Yandex SpeechKit API: Озвучить текст

Сценарий из mcp-everything. Актуально на 2026-10-24.

Голосовые ответы бота, озвучка уведомлений и IVR-меню.

Отправь текст: POST /speech/v1/tts:synthesize на tts.api.cloud.yandex.net. Параметры передаются URL-кодированными в теле: text (до 5000 символов) или ssml, voice, speed (0.1–3.0) и format (oggopus, mp3 или lpcm).
Ответ — сразу аудиофайл в выбранном формате, сохрани его или отдай пользователю.
Для пауз, ударений и интонации используй ssml вместо text. Эмоциональную окраску задаёт emotion — доступность зависит от голоса.
Лимит — 40 запросов в секунду.

curl -X POST https://tts.api.cloud.yandex.net/speech/v1/tts:synthesize \
  -H "Authorization: Api-Key $YANDEX_API_KEY" \
  --data-urlencode 'text=Ваш заказ номер тысяча сорок два передан курьеру.' \
  -d lang=ru-RU -d voice=alena -d speed=1.0 -d format=mp3 \
  -o speech.mp3

Базовые URL

Синхронное распознавание: https://stt.api.cloud.yandex.net
Асинхронное распознавание: https://transcribe.api.cloud.yandex.net
Синтез речи: https://tts.api.cloud.yandex.net
Операции: https://operation.api.cloud.yandex.net

Авторизация

Тип: Bearer-токен

IAM-токен: Authorization: Bearer <IAM-токен>
API-ключ сервисного аккаунта: Authorization: Api-Key <API-ключ>

При авторизации пользовательским аккаунтом нужен параметр folderId; для сервисного аккаунта он не используется. Асинхронное распознавание доступно только сервисным аккаунтам (роли ai.speechkit-stt.user и storage.uploader).

Методы сценария

POST /speech/v1/tts:synthesize — Синтез речи

Хост tts.api.cloud.yandex.net. Параметры передаются URL-кодированными в теле POST-запроса (до 15 КБ). Ответ — двоичный аудиофайл в формате format.

Параметр	Где	Тип	Обяз.	Описание
`text`	body	string	нет	Текст в UTF-8, до 5000 символов; взаимоисключающее с ssml
`ssml`	body	string	нет	Текст в формате SSML
`lang`	body	string	нет	Только ru-RU (по умолчанию)
`voice`	body	string	нет	Голос из списка голосов
`emotion`	body	string	нет	Эмоциональная окраска (для ru-RU, зависит от голоса)
`speed`	body	string	нет	Скорость от 0.1 до 3.0, по умолчанию 1.0
`format`	body	string	нет	lpcm, oggopus (по умолчанию) или mp3
`sampleRateHertz`	body	string	нет	48000 (по умолчанию), 16000, 8000; только для lpcm
`folderId`	body	string	нет	ID каталога (для пользовательского аккаунта)

Нюансы

Число тарифицируемых единиц возвращается в заголовке ответа YaCloud-Billing-Units.
Для lpcm передаётся «сырое» аудио без WAV-заголовка; частота задаётся явно.
Для OggOpus и MP3 число каналов не указывается — оно есть в самом файле.
Для асинхронного распознавания файл сначала загружают в бакет Object Storage.

Другие сценарии

Если этого недостаточно — официальная документация: https://aistudio.yandex.ru/ru/docs/speechkit/ Вся интеграция одним документом: https://mcp-everything.ru/integrations/yandex-speechkit.md