Платформа Агентика по умолчанию поддерживает движки TTS Yandex (SpeechKit), OpenAI и Агентика, а также опциональные российские суверенные голоса SaluteSpeech и VoiceKit. Дополнительно можно подключить по своему ключу ElevenLabs, Cartesia или self-hosted-эндпоинт локальных моделей (Speaches). По умолчанию доступны некоторые голоса от провайдеров. Вы можете свериться с API-документацией провайдеров, чтобы выбрать voice ID, наиболее подходящий под ваши требования к языку.
Провайдер синтеза получает текст, который сгенерировал агент, чтобы озвучить его. Прежде чем передавать персональные данные, изучите политику провайдера в части обработки, хранения, обучения моделей и региона размещения. Зарубежные провайдеры (OpenAI, ElevenLabs, Cartesia) означают, что этот текст передаётся за границу — убедитесь, что это допустимо по 152-ФЗ, либо используйте суверенные голоса.
Голоса ElevenLabs и Cartesia задаются как voice ID вручную, а не выбираются из выпадающего списка. Оба — зарубежные облака: включайте их только если трансграничная передача аудио звонков допустима для вашего развёртывания.
Для ElevenLabs по своему ключу доступен Flash v2.5. В управляемом режиме MPS доступны Flash v2.5 и Eleven v3. У Flash доступны четыре настройки характера голоса помимо скорости:
  • Стабильность (stability, 0–1) — ниже значение, больше эмоций и вариативности между репликами; выше — ровнее и монотоннее.
  • Схожесть с голосом (similarity_boost, 0–1) — насколько точно синтез следует исходному голосу.
  • Выразительность стиля (style, 0–1) — усиление манеры речи. 0 — минимальная задержка; высокие значения делают речь выразительнее, но менее стабильной.
  • Усиление диктора (use_speaker_boost) — повышает сходство с исходным диктором ценой небольшого роста задержки.
У Flash также доступна нормализация текста (apply_text_normalization: auto, on, off). Значения по умолчанию (0.8 / 0.75 / 0 / включено) совпадают с тем, что платформа отправляла до появления этих полей, поэтому сохранённые конфигурации звучат так же.У Eleven v3 доступны только стабильность и скорость: ElevenLabs не поддерживает для него similarity_boost и use_speaker_boost. Для эмоциональной подачи используйте аудиотеги в тексте, который генерирует агент.
BYOK Yandex TTS (в разделе Voice -> Yandex конфигурации провайдера) дополнительно предоставляет версию API синтеза SpeechKit (v1/v3, что влияет на доступный список голосов) и опции emotion/роли для отдельных голосов там, где голос это поддерживает — управляемый Агентикой каталог Yandex ниже не предоставляет управление emotion.
Если вы не нашли любимый голос, вы всегда можете добавить voice ID вручную. Добавить голос вручную

​
Управляемый Агентикой голос (MPS)

Когда ваш агент использует управляемый Агентикой пайплайн (open managed service на базе Yandex SpeechKit), голос, язык и скорость речи выбираются для каждого воркфлоу отдельно:
  1. Откройте ваш воркфлоу и перейдите на вкладку Settings.
  2. Выберите Model Overrides, затем подвкладку Агентика.
  3. Задайте:
    • Voice — выберите из каталога голосов Yandex SpeechKit. Можно фильтровать по полу и языку. Доступные голоса: alena, jane, omazh, oksana, dasha, julia, lera, masha, marina, alyss (женские) и filipp, ermil, zahar, alexander, kirill, anton, nick (мужские).
    • Language — например, ru-RU, en-US, kk-KK или uz-UZ.
    • Speed — скорость речи.
  4. Сохраните.
Выбор отправляется в managed service во время звонка, поэтому он вступает в силу при следующем запуске — переразвёртывание не требуется.
Если голос по умолчанию звучит невыразительно, попробуйте более выразительный — для русского языка jane или omazh; для английского задайте язык en-US и выберите nick или alyss.