogg` / `flac`
`{voice}`	`tts.providers.<name>.voice`, пусто, если не задано
`{model}`	`tts.providers.<name>.model`
`{speed}`	Разрешенный множитель скорости (провайдера или глобальный)

Используйте {{ и }} для литеральных фигурных скобок.

Необязательные ключи

Ключ	По умолчанию	Значение
`timeout`	`120`	Секунды; дерево процессов убивается по истечении времени (Unix `killpg`, Windows `taskkill /T`).
`output_format`	`mp3`	Один из `mp3` / `wav` / `ogg` / `flac`. Автоматически определяется из расширения вывода, если VibeOS выбирает путь.
`voice_compatible`	`false`	Если `true`, VibeOS конвертирует вывод MP3/WAV в Opus/OGG через ffmpeg, чтобы Telegram отображал голосовое сообщение.
`max_text_length`	`5000`	Ввод обрезается до этой длины перед выполнением команды.
`voice` / `model`	пусто	Передаются в команду только как значения плейсхолдеров.

Примечания по поведению

Встроенные имена всегда побеждают. Запись tts.providers.openai никогда не заменяет родной провайдер OpenAI, поэтому никакая пользовательская конфигурация не может незаметно заменить встроенный.
Доставка по умолчанию — документ. Командные провайдеры доставляют аудио как обычные вложения на всех платформах. Включите доставку в виде голосового сообщения для каждого провайдера с помощью voice_compatible: true.
Сбои команд передаются агенту. Ненулевой код возврата, пустой вывод или тайм-аут возвращают ошибку с stderr/stdout команды, чтобы вы могли отладить провайдера из диалога.
type: command — значение по умолчанию, если задан command:. Явное указание type: command — хорошая практика, но не обязательна; запись с непустой строкой command обрабатывается как командный провайдер.
{input_path} / {text_path} взаимозаменяемы. Используйте тот, который лучше читается в вашей команде.

Безопасность

Командные провайдеры выполняют любую команду оболочки, которую вы настроили, с вашими правами пользователя. VibeOS экранирует значения плейсхолдеров и обеспечивает заданный тайм-аут, но сам шаблон команды является доверенным локальным вводом — относитесь к нему так же, как к скрипту оболочки в вашем PATH.

Плагины-провайдеры на Python

Для TTS-движков, которые нельзя выразить в виде одной команды оболочки — Python SDK без CLI, потоковые движки, API со списком голосов, аутентификация с обновлением OAuth — зарегистрируйте плагин Python через ctx.register_tts_provider(). Плагин сосуществует с (не заменяет) реестром пользовательских командных провайдеров; выберите тот интерфейс, который подходит для вашего движка.

Когда что выбирать

Ваш бэкенд имеет…	Используйте
Один CLI, читающий текст из файла/stdin и записывающий аудио в файл/stdout	Командный провайдер (Python не нужен)
Два или три CLI, объединенных конвейером оболочки	Командный провайдер
Только Python SDK — без CLI	Плагин
Потоковые байты, которые вы хотите доставлять частями (голосовые сообщения во время генерации)	Плагин (переопределить `stream()`)
API со списком голосов, используемый `vibeos setup`	Плагин (переопределить `list_voices()`)
Поток обновления OAuth (не статический токен Bearer)	Плагин

Встроенные всегда побеждают, а командные провайдеры побеждают плагины с тем же именем — поэтому плагины безопасно регистрировать под любым не встроенным именем, не беспокоясь о замене существующей конфигурации.

Минимальный плагин

Поместите это в ~/.vibeos/plugins/my-tts/:

plugin.yaml:

name: my-tts
version: 0.1.0
description: "Мой пользовательский Python TTS-бэкенд"

__init__.py:

from agent.tts_provider import TTSProvider


class MyTTSProvider(TTSProvider):
    @property
    def name(self) -> str:
        return "my-tts"  # соответствует tts.provider

    @property
    def display_name(self) -> str:
        return "My Custom TTS"

    def is_available(self) -> bool:
        # Верните False, если отсутствуют учетные данные/зависимости — средство выбора пропустит
        # эту строку, но диспетчер все равно направит сюда при явной конфигурации.
        import os
        return bool(os.environ.get("MY_TTS_API_KEY"))

    def synthesize(self, text, output_path, *, voice=None, model=None,
                   speed=None, format="mp3", **extra) -> str:
        # Запишите аудиобайты в output_path, верните путь.
        # Вызовите исключение при сбое — диспетчер преобразует исключения в
        # стандартный конверт ошибки.
        import my_tts_sdk
        client = my_tts_sdk.Client()
        audio_bytes = client.synthesize(text=text, voice=voice or "default")
        with open(output_path, "wb") as f:
            f.write(audio_bytes)
        return output_path


def register(ctx):
    ctx.register_tts_provider(MyTTSProvider())

Включите его (vibeos plugins enable my-tts), укажите tts.provider на него (tts.provider: my-tts в config.yaml), и инструмент text_to_speech будет направляться через ваш плагин.

Необязательные хуки

Переопределите эти методы в вашем классе провайдера для более богатой интеграции:

list_voices() → список словарей {id, display, language, gender, preview_url}, отображаемых в vibeos tools.
list_models() → список словарей {id, display, languages, max_text_length}.
get_setup_schema() → вернуть {name, badge, tag, env_vars: [{key, prompt, url}]} для строки выбора в vibeos tools / vibeos setup. Без этого плагин все равно работает, но его строка в средстве выбора минимальна.
stream(text, *, voice, model, format, **extra) → итератор, возвращающий аудиобайты для потоковой доставки (по умолчанию вызывает NotImplementedError).
Свойство voice_compatible → установите True, если ваш вывод совместим с Opus и шлюз должен доставлять его как голосовое сообщение (по умолчанию False = обычное аудиовложение).

См. agent/tts_provider.py для полного ABC, включая строки документации.

Транскрибация голосовых сообщений (STT)

Голосовые сообщения, отправленные в Telegram, Discord, WhatsApp, Slack или Signal, автоматически транскрибируются и вставляются в виде текста в диалог. Агент видит транскрипт как обычный текст.

Провайдер	Качество	Стоимость	API-ключ
Локальный Whisper (по умолчанию)	Хорошее	Бесплатно	Не требуется
Groq Whisper API	Хорошее–Лучшее	Бесплатный тариф	`GROQ_API_KEY`
OpenAI Whisper API	Хорошее–Лучшее	Платно	`VOICE_TOOLS_OPENAI_KEY` или `OPENAI_API_KEY`

Нулевая конфигурация

Локальная транскрибация работает «из коробки», если установлен faster-whisper. Если он недоступен, VibeOS также может использовать локальный CLI whisper из стандартных мест установки (например, /opt/homebrew/bin) или пользовательскую команду через VIBEOS_LOCAL_STT_COMMAND.

Конфигурация

# В ~/.vibeos/config.yaml
stt:
  provider: "local"           # "local" | "groq" | "openai" | "mistral" | "xai"
  local:
    model: "base"             # tiny, base, small, medium, large-v3
  openai:
    model: "whisper-1"        # whisper-1, gpt-4o-mini-transcribe, gpt-4o-transcribe
  mistral:
    model: "voxtral-mini-latest"  # voxtral-mini-latest, voxtral-mini-2602
  xai:
    model: "grok-stt"         # xAI Grok STT

Детали провайдеров

Локальный (faster-whisper) — Запускает Whisper локально через faster-whisper. Использует CPU по умолчанию, GPU, если доступен. Размеры моделей:

Модель	Размер	Скорость	Качество
`tiny`	~75 МБ	Самая быстрая	Базовое
`base`	~150 МБ	Быстрая	Хорошее (по умолчанию)
`small`	~500 МБ	Средняя	Лучше
`medium`	~1.5 ГБ	Медленнее	Отличное
`large-v3`	~3 ГБ	Самая медленная	Наилучшее

Groq API — Требует GROQ_API_KEY. Хорошее облачное резервное решение, когда вам нужен бесплатный хостинг STT.

OpenAI API — Сначала принимает VOICE_TOOLS_OPENAI_KEY, затем OPENAI_API_KEY. Поддерживает whisper-1, gpt-4o-mini-transcribe и gpt-4o-transcribe.

Mistral API (Voxtral Transcribe) — Требует MISTRAL_API_KEY. Использует модели Voxtral Transcribe от Mistral. Поддерживает 13 языков, диаризацию говорящих и временные метки на уровне слов. Установка: cd ~/.vibeos/vibeos-agent && uv pip install -e ".[mistral]".

xAI Grok STT — Требует XAI_API_KEY. Отправляет запрос на https://api.x.ai/v1/stt как multipart/form-data. Хороший выбор, если вы уже используете xAI для чата или TTS и хотите один API-ключ для всего. Порядок автоопределения ставит его после Groq — явно укажите stt.provider: xai, чтобы принудительно его использовать.

Пользовательское резервное решение локального CLI — Установите VIBEOS_LOCAL_STT_COMMAND, если хотите, чтобы VibeOS напрямую вызывал локальную команду транскрибации. Шаблон команды поддерживает плейсхолдеры {input_path}, {output_dir}, {language} и {model}. Ваша команда должна записать транскрипт .txt где-нибудь в {output_dir}.

Пример: Doubao / Volcengine ASR

Если вы используете doubao-speech для Doubao TTS (см. выше), тот же пакет обрабатывает распознавание речи через интерфейс локальной команды STT:

pip install doubao-speech
export VOLCENGINE_APP_ID="your-app-id"
export VOLCENGINE_ACCESS_TOKEN="your-access-token"
export VIBEOS_LOCAL_STT_COMMAND='doubao-speech transcribe {input_path} --out {output_dir}/transcript.txt'

stt:
  provider: local_command

VibeOS записывает входящее голосовое сообщение в {input_path}, выполняет команду и читает файл .txt, созданный в {output_dir}. Язык определяется автоматически эндпо

Синтез речи (Text-to-Speech)​

Доставка по платформам​

Конфигурация​

Персональные подсказки Gemini​

Аудиотеги Gemini​

Ограничения длины ввода​

Голосовые сообщения Telegram и ffmpeg​

Пользовательские голоса xAI (клонирование голоса)​

Piper (локально, 44 языка)​

Пользовательские провайдеры команд​

Пример: Doubao (китайский seed-tts-2.0)​

Плейсхолдеры​

Необязательные ключи​

Примечания по поведению​

Безопасность​

Плагины-провайдеры на Python​

Когда что выбирать​

Минимальный плагин​

Необязательные хуки​

Транскрибация голосовых сообщений (STT)​

Конфигурация​

Детали провайдеров​

Пример: Doubao / Volcengine ASR​

Синтез речи (Text-to-Speech)

Доставка по платформам

Конфигурация

Персональные подсказки Gemini

Аудиотеги Gemini

Ограничения длины ввода

Голосовые сообщения Telegram и ffmpeg

Пользовательские голоса xAI (клонирование голоса)

Piper (локально, 44 языка)

Пользовательские провайдеры команд

Пример: Doubao (китайский seed-tts-2.0)

Плейсхолдеры

Необязательные ключи

Примечания по поведению

Безопасность

Плагины-провайдеры на Python

Когда что выбирать

Минимальный плагин

Необязательные хуки

Транскрибация голосовых сообщений (STT)

Конфигурация

Детали провайдеров

Пример: Doubao / Volcengine ASR