Яндекс SpeechKit для ИИ-агента: озвучка ответов и распознавание голосовых
yandex-speechkit
Скилл с двумя скриптами: текст в голосовое сообщение .ogg и голосовое в текст через Яндекс SpeechKit, с десятью голосами и тремя эмоциями
- 2 ★ репозитория
- Последний коммит
Расширенный доступ
Почему такой уровень
- Тексты и аудио отправляются во внешний сервис Яндекса, ключ хранится на диске в открытом виде
- Синтез и распознавание платные после стартового гранта: цикл ответов агента расходует баланс
Установка
- Работает в
- Сервисы
В терминале, через SkillFoxx CLI
npx skillfoxx add skills/yandex-speechkitОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Тексты и аудио отправляются во внешний сервис Яндекса, ключ хранится на диске в открытом виде
- Синтез и распознавание платные после стартового гранта: цикл ответов агента расходует баланс
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Скилл подключает Яндекс SpeechKit к агенту Hermes и совместим с OpenClaw. Скрипт tts.py отправляет текст в синтез речи (tts.api.cloud.yandex.net/speech/v1/tts:synthesize) и сохраняет голосовое сообщение в .ogg, скрипт stt.py распознает присланные аудиофайлы. Голосов десять (`alena`, `filipp`, `ermil`, `jane`, `oksana` и другие), эмоций три: `neutral`, `good` и `evil`. Текст длиннее 250 символов скилл сам режет на части из-за лимита API. Ключ берется из переменной YANDEX_SPEECHKIT_API_KEY, из credentials.json или из рабочей папки агента. В Telegram озвученный ответ уходит маркером MEDIA: в конце обычного сообщения.
Для кого. Тем, кто ведет Telegram-агента на Hermes или OpenClaw и хочет, чтобы он отвечал голосом по-русски и понимал голосовые сообщения.
Подходит, если
- Подписчики присылают голосовые, а агент должен понять их и ответить
- Ответ надо озвучить русским голосом с нужной эмоцией, например добрым или нейтральным
- Длинный текст требуется разбить под лимит синтеза в 250 символов
- Ключ Яндекса уже лежит в окружении, и подключать другого провайдера речи не хочется
Не подходит, если
- Нужны телефония и звонки: автор отдельно указывает, что скилл чистый, без телефонии
- Агент работает в Claude Code или Cursor: скилл написан под профили Hermes и маркер MEDIA: в Telegram
- Нужен потоковый синтез или распознавание в реальном времени: скрипты работают с готовыми файлами
Пример запроса к агенту
Озвучь этот ответ голосом `alena` с эмоцией `good` и вставь маркер MEDIA: в конец сообщенияОграничения
Скилл написан под Hermes и OpenClaw с Telegram: в Claude Code или Cursor команды придется переносить самим, проверок там нет. Нужен API-ключ Яндекса из AI Studio, в README упомянут стартовый грант 4000 рублей, дальше синтез и распознавание платные по тарифам Яндекса. Текст синтеза ограничен 250 символами за запрос, длинный режется. Репозиторий небольшой: два скрипта, звезд две, последний коммит в июне 2026. Ключ лежит в открытом виде в credentials.json, файл не стоит добавлять в git.
Как отключить. Удалите папку скилла yandex-speechkit из каталога skills профиля агента, затем удалите credentials.json и переменную YANDEX_SPEECHKIT_API_KEY, а ключ отзовите в кабинете Яндекса.
Частые вопросы
Какие голоса доступны?
Десять: `alena` (по умолчанию), `filipp`, `ermil`, `jane`, `oksana`, `omazh`, `zahar`, `marina`, `masha` и `tatyana`; `marina` и `masha` помечены как премиум.
Где взять ключ?
В aistudio.yandex.ru: после регистрации создается API-ключ в профиле, он передается заголовком Authorization: Api-Key.
Как отправить голосовое в Telegram?
Одним сообщением: маркер MEDIA: с полным путем к .ogg ставится в конец обычного ответа. Отдельный send_message даст дубликаты.
Что с длинными текстами?
API принимает до 250 символов за запрос, поэтому скилл разбивает текст на части автоматически.
Работает ли скилл с телефонией?
Нет, это чистый скилл для голосовых сообщений, звонки в нем не предусмотрены.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
SpeechKit — все инструментыСкилл и скрипты для расшифровки аудио через Yandex SpeechKit: подготовка записи, загрузка в Object Storage и асинхронное распознавание v3
yandex-stt: длинные записи в текст через SpeechKit
yandex-speechkit-talk-recognition
Консольная утилита на Node.js, которая переводит длинные аудиозаписи разговоров в текст через асинхронное распознавание Yandex SpeechKit
Четыре однофайловых MCP-сервера для YandexGPT, распознавания текста, синтеза речи SpeechKit и поиска Яндекса
Подборка скиллов российского стека: GigaChat, YandexGPT, Яндекс 360, Яндекс Облако, Метрика и заказы маркетплейсов
Набор MCP-серверов и скиллов для ассистента OpenClaw: YandexGPT, распознавание текста, синтез речи и генерация изображений
Скиллы Яндекса для Claude Code
Claude Yandex Skills
Пять cache-first скиллов на shell для Direct, Метрики, Вебмастера, Wordstat и Search API: Claude сам решает, какой запустить
Коротко о README
В README описаны возможности (TTS, STT, десять голосов, три эмоции, автобрейк текста, ключ из окружения), быстрый старт из пяти шагов, правило одного сообщения с маркером MEDIA:, таблица голосов и примеры вызова скриптов tts.py и stt.py.