Статус заказа, ответ поддержки и рабочую сводку можно передать голосом, когда получателю удобнее слушать, чем читать. Новый узел «Синтез речи» в Staqflow преобразует текст процесса в аудиофайл. Следующий шаг отправляет его в мессенджер, прикладывает к письму или сохраняет в хранилище.
Озвучка использует данные рабочего процессаВ поле текста доступны выражения: можно подставить имя клиента, номер заказа, ответ языковой модели или сформированную сводку. Готовое аудио возвращается в бинарном поле элемента, поэтому отдельная ручная загрузка файла не нужна.
Различия API обрабатывает узел. Провайдер, голос, формат и доступные параметры выбираются в одной панели. Подключение может использоваться совместно с распознаванием речи; если сервис поддерживает оба режима, повторно вводить ключ не требуется.
Девять провайдеров покрывают разные требованияДоступны OpenAI, Gemini, Qwen, Groq, Mistral, ElevenLabs, Deepgram, Yandex SpeechKit и собственный OpenAI-совместимый сервер. Списки моделей и голосов загружаются из каталога или аккаунта, где API это позволяет; название можно указать вручную.
- OpenAI: выбор голосов и описание манеры речи для поддерживаемых моделей; текст — до 4096 символов.
- Gemini: 30 встроенных голосов, результат в WAV.
- Qwen: управление манерой речи у моделей с instruct в названии.
- Groq: быстрые модели озвучки.
- Mistral: голоса, доступные в аккаунте.
- ElevenLabs: собственные и клонированные голоса, настройки стабильности и похожести.
- Deepgram: голос одновременно является моделью, текст — до 2000 символов.
- Yandex SpeechKit: русские голоса и роли — например, нейтрально, строго или шёпотом.
- Собственный сервер: локальная озвучка в инфраструктуре компании.
SaluteSpeech в этом узле синтеза не поддерживается; его интеграция используется для распознавания речи. Наличие провайдера не означает, что каждая его модель принимает все параметры.
Голос и формат выбирают под канал доставки- Создайте подключение в пространстве и добавьте узел «Синтез речи».
- Выберите провайдера, модель и голос.
- Передайте текст, при необходимости с выражениями для данных процесса.
- Выберите поддерживаемый формат: MP3, Opus, WAV, FLAC или AAC.
- Добавьте шаг отправки файла в Telegram, почту или хранилище.
MP3 удобен для веба и мессенджеров, WAV сохраняет звук без сжатия. Gemini всегда возвращает WAV. Файл по умолчанию находится в поле data, имя можно изменить.
Для поддерживаемых сервисов доступны скорость 0,25–4, описание манеры речи, роли SpeechKit и параметры ElevenLabs. Не каждый голос SpeechKit поддерживает все роли. Таймаут по умолчанию — пять минут; длинную озвучку нужно учитывать при его выборе. Ограничения текста проверяются до отправки оплачиваемого запроса.
Результат содержит файл и данные для контроляРядом с аудио возвращаются provider, model, voice, fileName, mimeType, bytes и число озвученных символов characters. В ignored перечисляются параметры, которые сервис не принял. Это позволяет проверить фактический результат при смене провайдера.
В истории запуска можно увидеть отказ сервиса, пустой файл или случай, когда модель вернула текст вместо аудио. Эти ошибки нужно обрабатывать в workflow перед доставкой сообщения получателю.
Сценарии для клиентов и сотрудников- Уведомления: изменение статуса заказа → текст с данными клиента → озвучка → голосовое сообщение в боте.
- Поддержка: языковая модель готовит ответ, затем клиент получает текст и аудио.
- Рабочие сводки: процесс по расписанию собирает задачи или показатели и отправляет озвученный отчёт.
- Контент: статья из CMS → MP3 → хранилище и аудиоверсия публикации.
- Напоминания и инструкции: шаблон дополняется данными конкретного адресата без отдельной ручной записи.
Провайдера оценивают по голосу, данным и стоимостиДля русскоязычной озвучки в российском облаке доступен Yandex SpeechKit. Для управления интонацией можно использовать ElevenLabs, для локального размещения — собственный сервер. Если уже используется OpenAI или Gemini, озвучку можно настроить на существующем подключении.
Стоимость API определяется правилами сервиса, в том числе числом символов. Ресурсы workflow Staqflow учитываются отдельно. Перед массовой отправкой следует проверить голос, формат и произношение терминов на примерах своих сообщений.
Частые вопросыМожно ли заменить сервис без пересборки workflow?Да, смените провайдера, модель и подключение в узле. Затем проверьте поддерживаемые параметры и формат результата.
Почему выбранная роль речи не работает?Поддержка зависит от провайдера и конкретного голоса. Например, не каждый голос SpeechKit умеет все роли.
Связанные материалыПодробнее о возможностях автоматизации — на сайте
Staqflow.