Озвучка текста нейросетью: голоса, которые звучат как живые

Синтез речи перестал звучать как робот из девяностых. Разберём, чем пользоваться.

Сервисы

ElevenLabs - лучшее качество на сегодня. Русские голоса есть, интонации живые. Бесплатно 10 тысяч символов в месяц, дальше от 5 долларов.

Сбер SaluteSpeech - работает из России, оплата рублями, голоса хорошие. Для русского языка часто лучше зарубежных.

Яндекс SpeechKit - то же самое, есть в облаке Яндекса.

Play.ht и Murf - зарубежные альтернативы ElevenLabs.

Как получить нормальное звучание

Синтез читает то, что написано. Если текст написан для глаз, звучать будет плохо.

Что помогает:

Короткие предложения. Длинные с придаточными синтез читает без пауз в нужных местах.

Знаки препинания как разметка. Точка даёт паузу, запятая короче. Многоточие даёт задумчивость.

Цифры прописью. «2026» может прочитаться как «две тысячи двадцать шесть» или «два ноль два шесть». Пиши словами там, где важно.

Ударения. В сервисах обычно есть разметка ударений для спорных слов: за́мок или замо́к.

Промпт для подготовки текста:

Перепиши текст для озвучки:
короткие предложения, естественная разговорная речь,
цифры прописью, без сложных оборотов.
Текст: [ТЕКСТ]

Клонирование своего голоса

ElevenLabs умеет: записываешь несколько минут своей речи, дальше любой текст звучит твоим голосом.

Применение: озвучивать курсы и ролики, не садясь каждый раз за микрофон. Записал один раз, дальше печатаешь.

Важно про этику и закон: клонировать чужой голос без разрешения нельзя. Это и незаконно во многих странах, и просто подстава для человека.

Где применяют

• Озвучка коротких роликов и Reels
• Аудиоверсии статей и курсов
• Голосовые сообщения в ботах
• Автоответчик и приветствие для компании
• Аудиокниги

Обратная задача: речь в текст

Whisper от OpenAI - ставится на компьютер, работает офлайн, распознаёт русский отлично. Бесплатно.

Применение: расшифровка совещаний, интервью, голосовых сообщений, надиктованных заметок.

Многие пишут тексты голосом: наговорил за 5 минут, расшифровал, попросил нейросеть причесать. Быстрее, чем печатать.

Сколько стоит

Для роликов и небольших проектов бесплатных лимитов хватает. Если озвучиваешь курс на 20 часов, считай от 20-30 долларов в месяц.

Что выбрать

• Ролики и контент - ElevenLabs
• Из России без карт - SaluteSpeech или SpeechKit
• Расшифровка - Whisper

Голос это одна деталь

В бесплатных уроках показываю всю систему: клиенты, продукты, автоматизация. 39 минут, ноль рублей.

Забрать 4 урока бесплатно →