Najczęściej zadawane pytania
Czy API GlosaGłos obsługuje język polski?
Tak, język polski jest w pełni wspierany. Możesz go jawnie wskazać w żądaniu API za pomocą pola language z kodem ISO pl. Jeśli nie podasz języka, system domyślnie zgaduje go na podstawie skryptu, co dla tekstu łacińskiego może skutkować językiem angielskim. Wszystkie 8 dostępnych głosów potrafi płynnie czytać teksty po polsku.
Ile kosztuje wygenerowanie jednego audiobooka?
Koszt wynosi 10 USD za 1 milion znaków, co daje 0,01 USD za 1000 znaków. Liczone są wszystkie znaki, w tym spacje i interpunkcja. Cena jest stała niezależnie od wybranego modelu lub głosu. Brak opłat abonamentowych czy minimalnych wydatków. Płatność realizuje się poprzez doładowanie salda w USDT (TRC-20). Brak kart, PayPal czy faktur.
Jakie są limity znaków w jednym żądaniu API?
Maksymalna długość tekstu w jednym żądaniu API wynosi 4096 znaków. Dla dłuższych tekstów, typowych dla audiobooków, należy podzielić treść na mniejsze fragmenty o tej wielkości i połączyć wygenerowane pliki audio. Limit ten dotyczy pola input w ciele żądania JSON wysyłanego na endpoint /v1/audio/speech.
Czy używany tekst jest wykorzystywany do trenowania modelu?
Nie, wprowadzony tekst służy wyłącznie do wygenerowania pliku audio i nie jest wykorzystywany do trenowania modelu syntezatora. Wygenerowane audio jest zwracane w odpowiedzi i nie jest przechowywane na serwerach. Jedyne dane przechowywane to metadane żądania (czas, liczba znaków, status) niezbędne do rozliczenia i fakturowania usługi.
Jakie formaty plików audio są wspierane?
API obsługuje pięć formatów wyjściowych: mp3, wav, opus, flac oraz pcm. Wybór formatu dokonuje się poprzez pole response_format w żądaniu. Każdy z tych formatów jest zwracany jako plik binarny w odpowiedzi na pomyślne żądanie POST. Wybór formatu nie wpływa na cenę ani na limit żądań.
Czy mogę dostosować prędkość czytania?
Tak, możesz regulować prędkość odczytu w zakresie od 0.25 do 4.0 razy. Wartość domyślna to 1.0. Parametr speed pozwala na przyspieszenie lub zwolnienie głosu syntetycznego. Jest to przydatne przy dostosowywaniu audiobooków do różnych potrzeb odbiorców lub optymalizacji czasu generowania długich tekstów.
Jak działa limit 60 żądań na minutę?
Limit wynosi 60 żądań na minutę na jeden klucz API. Przed pierwszym doładowaniem salda limit ten wynosi 10 żądań na minutę. Żądania są przetwarzane sekwencyjnie, więc przy dużym obciążeniu może wystąpić kolejka. Żądania są przetwarzane sekwencyjnie, więc przy dużym obciążeniu może wystąpić kolejka.
Czy wystawiane są faktury z VAT?
Nie, nie wystawiamy faktur z VAT ani nie obsługujemy płatności kartami czy PayPal. Jedyną metodą płatności jest doładowanie salda w kryptowalucie USDT w sieci TRON (TRC-20). Minimalna kwota doładowania to 5 USD. Saldo nie wygasa, a płatności są realizowane automatycznie po potwierdzeniu transakcji blockchain.
Jakie są podstawowe głosy męskie dostępne w API?
Dostępne są cztery głosy męskie: Felix (energetyczny, idealny do promocji), Milo (przyjazny, konwersacyjny), Atlas (neutralny, typowy dla wiadomości) oraz Orion (głęboki, do dokumentów). Wszystkie głosy są oparte na nagraniach z biblioteki LibriTTS-R i mogą czytać teksty w 23 obsługiwanych językach.
Jakie są podstawowe głosy żeńskie dostępne w API?
Dostępne są cztery głosy żeńskie: Aria (ciepła, klarowna narratorka), Nova (jasna, pełna energii), Luna (miękka, opowiadająca historie) oraz Sage (spokojna, instruktażowa). Wszystkie głosy są oparte na licencjonowanych nagraniach z biblioteki LibriTTS-R i mogą czytać teksty w 23 obsługiwanych językach.
Czy generowane audio zawiera znaki wodne?
Tak, każdy wygenerowany plik audio zawiera niewidoczny znak wodny, który oznacza go jako syntetyczną mowę. Znak ten jest wstawiany automatycznie podczas generowania i nie wpływa na jakość słyszalną dźwięku. Służy on do identyfikacji treści wygenerowanych przez nasze API.
Jak szybko generowany jest plik audio?
Prędkość generowania wynosi około 25 znaków tekstu na sekundę generowania, co odpowiada czasowi rzeczywistemu dla długich tekstów. Krótkie frazy mogą generować się przez kilka sekund. Żądania są przetwarzane sekwencyjnie, więc przy dużym obciążeniu może wystąpić opóźnienie wynikające z kolejki przetwarzania.
Czy można używać klucza API z dowolnego języka programowania?
Tak, API jest zgodne ze standardowym formatem żądań OpenAI. Możesz użyć dowolnego języka programowania, wysyłając żądania HTTP POST z odpowiednim nagłówkiem Authorization: Bearer. Klucz API jest generowany dla konta i może być używany do autoryzacji żądań z dowolnego klienta HTTP lub biblioteki.
Co się dzieje przy nieudanej próbie generowania?
W przypadku nieudanej próby syntezacji, kwota za żądanie jest zwracana w pełni. Nie pobieramy opłat za błędne żądania, które nie zakończyły się wygenerowaniem pliku audio. Saldo konta jest przywracane do stanu przed wysłaniem żądania.
Pierwsze żądanie
curl
curl https://api.bet35.info/v1/audio/speech \
-H "Authorization: Bearer $TTS_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"tts-1","voice":"aria","input":"Hello from the API.","response_format":"mp3"}' \
--output hello.mp3Automatyzacja produkcji audiobooków
Automatyzacja produkcji audiobooków opiera się na prostym API, które konwertuje tekst do mowy w formacie JSON. Wysyłasz żądanie POST do endpointu, a otrzymujesz gotowy plik audio bez konieczności zarządzania infrastrukturą.
Rozwiązanie pozwala na pełną kontrolę nad procesem generowania, od wyboru modelu po format wyjściowy. System obsługuje teksty do 4096 znaków w jednym żądaniu, co umożliwia precyzyjne zarządzanie fragmentami dłuższych książek.
Generowanie z tekstu
Wysyłasz tekst w ciele żądania JSON na endpoint POST /v1/audio/speech. System zwraca plik audio w wybranym formacie (mp3, wav, opus, flac, pcm). Żądania przetwarzane są sekwencyjnie, co gwarantuje spójność kolejności generowania.
Dłuższe teksty należy podzielić na fragmenty do 4096 znaków i połączyć wynikowe pliki audio. Prędkość generowania wynosi około 25 znaków na sekundę dla dłuższych tekstów, co odpowiada realnemu czasowi odsłuchu.
- Model tts-1 lub tts-1-hd
- Tekst do 4096 znaków
- Formaty: mp3, wav, opus, flac, pcm
- Szybkość 0.25–4.0
Kontrola nad jakością
Każde żądanie zawiera parametr voice, który definiuje styl narracji. Dostępnych jest osiem presetów, w tym głosy kobiece i męskie, bazujących na licencjonowanych nagraniach z LibriVox. Każdy plik zawiera niewidoczny znak wodny oznaczający mowę syntetyczną.
Jeśli synteza się nie powiedzie, obciążenie jest zwracane w całości. Brak opłat za błędne żądania zapewnia kontrolę nad kosztami podczas testowania różnych konfiguracji głosu i prędkości.
- 8 presetów głosowych
- Niewidoczny znak wodny
- Zwrot kosztów przy błędzie
- Opcjonalny parametr języka
Integracja z systemami
Interfejs jest zgodny ze shape’em żądań OpenAI, co pozwala na użycie oficjalnych SDK OpenAI po zmianie base_url na https://api.bet35.info/v1. Wystarczy podmienić klucz API w konfiguracji biblioteki.
Uwierzytelnianie odbywa się przez nagłówek Authorization: Bearer tts-... . System obsługuje do 60 żądań na minutę na klucz, co wystarcza dla większości procesów automatycznej produkcji audiobooków w startupach wydawniczych.
- Zgodność z OpenAI SDK
- Autoryzacja Bearer token
- Limit 60 req/min
- Prosta integracja HTTP
Dostępne głosy i style narracji
Głosy w API GlosaGłos są wygenerowane z nagrań licencyjnych LibriTTS-R i publicznych lektur LibriVox. Każda wygenerowana ścieżka zawiera niewidoczny znak wodny sygnalizujący syntetyczne pochodzenie głosu. Nie oferujemy klonowania ani edycji emocji, co gwarantuje spójność brzmieniową w długich projektach.
Wyboru głosu dokonuje się w polu voice podczas wysyłania żądania API. Dostępne są presety dopasowane do różnych stylów narracyjnych, od ciepzej narracji po energiczną prezentację, bez konieczności modyfikacji technicznych.
Kobieta: Aria, Nova
Aria to głos o ciepłym, klarownym brzmieniu, idealny do narracji w książkach elektronicznych. Nova oferuje jasny i pełen energii ton, skuteczny w prezentacjach i treści marketingowych.
Wybór między tymi dwoma presetami pozwala na precyzyjne dopasowanie stylu do charakteru publikacji bez konieczności testowania wielu opcji.
- Aria: ciepła, klarowna narracja
- Nova: jasny, energiczny ton
Kobieta: Luna, Sage
Luna charakteryzuje się miękkiem głosem, który sprawdza się w opowiastkach i treściach storytellingowych. Sage oferuje spokojny, instruktażowy styl, optymalny dla materiałów edukacyjnych i podręczników.
Oba głosy zapewniają naturalny przepływ słów, co redukuje zmęczenie słuchacza podczas długich sesji odsłuchowych.
- Luna: miękki storytelling
- Sage: spokojna instrukcja
Mężczyzna: Felix, Milo
Felix to głos energetyczny, często wykorzystywany w treściach promocyjnych i dynamicznych prezentacjach. Milo brzmi przyjaźnie i konwersacyjnie, co sprzyja budowaniu relacji z odbiorcą w audycjach.
Prezenterzy korporacyjni mogą wykorzystać Milo do jasnego przekazywania informacji bez efektu sztuczności typowego dla syntezatorów.
- Felix: energiczna promocja
- Milo: przyjazna konwersacja
Wsparcie techniczne i formaty
Interfejs API zwraca pliki audio w formatach MP3, WAV, OPUS, FLAC oraz PCM, umożliwiając dobór optymalnej jakości i rozmiaru dla systemów audiobooków. Parametr response_format pozwala na precyzyjne dostosowanie strumienia danych do wymagań infrastruktury docelowej.
Formaty audio MP3/WAV
Oprócz podstawowych formatów strumieniowych, API obsługuje również FLAC i PCM, co jest istotne przy archiwizacji surowych nagrań lub dalszej obróbce w profesjonalnych studiach nagraniowych.
- MP3 i WAV: standardowe kompresje i surowe dane
- OPUS i FLAC: optymalizacja transferu i jakości
- PCM: niekompresowany strumień audio
Prędkość narracji
Parametr speed umożliwia regulację tempa wypowiedzi w zakresie od 0.25 do 4.0. Dostosowanie szybkości jest kluczowe dla czytelności długich tekstów książkowych lub treści szkoleniowych, gdzie tempo może być zmniejszone dla lepszego zrozumienia informacji.
Obsługiwane języki
Interfejs wspiera 23 języki: arabski, chiński, duński, holenderski, angielski, fiński, francuski, niemiecki, grecki, hebrajski, hindi, włoski, japoński, koreański, malajski, norweski, polski, portugalski, rosyjski, hiszpański, suahili, szwedzki, turecki. Każdy głos może generować tekst w dowolnym z dostępnych języków.
Język jest wykrywany automatycznie na podstawie skryptu, ale zaleca się jawnego określenia kodu ISO (parametr language), szczególnie dla tekstów w językach łacińskich innych niż angielski, aby zapewnić poprawną wymowę.
- 23 języki: od angielskiego po koreański i arabski
- Automatyczne wykrywanie na podstawie skryptu
- Jawne ustawienie kodu ISO zalecane dla tekstów łacińskich
Dlaczego API zamiast gotowca
Korzystanie z dedykowanego API eliminuje konieczność zarządzania wieloma subskrypcjami w różnych platformach. Dostarczamy bezpośredni dostęp do silnika syntezy, co pozwala na pełną kontrolę nad przepływem danych i kosztami w zależności od rzeczywistego zużycia.
Pełna kontrola danych
Tekst wejściowy jest przetwarzany wyłącznie w celu wygenerowania pliku audio i nie jest wykorzystywany do trenowania modeli AI. Dane metadanych (czas, liczba znaków) są przechowywane tylko w celu rozliczenia.
Skalowalność
Architektura API obsługuje automatyczne dzielenie dłuższych tekstów na fragmenty do 4096 znaków i łączenie ich w jeden plik. System skaluje się zgodnie z zapotrzebowaniem, przetwarzając żądania w kolejności.
Brak opłat stałych
Nie ma miesięcznych abonamentów ani kosztów utrzymania konta. Płacisz tylko za zużyte znaki (0,01 USD za 1000 znaków). Brak minimalnych wydatków lub opłat za miejsca użytkownika.
Proces techniczny
Proces integracji opiera się na standardowym protokole HTTP POST. Wymaga to przygotowania żądania z tekstem źródłowym, wyborem odpowiedniego modelu oraz ustawieniami głosu.
System zwraca wygenerowany plik audio lub kod błędu, co pozwala na płynne wdrożenie w istniejących pipeline’ach produkcyjnych.
Wysyłka żądania
Wyślij żądanie POST do endpointu /v1/audio/speech z tokenem Bearer w nagłówku Authorization. ciało żądania musi zawierać pole input z tekstem do przetworzenia, model (tts-1 lub tts-1-hd) oraz wybrany voice. Maksymalna długość tekstu to 4096 znaków.
- Endpoint: POST https://api.bet35.info/v1/audio/speech
- Nagłówek: Authorization: Bearer tts-...
- Format danych: JSON
Pobieranie audio
Po pomyślnym przetworzeniu, odpowiedź zawiera plik dźwiękowy w wybranym formacie (mp3, wav, opus, flac lub pcm). Czas generowania wynosi około jednej sekundy na 25 znaków tekstu.
Obsługa błędów
W przypadku niepowodzenia syntezy, zwracany jest kod błędu HTTP oraz szczegółowa informacja przyczyny. Co kluczowe dla rozliczeń, nie pobieramy opłaty za żądania nieudane – środki są zwracane automatycznie.

Zastosowania w branży
API dostosowuje się do specyfiki produkcji audiobooków, przetwarzając teksty sekwencyjnie. Dzięki mechanizmowi dzielenia dłuższych tekstów na fragmenty do 4096 znaków, system automatycznie łączy wygenerowane pliki audio, eliminując potrzebę zewnętrznych narzędzi montażowych w podstawowych scenariuszach.
Rozwiązanie eliminuje bariery techniczne dla startupów wydawniczych. Nie wymaga utrzymania infrastruktury serwerowej ani negocjacji umów SLA, pozwalając skupić zasoby na edycji merytorycznej i marketingu tytułów.
Książki elektroniczne
Automatyczna konwersja manuskryptów do formatu audio jest kluczowa dla dystrybucji współczesnych książek. API obsługuje teksty wielojęzyczne, co umożliwia publikację audiobooków w 23 językach bez konieczności найmu dodatkowych lektorów.
Proces generowania dźwięku jest przewidywalny kosztowo: $0,01 za 1000 znaków. Brak opłat stałych i subskrypcji sprawia, że model opłaca się zarówno dla krótkich opowiadań, jak i dłuższych pozycji wydawniczych.
- Automatyczne łączenie fragmentów audio
- Wsparcie dla 23 języków
- Brak opłat za utrzymanie platformy
Treningi e-learningowe
Systemy LMS wymagają szybkiego generowania treści audio do kursów. API pozwala na wysyłanie fragmentów tekstu i otrzymywanie plików dźwiękowych w formatach MP3, WAV, OPUS, FLAC lub PCM.
Możliwość regulacji prędkości narracji w zakresie 0,25–4,0 sekundy umożliwia dostosowanie tempa wypowiedzi do specyfiki materiału dydaktycznego, co jest istotne przy przekazywaniu złożonych informacji technicznych.
- Regulacja prędkości narracji
- Wiele formatów audio
- Integracja z systemami LMS
Systemy informacyjne
Dedykowane rozwiązania API pozwalają na wbudowanie funkcji syntezy mowy w wewnętrzne systemy raportowania lub powiadomień. Żądania są przetwarzane sekwencyjnie, więc przy dużym obciążeniu może wystąpić kolejka, co należy uwzględnić w architekturze aplikacji.
System obsługuje do 60 żądań na minutę na klucz (10 na minutę przed pierwszym doładowaniem). Limit ten wymaga monitorowania użycia w przypadku masowych generacji komunikatów w systemach korporacyjnych.
- Przetwarzanie sekwencyjne
- Limit 60 żądań/min
- Skalowalność bez limitu czasu
Bezpieczeństwo danych
Tekst wejściowy jest przetwarzany wyłącznie w celu wygenerowania pliku audio i nie jest wykorzystywany do trenowania modeli sztucznej inteligencji. Wygenerowane pliki są zwracane w odpowiedzi i nie są przechowywane na serwerach, co minimalizuje ryzyko wycieku treści.
Wymagane jest zachowanie praw autorskich do tekstu źródłowego przez klienta. Każda wygenerowana nagranie zawiera niewidoczny cyfrowy znak wodny, który jednoznacznie identyfikuje je jako syntetyczną mowę, zapewniając transparentność w dystrybucji audiobooków.
Prawa autorskie
Klient ponosi odpowiedzialność za prawa do tekstów. Synteza nie nadaje nowych praw autorskich do treści, a jedynie do samego wykonania głosu.
Brak trenowania AI
Dane tekstowe są używane jednorazowo do generowania audio. Nie są one wykorzystywane do uczenia lub poprawy algorytmów TTS.
Anonimizacja
Przechowywane są tylko metadane żądań (czas, liczba znaków, status) niezbędne do rozliczeń. Treść tekstowa nie jest archiwizowana po zakończeniu procesu.
Szybki start
Dostęp do API rozpoczyna się od rejestracji na stronie /get-api-key/, gdzie można wybrać logowanie przez Google lub tradycyjny e-mail. Po założeniu konta otrzymujesz natychmiastowy dostęp do panelu z danymi konta.
Zarządzanie kluczem API jest proste: wygeneruj nowy klucz w dowolnym momencie, a poprzedni zostanie unieważniony natychmiast. Dzięki temu zachowujesz pełną kontrolę nad bezpieczeństwem swoich integracji.
Rejestracja konta
Utwórz konto na bet35.info, wybierając metodę logowania przez Google lub podając e-mail i hasło. Proces zajmuje kilka sekund, a konto jest aktywne natychmiast po weryfikacji.
Generowanie klucza
W panelu użytkownika wygeneruj klucz API typu tts-.... Klucz ten służy do autoryzacji żądań HTTP. Możesz go zresetować w dowolnym momencie, co natychmiast unieważnia poprzedni klucz.
Pierwsze żądanie
Wyślij żądanie POST na https://api.bet35.info/v1/audio/speech z tekstem do 4096 znaków. Uzyskaj plik audio w wybranym formacie (np. mp3 lub wav) w odpowiedzi na żądanie.
- Endpoint: POST /v1/audio/speech
- Autoryzacja: Bearer <twój-klucz>
- Formaty: mp3, wav, opus, flac, pcm
Koszty i rozliczenia
Model rozliczeniowy opiera się na faktycznym zużyciu znaków bez obowiązujących opłat stałych. Cena wynosi $10 za milion znaków, co odpowiada $0,01 za 1000 znaków. Wliczane są spacje i interpunkcja.
W przypadku nieudanej syntezy pobierane jest pełne uzasadnione kwoty. Brak abonamentów i minimalnych wydatków pozwala na precyzyjne prognozowanie kosztów produkcji.
Cennik za znaki
Obliczenia następują za każde żądanie POST. Limit 4096 znaków na zapytanie. Dłuższe teksty należy podzielić na fragmenty do 4096 znaków i połączyć wynikowe pliki audio.
- Stawka: $0,01 / 1000 znaków
- Płatne tylko za udane żądania
- Brak opłat za przestoje
Kredyt próbny
Nowi użytkownicy logujący się przez Google otrzymują $0,50 kredytu. Pozwala to na wygenerowanie ok. 50 000 znaków. Ważność kredytu wynosi 7 dni od rejestracji.
- Kwota: $0,50
- Ważność: 7 dni
- Tylko dla logowania Google
Metody płatności
Wpłaty dokonuje się wyłącznie w USDT (TRC-20) na sieci Tron. Minimalna kwota przelewu to $5. Środki są dostępne na koncie automatycznie w ciągu kilku minut od potwierdzenia transakcji.
- Tylko USDT (TRC-20)
- Minimum wpłaty: $5
- Brak kart, PayPal czy faktur
Posłuchaj 8 głosów
Każdą z poniższych próbek wygenerowano za pomocą tego API z tego samego zdania. Wygenerowane audio zwracane jest w odpowiedzi i nie jest przechowywane na serwerach.
23 języki
Każdy głos potrafi mówić w którymś z tych języków.
