SaluteSpeech: ИИ-агент для озвучки и расшифровки

SaluteSpeech — сервис Сбера для синтеза и распознавания речи по API. Агент нужен тем, кто готовит аудиоверсии текстов и разбирает записи встреч вручную.

Агент — программа, которая делает дело целиком: не объясняет, чем голос отличается от модели, а приносит озвученный файл или расшифровку с разметкой.

Три признака: работает в ваших сервисах, доводит до результата, работает без вас. Чат-бот напишет текст объявления, агент вернётся аудиофайлом и расшифровкой того же текста для проверки.

Коннектор — описание подключения к SaluteSpeech: где взять доступ, что видно в проекте, как проверить связь. Работа идёт через проект в Studio: там же выдаётся токен доступа, а проверка связи — короткий запрос синтеза или распознавания на своём файле.

Это не плагин и не доработка вашей программы: агент работает с выданным токеном и пароль не хранит.

Сервис даёт два направления: синтез речи с выбором голоса и распознавание аудио с разными способами и поддерживаемыми форматами, плюс отдельная линейка для анализа удовлетворённости клиентов. Подключение для организаций идёт по предоплате пакетами или по постоплате договором; единица — символы для синтеза и секунды для распознавания, причём стерео считается по каналам. В документации есть коллекции запросов и сертификаты для доверенных соединений, а для настольной работы выпущено отдельное приложение.

### Черновики текстов: заголовки и структура

Агент собирает черновик по теме и сразу проверяет его на слух: озвучивает и отмечает места, где фраза рассыпается — длинные перечисления, склейки, повторы. На выходе текст с заголовками и аудиоверсия для вычитки.

### Редактура: факты, цифры и единый стиль

Агент проходит по готовому тексту и приводит к единому стилю числа, даты и названия, а спорные формулировки помечает. Озвучка помогает найти то, что глаз пропускает: нечитаемые сокращения и лишние вводные.

### Черновики писем и служебных записок

Агент готовит короткое письмо по факту и озвучивает его для проверки интонации: где звучит резко, где непонятно, что от адресата хотят. Итог — черновик с темой и одним вопросом в конце.

Смысл, факты и решение — за человеком. Голос бренда и выбор, что публиковать, тоже: агент готовит черновик и озвучку, а выпускает материал сотрудник.

По документации подключение новых клиентов с середины 2026 года недоступно, поэтому порядок доступа сначала уточняется у менеджера. Для действующего проекта нужен проект в Studio с пакетом и токен доступа; проверка — короткий запрос синтеза.

Не подменяет диктора в прямом эфире и не переводит речь на другие языки. Не хранит записи у себя: файл забирается и передаётся дальше по вашему процессу. Не гарантирует точность распознавания на плохой записи.

Что такое агент, если коротко? Программа, которая доводит дело до конца: готовит текст, озвучивает его и расшифровывает запись, чтобы сверить результат.

Что такое коннектор? Описание подключения: где взять токен, какие запросы доступны, как проверить связь. Пароль агент не хранит.

Как считается объём? По документации: символы для синтеза и секунды для распознавания, стерео — по числу каналов.

Заменяет ли это живого диктора? Нет: агент делает черновик и аудиоверсию, а финальное качество и подача остаются за человеком.