Gradium AI выпустила TTS модель с 81% точности на цифрах и кодах: боты звонят без костылей

Результаты опубликованы самой Gradium AI, но набор из 500 тестовых предложений компания выложила в открытый доступ на Hugging Face под лицензией CC BY 4.0, так что любой разработчик может проверить заявления на своих данных. Для рынка голосовых ботов в России, где операторы часто диктуют длинные номера договоров и коды подтверждения, это прямой практический сигнал.

Что читает правильно и почему это редкость?

• Телефоны, email, коды заказов и IBAN произносятся без предварительной нормализации текста. Обычно перед синтезом речи разработчик должен вручную или скриптом переписать «+7 (495) 123-45-67» в текст по цифрам. Gradium заявляет, что их TTS модель делает это сама.
• 81,0% пройденных сложных фраз по оценке живых носителей пяти языков (английский, немецкий, французский, испанский, португальский). Критерий строгий: одна пропущенная цифра означает провал всей фразы. По данным Gradium, Cartesia Sonic 3.6 набрала 75,1%, ElevenLabs v3 Conversational 65,4%, Fish Audio S2.1 Pro 49,5%, Inworld TTS 1.5 Max 46,5%.
• 216 мс до первого звука (P50, медиана) на бенчмарке Coval. Это на 170 мс быстрее предыдущей модели самой Gradium. При этом компания честно указывает, что Inworld TTS 2 быстрее: 166 мс. Козырь Gradium не абсолютная скорость, а сочетание скорости и точности.
• Разброс задержки всего 30 мс между 25-м и 75-м перцентилем на 480 запусках. У Cartesia Sonic 3.6, для сравнения, разброс 165 мс, то есть собеседник на линии иногда ждёт паузу, а иногда нет, и это раздражает сильнее стабильной задержки.
• Миграция не нужна. Существующие голоса, включая клонированные, работают без изменений: модель автоматически стала версией по умолчанию.

Как попробовать?

1. Если вы уже используете Gradium AI: ничего делать не нужно. Модель включена автоматически с 31 августа 2026 года, голоса и клоны сохранены.
2. Если начинаете с нуля: установите Python SDK от Gradium, подключитесь к WebSocket TTS-эндпоинту (точке, куда отправляется текст и откуда приходит аудио) и используйте стандартные идентификаторы голосов.
3. Хотите получить 1 млн бесплатных кредитов: отправьте в Discord-канал Gradium полный отчёт о случаях, когда модель неправильно произносит сложные фразы. Компания платит кредитами за найденные ошибки.
4. Хотите проверить заявления сами: скачайте набор из 500 тестовых предложений на Hugging Face (лицензия CC BY 4.0) и прогоните через свою систему.

Есть ли аналоги в России?

Для русскоязычных голосовых ботов основные инструменты синтеза речи это SpeechKit от Яндекса и решения от Сбера. Прямого сравнения с Gradium по методологии «500 сложных фраз с оценкой живыми слушателями» ни Яндекс, ни Сбер не публиковали, поэтому ставить их в один ряд по цифрам было бы некорректно.

Принципиальная разница: Gradium пока не поддерживает русский язык (тесты проведены на пяти европейских языках). Для задач на русском SpeechKit остаётся рабочим вариантом, но проблема с произношением кодов и номеров в нём тоже знакома разработчикам и требует нормализации текста на стороне клиента.

Что делать с этим прямо сейчас, по ролям?

• Разработчику голосовых ботов для зарубежных клиентов: протестируйте Gradium на реальных сценариях с кодами заказов и email. Если ваш бот обслуживает европейские языки, отказ от ручной нормализации текста экономит часы разработки.
• Автору Дзена, который озвучивает контент: пока Gradium не поддерживает русский, для вас это сигнал, а не инструмент. Следите за обновлениями: если компания добавит русский с тем же качеством на цифрах, это закроет боль с произношением дат, цен и артикулов в обзорах товаров.
• Предпринимателю с колл-центром в РФ: русского языка нет, подключать рано. Но идея «модель сама читает номера без подготовки» это критерий, по которому стоит оценивать и российские решения при выборе TTS модели для своего бота.

Частые вопросы

Работает ли новая TTS модель Gradium с русским языком?

Нет. По данным компании, тесты проведены на пяти языках: английском, немецком, французском, испанском и португальском. О поддержке русского Gradium не сообщала.

Нужно ли платить за переход на новую модель?

Для текущих пользователей переход произошёл автоматически и бесплатно. Тарифы для новых пользователей компания не раскрыла, но предлагает 1 млн кредитов за полные отчёты об ошибках произношения.

Можно ли доверять результатам бенчмарка?

Бенчмарк проведён самой Gradium, это важная оговорка. Однако компания открыла все 500 тестовых предложений на Hugging Face под свободной лицензией CC BY 4.0. Методика описана: независимые носители языка оценивали аудио, порядок был рандомизирован, громкость нормализована, число сравнений ограничено 40 с перерывом. Это не гарантия объективности, но даёт возможность воспроизвести тест самостоятельно.

Если вы строите голосового бота на европейских языках и устали вручную переписывать номера телефонов в текст для озвучки, Gradium стоит проверить на своих данных: открытый бенчмарк позволяет сравнить до покупки, а автоматический переход избавляет от миграции.