Нейросети для озвучки и клонирования голоса

Ролик без голоса за кадром выглядит бедно, а нанимать диктора ради одного ролика дорого и долго. Нейросети, которые превращают текст в голос или клонируют чужой голос по короткой записи, закрывают эту дыру: результат звучит живо, а стоит в лучшем случае бесплатно, в худшем - несколько долларов в месяц. Вопрос, какая нейросеть озвучивает голос лучше, я слышу от читателей регулярно, поэтому собрал сервисы, которые реально можно попробовать не выходя из браузера.

Ниже - разбор по каждому: что сервис умеет, нужен ли VPN для входа из России, есть ли русский язык и где обрывается бесплатный тариф. Я разделяю две разные задачи. Одни нейросети озвучивают готовый текст заранее записанными дикторскими голосами - это классический text-to-speech. Другие клонируют конкретный голос, ваш или чужой, по короткому образцу в несколько минут - это уже voice cloning, и он требует явного согласия человека, чей голос вы копируете.

ElevenLabs

Флагман индустрии и тот сервис, с которого началась мода на клонирование голоса через браузер. Загружаете минуту чистой записи - получаете голос, который читает любой текст с вашей интонацией и тембром. Русский язык через многоязычную модель звучит достаточно натурально, хотя ударения иногда путает на редких словах. От того, как вы оформите исходный текст - расставите паузы, запятые, короткие и длинные фразы, - напрямую зависит, насколько живо прозвучит результат: те же принципы, что мы разбирали в материале про промпты для нейросетей, здесь работают один в один. Бесплатный тариф ограничен небольшим количеством символов в месяц - хватит на пару коротких роликов, не больше. На момент публикации сайт открывается без VPN, а вот оплата и полноценная регистрация обычно требуют иностранной карты, поэтому многие всё равно заходят через VPN и виртуальные карты.

Play.ht

Прямой конкурент ElevenLabs с похожим набором функций: мгновенное клонирование голоса по образцу, огромная библиотека готовых дикторов на разных языках, отдельное веб-приложение Play.ht Studio для сборки длинных аудио. Русский входит в список поддерживаемых языков, звучит ровно, но чуть суше английского. Бесплатный план даёт ограниченное число слов в месяц, дальше просит подписку. Из России на момент публикации сайт доступен без VPN, карта нужна только для оплаты платного тарифа.

Murf

Это не столько про клонирование, сколько про озвучку готовых текстов дикторскими голосами для видео и презентаций. Библиотека голосов большая, есть настройка темпа, пауз и интонационных акцентов прямо в редакторе - удобнее, чем у большинства конкурентов. Если планируете озвучить не один ролик, а целую презентацию, пригодится материал о том, как собрать презентацию от плана до готовых слайдов: тогда голос останется последним шагом, а не тем, из-за чего придётся переделывать всю структуру. Русские голоса в Murf есть, но их заметно меньше, чем английских, и звучат они ровнее, без ярких эмоций. Бесплатный тариф даёт несколько минут озвучки с водяным знаком - формат "попробовать", не "поработать". VPN для доступа из России на момент публикации не требуется.

Speechify

Начинался как читалка текста вслух для сайтов и книг - расширение для браузера и приложение для телефона, которое проговаривает статьи, пока вы едете в метро. Позже добавили клонирование голоса в рамках отдельного продукта Speechify Studio: записываете образец, дальше сервис читает вашим голосом любой текст. Базовая читалка бесплатна и работает без VPN, а вот клонирование голоса и часть живых голосов - уже платная функция. С русским языком у Speechify сложнее, чем у ElevenLabs: чтение работает, но заметно, что русский не в приоритете у разработчиков.

Descript

Descript - это редактор подкастов и видео, где можно резать аудио так же просто, как текст в документе: удалили слово из транскрипта - оно исчезло из записи. Внутри есть функция Overdub - клонирование собственного голоса для тех случаев, когда нужно переозвучить оговорку или добавить фразу, которую вы не произносили. Для обучения модели нужно начитать специальный текст-согласие, это не обходится в один клик. Бесплатный план даёт ограниченное количество минут транскрипции в месяц, а Overdub чаще всего доступен только на платных тарифах. Интерфейс и распознавание речи заточены под английский, с русской транскрипцией сервис справляется заметно хуже. Доступ из России на момент публикации - без VPN.

HeyGen

HeyGen известен в первую очередь видео с говорящими аватарами, но внутри есть отдельная функция клонирования голоса, которая пригождается при переводе своих роликов на другой язык: сервис переозвучивает видео на нужном языке, стараясь сохранить исходный тембр говорящего. Удобно, если вы уже записали ролик по-русски и хотите получить английскую версию своим голосом, а не голосом случайного диктора. Бесплатный тариф крайне скромный - буквально несколько минут генерации в месяц, дальше сразу упираетесь в подписку. Русский язык поддерживается и в озвучке, и в переводе. VPN для входа на сайт на момент публикации не нужен.

Voice.ai

В отличие от предыдущих сервисов, Voice.ai - это не сайт, а отдельное приложение для компьютера, которое меняет голос в реальном времени: подходит для игровых сессий, стримов и звонков, где нужно звучать другим голосом прямо сейчас, а не готовить файл заранее. Бесплатная версия даёт набор готовых голосов-персонажей, клонирование своего или чужого голоса по образцу открывается в платной подписке. Поскольку это устанавливаемая программа, а не веб-сервис, доступ из России не зависит от блокировок сайтов - работает так же, как любая другая программа на вашем компьютере. Русского интерфейса нет, но управление интуитивно понятное и без него.

Fish Audio

Менее раскрученный, но крепкий по качеству конкурент ElevenLabs: та же связка text-to-speech плюс клонирование голоса по короткому образцу, только с более щедрым бесплатным лимитом на старте. Русский язык поддерживается, звучит достаточно естественно, хотя библиотека готовых русскоязычных голосов меньше английской. Интерфейс сайта - на английском, но разобраться в нём легко даже без знания языка: кнопок и настроек немного. Из России на момент публикации сервис открывается без VPN.

Yandex SpeechKit

Если нужен максимально естественный русский голос, а не адаптация англоязычной модели, стоит посмотреть в сторону SpeechKit - технологии Яндекса, которая озвучивает Алису и множество других продуктов компании. Голоса звучат как у носителя языка, с правильными ударениями и естественной интонацией, потому что модель изначально обучена на русской речи, а не переведена с английского. Минус в том, что это инструмент для разработчиков: готового сайта вида "загрузите текст - получите mp3" в привычном виде нет, работа идёт через Yandex Cloud и требует хотя бы небольшого технического опыта. Пробный период на Yandex Cloud даёт ограниченный бесплатный лимит запросов, дальше - платно. Клонирование конкретного голоса пользователя как массовая функция здесь не главная задача сервиса, в отличие от готовой библиотеки дикторов. Доступ из России, разумеется, прямой, без VPN.

Applio

Applio - бесплатная и открытая альтернатива для тех, кто хочет не столько озвучить текст, сколько подменить голос в уже существующей записи: например, спеть чужую песню своим тембром или наоборот. В основе лежит технология RVC, конвертация голоса, а не синтез с нуля. Работает через Google Colab или установку на свой компьютер, официального веб-интерфейса с кнопкой "загрузить и получить результат" нет, придётся один раз разобраться в настройке. Зато это полностью бесплатно, без месячных лимитов, и не зависит ни от каких блокировок - модель считается на ваших же ресурсах. Русского интерфейса тоже нет, но в русскоязычных сообществах накопилось достаточно инструкций, чтобы разобраться без знания английского.

Кому какой сервис подходит

Для разового видео или подкаста, где важно звучать живо и по-русски, разумнее всего начать с ElevenLabs или Fish Audio: у обоих щедрая для теста бесплатная квота и понятный интерфейс. Для озвучки презентаций и корпоративных роликов удобнее Murf - там акцент на управлении темпом и паузами, а не на клонировании. Если нужен именно русский голос дикторского качества и вы готовы немного повозиться с настройкой, лучший результат даст Yandex SpeechKit. Для игр и стримов, где голос нужно менять на лету, а не готовить файл заранее, подходит Voice.ai. А тем, кто хочет бесплатно поэкспериментировать с подменой голоса в уже готовой записи и не боится Google Colab, стоит присмотреться к Applio.

Бесплатные тарифы почти везде рассчитаны на пробу, а не на регулярную работу - если голос нужен вам не разово, закладывайте бюджет на подписку хотя бы одного сервиса. Более широкий обзор инструментов, которые действительно работают без оплаты, есть в отдельном разборе бесплатных нейросетей без VPN, а другие материалы о нейросетях для конкретных задач собраны в архиве рубрики.