Пять секунд — и это уже мой голос? Честный тест бесплатного клонирования голоса

Пять секунд. Я как раз успел сказать «так, проверка, раз-два-три» — и всё, запись кончилась. Ровно столько, по обещаниям, нужно, чтобы клонировать голос онлайн. Честно? Я не поверил. У меня голосовое сообщение в Telegram длиннее.

Поэтому в пятницу вечером я налил чай, сел за ноутбук и решил проверить: если выйдет ерунда — напишу злой пост. Если выйдет нормально — тоже напишу, но другой.

Вышел второй вариант.

Пять секунд — это вообще работает?

Записал на телефон, как читаю вслух новостную заметку. Таймер показал 5,4 секунды. Открыл клонирование голоса бесплатно, загрузил файл — и приготовился к обычному: «подтвердите почту», «введите номер», «выберите тариф».

Ничего этого не было. Ни регистрации, ни капчи. Даже как-то неуютно стало, если честно.

Через полминуты я вбил текст, который вслух никогда не читал, и нажал «сгенерировать». Слушаю. Ну... не сто процентов я, процентов восемьдесят пять. Интонация чуть более «дикторская», чем у меня в жизни, но носовой призвук на месте, и эта моя манера проглатывать окончания — тоже. Жена из кухни крикнула: «Ты что, видео записываешь?» Значит, прошло проверку.

Потом я прогнал тот же текст через 15 и 30 секунд записи. Разница слышна: чем длиннее образец, тем меньше «пластика» в голосе. Так что вывод простой — пяти секунд хватает, чтобы понять, работает ли вообще, но если делаете что-то серьёзное, не ленитесь записать полминуты в тишине.

Сценарий первый: озвучка для видео

У приятельницы канал на YouTube и параллельно VK Клипы. Она сама наговаривает каждый ролик, и когда голос садится — выпуски встают. Я взял её сценарий на три минуты, закинул в сервис, выбрал её клон и получил готовую дорожку.

Реакция была: «Стабильнее, чем у меня. Но эмоций меньше».

И это правда. Эмоции — слабое место любой нейроозвучки. Но кое-что решается руками: ставьте больше вопросительных знаков, дробите длинные предложения, разбивайте абзацы. Звучит уже совсем иначе, живее.

Хотя, если вам нужно просто озвучить текст под слайд-шоу или рекламу, не обязательно клонировать свой голос. В голосовом синтезаторе онлайн есть готовые голоса — пара мужских и женских звучат вполне по-человечески, без этого металлического призвука, по которому обычно узнаёшь робота за километр.

Сценарий второй: длинный текст и аудиокнига

Тут я специально взял статью на четыре тысячи знаков — проверить, не окажется ли «без ограничений» маркетинговой сказкой. Загрузил целиком, без разбивки на куски. Подождал минуту с небольшим. Получил цельный файл.

Одна засада всё же вылезла: сервис споткнулся на ударении. Слово «звонит» он прочитал как «зво́нит» — ну, вы поняли, как в анекдоте про «зво́нит». Поправил написание в тексте, перегенерировал — готово. Такие мелочи случаются, и к ним стоит быть готовым. Хорошая новость: исправляется за десять секунд, а не за час перезаписи у микрофона.

Кстати, именно поэтому я теперь советую всем, кто хочет озвучить аудиокнигу бесплатно: сначала прогоните главу, послушайте, выловите все «зво́нит» и «за́мок», и только потом собирайте финальную версию. Иначе будет обидно.

Сценарий третий: голос как память

Этот поворот я не планировал. У меня осталась запись бабушкиного голоса — секунд двадцать, снятая на старый диктофон. Я загрузил её и попросил синтез произнести одну её фразу, которую она говорила всегда.

Дал послушать маме. Она замолчала секунд на пять.

Тема скользкая, я понимаю. Кто-то скажет — красиво, кто-то — жутко. Но технически это работает, и что мне понравилось: синтез голоса без регистрации — это не только про гиков. Мама не дружит с компьютером, а тут три шага: открыть страницу, загрузить файл, нажать кнопку. Никаких установок, никаких «скачайте нашу программу», никаких танцев с API.

Что я понял про данные

Отдельно скажу про то, что волнует лично меня. Я читал достаточно про 152-ФЗ и про то, как утекают голосовые записи, поэтому первым делом полез искать, где хранятся мои файлы. Явного ответа на видном месте не нашёл — и это, пожалуй, единственное, что мне не понравилось. Не то чтобы я ждал паранойи, но для российского пользователя вопрос «а где это лежит» давно перестал быть теоретическим.

Практический вывод: не загружайте туда записи, которые не готовы отдать наружу. Свой голос — пожалуйста. Голос ребёнка, чужие разговоры, рабочие созвоны — не стоит.

Пара граблей, на которые я наступил

  • Тишина важнее длительности. Пять секунд в тихой комнате дают лучший результат, чем тридцать секунд на фоне работающего холодильника и соседа с перфоратором.
  • Аббревиатуры и цифры читаются криво. «РЖД», «2 000 рублей», «ООО» — лучше заранее расписать словами.
  • Английские слова в русском тексте сервис иногда произносит с забавным акцентом. Проверяйте.
  • Клонируйте только свой голос или тот, на который у вас есть разрешение. Это не про сервис, это про совесть и закон.

FAQ

Клонирование голоса бесплатно — это правда без подвоха?

За всё время теста я не упёрся ни в пейволл, ни в «первые три раза бесплатно». Всё, что описано выше — текст в речь бесплатно, без карты и без регистрации. Если сервис когда-нибудь поменяет правила, я допишу, но пока так.

Насколько бесплатный синтез речи уступает платным программам?

Для повседневных задач — озвучка ролика, начитки для курса, черновик подкаста — разница почти не чувствуется. Если вы делаете коммерческую аудиокнигу с актёрской игрой и дыханием в паузах, профессиональные инструменты всё ещё впереди. Но это уже другой бюджет и другой уровень задач.

Можно ли использовать сгенерированный звук в коммерческих проектах?

Свой голос для своего проекта — обычно да. Чужой голос, музыка, брендовые упоминания — тут сначала читайте правила площадки и берите письменное согласие. Скучно, но дешевле, чем потом разбираться.

Я после этого теста ещё полчаса баловался: заставил клон прочитать мои старые посты из соцсетей трёхлетней давности. Смешно и немного не по себе одновременно. Инструмент — он и есть инструмент, а вот куда его направить, решаем мы.

Если у вас вечер свободен, сделайте простую вещь: возьмите телефон, уйдите в комнату потише, запишите пять секунд своего голоса и загрузите. Просто послушайте, что получится. А больше приёмов и разборов они выкладывают регулярно — я оттуда пару трюков с интонацией и подцепил.