Інтеграція ElevenLabs для генерації мовлення в мобільному додатку

При розробці голосового асистента для iOS ми зіткнулися з проблемою: відтворення синтезованої мови через REST-запит давало затримку 5–10 секунд до першого звуку. Користувачі не готові чекати так довго — це вбиває сценарій діалогу. Рішення — WebSocket-стрімінг від ElevenLabs, який дозволяє відтворювати мову по мірі генерації, із затримкою всього 200–400 мс. У цій статті я розповім, як реалізувати таку інтеграцію на Swift та Kotlin, і які підводні камені обійти. Ми розробляємо інтеграцію ElevenLabs для генерації мовлення в мобільному додатку: iOS (Swift) та Android (Kotlin). Це не просто підключення Text-to-Speech API — ми проєктуємо архітектуру стрімінгу, кешування та управління квотою. ElevenLabs — один із двох провайдерів з по-справжньому природно звучащою багатомовною мовою (другий — OpenAI TTS). Для російської мови модель eleven_multilingual_v2 видає результат, який люди регулярно приймають за живу мову. Інтеграція нетривіальна: у API є нюанси з форматами, стрімінгом та управлінням симвільною квотою. Наш досвід (5+ років у мобільному аудіо) дозволяє уникнути типових помилок та скоротити час розробки на 40%.

Базова інтеграція через REST

Мінімальний запит на синтез:

POST https://api.elevenlabs.io/v1/text-to-speech/{voice_id}
xi-api-key: YOUR_KEY
Content-Type: application/json

{
  "text": "Привіт, це тестовий текст",
  "model_id": "eleven_multilingual_v2",
  "voice_settings": {
    "stability": 0.5,
    "similarity_boost": 0.75,
    "style": 0.0,
    "use_speaker_boost": true
  }
}

Відповідь — бінарний аудіофайл. За замовчуванням mp3_44100_128, можна змінити через query-параметр output_format: pcm_16000, pcm_22050, pcm_24000, pcm_44100, mp3_22050_32, mp3_44100_64, mp3_44100_128, mp3_44100_192. Для відтворення в мобільному додатку — mp3_44100_128. Для on-the-fly відтворення без збереження — pcm_16000 з негайною подачею в AudioTrack / AVAudioPlayerNode.

Чому WebSocket стрімінг швидший за REST?

ElevenLabs підтримує два види стрімінгу: через streaming HTTP (/v1/text-to-speech/{voice_id}/stream) та через WebSocket (/v1/text-to-speech/{voice_id}/stream-input). WebSocket — для діалогових додатків, де текст генерується по мірі відповіді LLM. REST-стрімінг все одно вимагає повної генерації аудіо перед відправкою першого байта, тоді як WebSocket передає аудіо частинами по мірі синтезу. Перший звук при WebSocket з'являється через 200–400 мс — в 2.5 рази швидше, ніж у OpenAI TTS (500–800 мс). Згідно з офіційною документацією ElevenLabs, WebSocket streaming забезпечує мінімальну затримку для real-time додатків.

Як реалізувати WebSocket-стрімінг?

1. Встановіть WebSocket-з'єднання з ендпоінтом wss://api.elevenlabs.io/v1/text-to-speech/{voice_id}/stream-input. Передайте xi-api-key в заголовках. Потрібно відправити початкове повідомлення з порожнім текстом та налаштуваннями голосу.

2. Відправляйте фрагменти тексту по мірі їх надходження від LLM. Кожен фрагмент — JSON-повідомлення {"text":"..."}. У відповідь приходитимуть base64-чанки аудіо.

3. Завершіть стрімінг відправкою порожнього повідомлення {"text":""} — це сигнал ElevenLabs, що текст закінчено, і потрібно закрити з'єднання.

4. Відтворюйте аудіо негайно після отримання кожного чанка. На iOS використовуйте AVAudioPlayerNode з PCM-форматом, на Android — AudioTrack.

Приклад на Swift:

class ElevenLabsStreamPlayer {
    private var webSocket: URLSessionWebSocketTask?
    private var audioEngine = AVAudioEngine()
    private var playerNode = AVAudioPlayerNode()

    func connect(voiceId: String) {
        let url = URL(string: "wss://api.elevenlabs.io/v1/text-to-speech/\(voiceId)/stream-input?model_id=eleven_multilingual_v2&output_format=pcm_16000")!
        var request = URLRequest(url: url)
        request.setValue(apiKey, forHTTPHeaderField: "xi-api-key")
        webSocket = URLSession.shared.webSocketTask(with: request)
        webSocket?.resume()

        let initMsg = #"{\"text\":\" \",\"voice_settings\":{\"stability\":0.5,\"similarity_boost\":0.75}}"#
        webSocket?.send(.string(initMsg)) { _ in }

        audioEngine.attach(playerNode)
        audioEngine.connect(playerNode, to: audioEngine.mainMixerNode, format: nil)
        try? audioEngine.start()

        receiveAudio()
    }

    func sendText(_ chunk: String) {
        let msg = "{\"text\":\"\(chunk)\"}"
        webSocket?.send(.string(msg)) { _ in }
    }

    func flush() {
        webSocket?.send(.string("{\"text\":\"\"}")) { _ in }
    }

    private func receiveAudio() {
        webSocket?.receive { [weak self] result in
            if case .success(.string(let text)) = result,
               let data = text.data(using: .utf8),
               let json = try? JSONDecoder().decode(AudioChunk.self, from: data),
               let audioB64 = json.audio,
               let audioData = Data(base64Encoded: audioB64) {
                self?.enqueueAudio(audioData)
            }
            self?.receiveAudio()
        }
    }

    private func enqueueAudio(_ data: Data) {
        let format = AVAudioFormat(commonFormat: .pcmFormatInt16, sampleRate: 16000, channels: 1, interleaved: false)!
        let frameCount = AVAudioFrameCount(data.count / 2)
        guard let buffer = AVAudioPCMBuffer(pcmFormat: format, frameCapacity: frameCount) else { return }
        buffer.frameLength = frameCount
        data.withUnsafeBytes { ptr in
            buffer.int16ChannelData?[0].update(from: ptr.bindMemory(to: Int16.self).baseAddress!, count: Int(frameCount))
        }
        playerNode.scheduleBuffer(buffer, completionHandler: nil)
        if !playerNode.isPlaying { playerNode.play() }
    }
}

Паттерн використання в діалоговому асистенті: по мірі отримання токенів від GPT — sendText(token), по завершенню відповіді — flush(). Затримка до першого звуку — 200–400 мс.

Які проблеми вирішуємо?

Затримки при стрімінгу

Без WebSocket перший звук з'являється тільки після повного синтезу — до 5–10 секунд. Стрімінг знижує затримку до 200–400 мс.

Управління квотою символів

ElevenLabs тарифікується по символах: $22 за 1 мільйон символів. Без контролю квоти додаток може раптово зупинитися. Моніторинг через GET /v1/user/subscription та кешування знижують витрати на 30%.

Кешування повторних запитів

LRU-кеш на SHA-256 ключі (text + voice_id + stability + similarity_boost) з TTL 30 днів та обмеженням 100 МБ. Це скорочує кількість запитів до API на 40%.

Порівняння провайдерів TTS

ElevenLabs виграє за якістю та швидкістю, але вимагає грамотної інтеграції стрімінгу та управління квотою.

Параметри голосу та їх вплив

Stability контролює варіативність інтонації: низькі значення роблять мову більш живою, високі — монотонною. similarity_boost визначає, наскільки точно голос копіює оригінальний тембр: надто високі значення можуть викликати спотворення. Style додає емоційне забарвлення, але для більшості сценаріїв достатньо 0.

Моніторинг квоти

suspend fun checkQuota(textLength: Int): Boolean {
    val response = httpClient.get("https://api.elevenlabs.io/v1/user/subscription") {
        header("xi-api-key", apiKey)
    }.body<SubscriptionInfo>()
    return (response.characterLimit - response.characterCount) >= textLength
}

Типові помилки при інтеграції

• Не відправляють порожнє повідомлення в кінці. Без {"text":""} WebSocket не закривається коректно, і останні секунди аудіо втрачаються.
• Ігнорують обробку помилок мережі. WebSocket може розірватися при втраті з'єднання. Реалізуйте автоматичне перепідключення з експоненційною затримкою (1с, 2с, 4с).

Що входить в роботу

• REST-інтеграція з налаштуваннями голосу (stability, similarity_boost, style)
• WebSocket-стрімінг з подачею токенів від LLM
• LRU-кеш на SHA-256 (до 100 МБ, TTL 30 днів)
• UI вибору голосу з попереднім переглядом
• Моніторинг квоти символів зі сповіщеннями
• Документація з інтеграції та підтримка 2 тижні

Терміни та вартість

Базова інтеграція REST + відтворення — 2–3 дні. Стрімінговий WebSocket з подачею токенів від LLM — 5–7 днів. Повний UI вибору голосу + кеш + моніторинг квоти — 10–14 днів. Вартість інтеграції розраховується індивідуально після аналізу проєкту.

Гарантія та підтримка

Ми гарантуємо якісне виконання роботи в строк. Надаємо документацію та 2 тижні підтримки після здачі. Зв'яжіться з нами для консультації з інтеграції ElevenLabs у ваш мобільний додаток — оцінимо ваш проєкт безкоштовно. Замовте інтеграцію з гарантією термінів та отримайте готове рішення без типових помилок.

Машинне навчання в мобільних застосунках: CoreML, TFLite та on-device LLM

Ми розрізняємо два принципово різних підходи: застосунок з on-device AI та застосунок, який просто викликає хмарне API. Перший працює без інтернету, не надсилає дані користувача на сторонні сервери та відповідає за 50 мілісекунд. Другий залежить від затримки мережі та тарифного плану. Вибір архітектури — ключовий етап, який безпосередньо впливає на вартість, приватність та користувацький досвід. Наш досвід показує: у 70% проектів on-device інференс виявляється дешевшим у довгостроковій перспективі завдяки виключенню серверних витрат. Економія може сягати 40% щомісячних витрат — отримайте консультацію, ми порахуємо для вашого кейсу.

Як вибрати між CoreML та TFLite для on-device інференсу?

CoreML — нативний фреймворк Apple для запуску ML-моделей на пристрої, описаний у документації Apple. Підтримує Neural Engine (A11 Bionic та новіші), GPU та CPU як fallback. Моделі конвертуються у формат .mlmodel через coremltools з PyTorch, ONNX або TensorFlow. Конвертація — не завжди тривіальна: кастомні шари вимагають реалізації MLCustomLayer, а квантизація до INT8 іноді помітно знижує точність на специфічних даних. Ми гарантуємо, що підсумкова модель проходить валідацію на реальних даних до та після конвертації.

TensorFlow Lite — крос-платформна альтернатива для Android та Flutter відповідно до специфікації Google. На Android використовує NNAPI (Neural Networks API) для апаратного прискорення — з Android 10+ NNAPI стабільніший, до цього краще явно використовувати GPU delegate через GpuDelegate. Типова помилка: модель навчена на нормалізованих даних у діапазоні [0,1], а в застосунку на вхід подається [0,255] — інференс працює, але з безглуздими результатами без помилки. Ми включаємо модуль автоматичної валідації вхідних даних у SDK.

Для задач класифікації зображень, детекції об'єктів та сегментації доступні готові оптимізовані моделі. YOLOv8 у CoreML форматі запускає детекцію кадру 640×640 за 15–20 мс на iPhone 14 Neural Engine. MobileNetV3 на TFLite з GPU delegate — близько 8 мс на Pixel 7 при класифікації.

Що робити, якщо потрібна генерація тексту на пристрої?

Запуск невеликих мовних моделей на пристрої став реальністю за останні роки. Apple Intelligence використовує власні моделі через Private Cloud Compute, але для сторонніх розробників доступні інші шляхи.

llama.cpp з Metal backend на iOS — робочий підхід для phi-3-mini (3.8B параметрів, 4-bit квантизація, ~2.3 ГБ). Інференс: 15–25 токенів/секунду на iPhone 15 Pro. Для інтеграції в Swift використовуємо Swift Package llama.swift або обгортку через C-інтерфейс llama.h. Бінарник до застосунку не додаємо — модель завантажується при першому запуску та зберігається в Application Support. Наші сертифіковані розробники налаштовують інкрементальне завантаження, щоб не блокувати перший запуск.

На Android аналог — Google AI Edge (колишній MediaPipe LLM Inference API) з підтримкою Gemma-2B. Працює через GPU delegate, на Tensor G3 чіпі Pixel 8 Pro — близько 20 токенів/секунду.

Інтеграція OpenAI API та інших хмарних моделей

Для сценаріїв, де cloud inference допустимий, інтеграція OpenAI, Anthropic або Google Gemini — це HTTP клієнт + streaming SSE. У Swift зручно через AsyncThrowingStream для стрімінгових відповідей. У Kotlin — через Flow.

Критично важливо: API-ключі ніколи не зберігаються в бандлі застосунку. Навіть обфускований ключ витягується з IPA за 10 хвилин через strings або frida. Правильна архітектура: мобільний застосунок → власний backend → OpenAI API. Backend контролює rate limiting, логує запити, захищає ключ.

Що входить у роботу (результати)

• Навчена та квантизована модель під цільовий пристрій (документація за метриками)
• SDK для інтеграції (Swift/Kotlin/Flutter) з прикладами виклику
• Тести продуктивності на 3–5 реальних пристроях
• Інструкція з оновлення моделі OTA
• Підтримка при проходженні модерації App Store / Google Play (перевірка відповідності Guidelines 4.2, 5.1)
• 2 тижні технічної підтримки після релізу

Типовий пайплайн проекту

1. Аналіз завдання — вимірюємо latency, privacy, size, підтримувані пристрої.
2. Прототипування моделі — в Python, оцінка accuracy на цільових даних.
3. Конвертація та квантизація — під CoreML/TFLite з валідацією.
4. Інтеграція в застосунок — модель обгортається в сервісний шар (легко замінювати CoreML → TFLite → хмара).
5. Тестування — на реальних пристроях, вимір FPS, RAM, батареї.
6. Деплой — через TestFlight / Firebase App Distribution, моніторинг метрик.

Терміни: інтеграція готової CoreML/TFLite моделі — 1–2 тижні, розробка кастомної моделі з мобільною оптимізацією — від 6 тижнів, on-device LLM чат з персоналізацією — 4–8 тижнів.

Чому ми беремося за складні кейси?

10+ років досвіду в мобільній розробці, 50+ впроваджених AI/ML рішень, гарантія сумісності з актуальними версіями iOS та Android. Всі проекти проходять code review та навантажувальне тестування. У вартість вже входить підготовка документації для модерації та навчання вашої команди.

Зв'яжіться з нами — ми допоможемо вибрати архітектуру та впровадити ML у ваш застосунок під ключ. Замовте аудит наявного рішення — безкоштовно оцінимо потенціал економії серверних витрат. Отримайте консультацію експерта — напишіть нам сьогодні.