将实时AI语音集成到我们的产品中（语音合成，文本转语音）

我们正在为我们的产品添加语音输出，并寻找能够全方位连接现代语音合成的人。这个任务看似简单，但做好并不容易：我们平台输出的任何文本都应该根据请求用用户的语言以自然的人声进行朗读。目前，我们以纯文本形式提供文章、通知和简短课程，但我们希望人们能够点击“播放”并听而不是阅读。声音应该听起来真正生动——具有适当的语调、停顿和重音，而不是像旧引擎中的单调机器人。

具体来说，我们需要一个小服务，它接收一个文本块，将其发送到高质量的神经网络TTS提供商，缓存接收到的音频并将其传递给浏览器和移动应用。我们需要为每种语言选择几种声音，支持俄语以及至少几种其他语言，并调整速度和音调。在前端——一个整洁的音频播放器，带有播放、暂停、快退和下载按钮。所有这些也应该通过一个简单的REST API提供，带有密钥，以便其他内部工具也可以请求语音合成。务必规划缓存，以便我们不为重复合成相同文本而付费。

未来，我们希望尝试自己的品牌声音，因此选择一个提供商和架构，以便这个可能性保持开放。我们期望的是：
— 工作的TTS微服务，具有提供商抽象和音频缓存；
— 嵌入式网页播放器，API端点和基本文档；
— 通过拆分和无缝音频连接正确处理长文本。
与语音合成集成的真实经验和对发音质量的关注对我们来说比速度更重要。