Звук в Vtop AI делается так же, как картинка или текст: в шапке чата выбирается категория «Аудио», берётся одна из моделей звука и описывается задача. Модели разделены по назначению: одни работают с речью, другие — с музыкой.
Готовый файл попадает в Файлы. Оттуда его забирают в монтаж, ставят фоном в ролик или прикладывают к следующему запросу — например, чтобы попросить текст под уже готовую озвучку.
Категория «Аудио» — самая небольшая в каталоге: звуковых моделей заметно меньше, чем текстовых, потому что задача у них узкая. Одни синтезируют речь — их используют для озвучки текста, — другие создают музыку по описанию настроения, жанра и инструментов. В каталоге Vtop AI представлены модели OpenAI и Google.
Цена зависит от модели: у части звуковых моделей списание идёт за токены, у части — за вызов. Как и везде в платформе, стоимость видна в выборе модели до отправки запроса, а в журнале использования сохраняется строка с фактическим списанием.
Что умеет: аудио и музыка
Аудио в платформе закрывает две практические нужды: озвучить готовый текст и получить музыкальный фон. Первое нужно, когда ролик или презентацию надо сопроводить голосом, второе — когда не хватает музыкальной подложки. Обе задачи решаются в том же чате, где велась работа над текстом, поэтому не нужно переключаться между сервисами и заново собирать контекст задачи.
- Озвучка текста: ролики, презентации, обучающие материалы
- Музыкальные фрагменты по описанию настроения и жанра
- Звук для рекламных креативов и коротких видео
- Черновая озвучка до записи с диктором
Кому подойдёт
Аудиогенерация пригодится тем, кто делает контент своими руками: авторам видео и подкастов, небольшим студиям, преподавателям и всем, кому нужен звук, а не переговоры с диктором и композитором.
- Авторам видео и подкастов — озвучка и музыкальная подложка
- Преподавателям — озвученные учебные материалы
- Маркетологам — звук для рекламных креативов
- Тем, кто собирает ролики в контент-ферме и хочет свой звук
Сильные и слабые стороны
Что хорошо
- Звук делается в том же чате, что текст и видео
- Модели разделены по задачам: речь и музыка
- Цена модели видна до отправки запроса
- Готовый файл сразу в «Файлах»
На что обратить внимание
- Звуковых моделей в каталоге заметно меньше, чем текстовых — четыре
- Генерация платная, списывается с баланса
- Для длинных материалов удобнее собирать ролик в контент-ферме с озвучкой
Связанные возможности
Эти разделы чаще всего используют вместе с этим — перейти можно в один клик.
Это же можно вызывать из кода
У раздела есть API-двойник: те же протоколы, что у Anthropic и OpenAI, ключ из кабинета и лимит расходов на нём. Пригодится, если возможности платформы нужно встроить в своё приложение или отдать агенту для кода.
Смотрите также
Связанные разделы и страницы, которые дополняют эту возможность.
Частые вопросы
Какие модели звука есть в каталоге?
Четыре: две модели OpenAI (gpt-audio и gpt-audio-mini) и две модели Google для музыки (Lyria 3 Pro и Lyria 3 Clip). Они разделены по назначению — речь и музыкальный фрагмент.
Можно ли озвучить готовый текст?
Да. Текст отправляется модели категории «Аудио», и на выходе получается аудиофайл в Файлах. Для роликов со сценарием удобнее Контент-ферма: там озвучка подключается к сборке целиком, вместе с субтитрами.
Сколько это стоит?
Списывается по цене выбранной модели: у части звуковых моделей — за токены, у части — за вызов. Итоговая стоимость видна до отправки, а фактическое списание отражается в журнале использования. Общая механика — в разделе Баланс и оплата.