Записал голосовое в метро — получил студийную озвучку: тест бесплатного клонирования голоса

Скепсис: бесплатные сервисы вообще живые?

На прошлой неделе я наговаривал черновик для подкаста прямо в вагоне — на перегоне между «Технологическим институтом» и «Пушкинской». Дома нажал play и услышал не себя: гул тоннеля, «осторожно, двери закрываются» и чей-то рюкзак, скребущий по куртке.

Знакомая история? У меня так каждый раз, когда идея приходит в голову не в студии, а в метро или на кухне под дрель соседа.

К бесплатным сервисам я относился настороженно. То водяной знак поверх дорожки, то лимит в тридцать секунд, то «подтвердите почту, привяжите карту». Отдавать такому клиентский проект — спасибо, не надо.

Но тут решил проверить всерьёз: прогнать одну и ту же запись через бесплатное клонирование голоса и синтез речи. Не ради экономии — ради ответа на вопрос, где заканчивается демо и начинается рабочий инструмент.

Кидаю шумную запись в шумодав

Загрузил файл в веб-модуль шумоподавления. Ни регистрации, ни «войдите через...», ни баннера поверх кнопки. Через несколько секунд получил дорожку, которую я бы не отличил от записанной в тихой комнате с одеялами на стенах.

Честно — ждал металлического призвука. Ну, знаете этот «подводный» голос, который оставляют дешёвые фильтры. Ничего подобного: гул тоннеля ушёл, а голос остался живым, не стал плоским и картонным.

Хотите повторить — вот клонирование голоса бесплатно, загружайте свой файл и слушайте. Аккаунт не нужен.

Клонирую голос по восьми секундам записи

Дальше началось интересное. Я вырезал из очищенной дорожки восемь секунд — обычная фраза, без пафоса — и отправил в модель. Меньше минуты, и на выходе готовый голос.

Ни почты, ни телефона. Просто клонировать свой голос — и всё. Для меня синтез голоса без регистрации — не маркетинговый пункт, а главный тест: если сервис просит номер до того, как я услышал результат, вкладка закрывается сама.

Что удивило — сохранились паузы. Не только тембр, но и привычка чуть тянуть конец фразы, вдох перед длинным предложением. Обычно именно на таких мелочах и ловишь синтез, а здесь...

Дальше текст ушёл в синтез речи бесплатно — и через пару минут у меня на руках был готовый файл.

Текст в речь: собираю финальную озвучку

Сценарий вставил в поле, выбрал свежий голос, нажал «сгенерировать». Скорость и интонацию подкрутил ползунками — без кода, без API-ключей, без чтения документации на английском.

Получилась та самая озвучка текста бесплатно, в которую обычно не верят, пока не услышат своими ушами. Голосовой синтезатор онлайн, который не заставляет тебя быть разработчиком.

Кстати, если хочется покопаться в настройках глубже — на нейроозвучка народ выкладывает свои эксперименты. Я оттуда подсмотрел, как разбивать длинные абзацы, чтобы интонация не ломалась на середине.

Грабли: частота, лимиты, сеть

Идеально не было. Вот что я поймал на себе:

  • Если текст длинный, генерация режет его на куски — и на стыках слышно, как фраза «перезапускается».
  • Модель чувствительна к частоте дискретизации. Файл в 48 кГц пересэмплируется принудительно, и звук становится глуше.
  • Сэмпл длиннее тридцати секунд обрезается — пришлось вырезать ровно нужный кусок.
  • При прыгающем Wi-Fi генерация подтормаживает, и один раз я чуть не закрыл вкладку раньше времени.

Вывод простой: перед записью ставьте на телефоне 44,1 кГц и моно. Звучит как мелочь, а половину проблем снимает сразу.

Почему меня не остановили реклама, регистрация и лимиты

Больше всего удивило даже не качество. Удивило отсутствие всего того, что обычно мешает: ни всплывающих окон, ни обязательного аккаунта, ни «осталось две генерации до конца дня». Готовый файл скачивается и используется — в том числе в коммерческих проектах.

Для меня это ещё и вопрос данных. Я не отдаю ни почту, ни телефон, ни паспорт — а значит, нечего хранить и нечего утекать. Для тех, кто следит за 152-ФЗ и вообще за тем, куда уходят голосовые записи, это не формальность, а реальный плюс.

Отправил голосовые друзьям — никто не догадался

Вчера скинул готовые файлы в чат приятелям, которые делают подкасты и озвучивают видео для Дзена и VK. Первая реакция: «Ты что, в студию сходил?» Никто не сказал «это нейросеть».

Один попросил озвучить аудиокнигу бесплатно — точнее, пробную главу для своего проекта, и мы закрыли её за вечер, вообще без бюджета. Ещё один забрал голос для видео нейросеть бесплатно, чтобы не писать текст самому в кадре и не тратить вечер на дубли.

Кстати, нейроозвучка бесплатно уже не звучит как что-то из будущего — это просто рабочий инструмент, который лежит в закладках рядом с редактором звука.

Что дальше? Если снова придётся писать в шумном месте — метро, кафе, аэропорт — я не буду ждать тишины. Запишу как есть, прогоню через шумодав, клонирую голос онлайн и соберу дорожку за десять минут вместо трёх часов монтажа. И да, text to speech на русском бесплатно здесь работает не хуже платных аналогов — по крайней мере, на моих задачах разницы я не услышал.

Возьмите свою самую неудачную запись. Ту, которую вы уже мысленно выбросили. Скорее всего, выбрасывать её не придётся.