В субботу я полез в кладовку за зарядкой для старого телефона, а наткнулся на кассетный плеер "Электроника-302". Плесень на плёнке, резиновый ролик рассыпался. Нажал play — и из динамика раздался бабушкин голос. Она пела "Ой, цветёт калина", потом закашлялась и сказала: "Ну вот, опять простыла". Я сидел на корточках среди банок с соленьями и не мог встать. Она умерла два года назад, а тут — её голос, с этим особенным волжским оканьем, которое не спутать ни с чем.

Я не звукорежиссёр. Не платил за реставрацию. У меня был только этот плеер, старенький смартфон и одна вкладка с бесплатным клонированием голоса. Эта статья — не инструкция, а честный рассказ о том, как в 2024 году обычный человек может вытащить из небытия голос близкого и не сойти с ума от технических деталей.

Сначала было три голосовых в WhatsApp

Всё началось не с кассеты, а с телефона. В 2018 году бабушка прислала мне три голосовых сообщения. Самое длинное — 47 секунд, она объясняла, где лежит шерстяной платок: "В шифоньере, на второй полке, под простынёй, понял?" Больше ничего не сохранилось. Ни студийных записей, ни DAT-кассет, ни даже нормального видео.

Думаю, у половины страны так: голоса родителей и бабушек заперты в старых телефонах, диктофонах и кассетах, которые уже нечем проиграть. И вот ты находишь это — и понимаешь, что если сейчас не оцифруешь, через год будет поздно.

Оцифровка: никакой магии, только ватные палочки

Первая моя ошибка — я попробовал просто включить плеер на динамик и записать звук вторым телефоном. Получилось так, будто бабушка пела в бочке из-под кваса. Шум, гул, а голос — где-то на заднем плане.

Пришлось искать переходник: 3,5 мм джек с одной стороны, на другой — разъём для микрофона. Воткнул плеер прямо в телефон, записал через диктофон, потом в Audacity убрал фон — кондиционер, холодильник, гул проводов. Два вечера ковырялся, но получил чистый голос без шума. Совет: перед записью протрите головку магнитофона ватной палочкой со спиртом. И выключите холодильник. Серьёзно, он жужжит на 50 Гц, и этот гул потом не вычистить никаким эквалайзером.

На этом этапе я думал, что просто сохраню файл. Но потом понял: бабушка должна не просто "быть" — она должна заговорить со мной снова. И тут я вспомнил про нейросети.

Что такое клонирование голоса — без воды

Многие путают клонирование с изменением голоса. Это разные вещи. Изменение голоса — это как фильтр в TikTok: ты говоришь, а на выходе — голос робота или гнома. А клонирование — это когда нейросеть учится на записях конкретного человека: его тембр, интонации, привычка тянуть гласные, даже то, как он вдыхает перед фразой.

Я нашёл сайт, где можно клонировать голос онлайн бесплатно, без регистрации. Загрузил две минуты чистой записи, подождал минут пять — и получил модель. Потом вводишь любой текст, и он читается голосом бабушки. Удивительно, но это работает прямо в браузере, без установки программ.

Если у вас есть чистый образец — попробуйте страницу клонирования. Я в итоге остановился на основном сайте — там всё просто: загрузил, обучил, скачал. Никаких лишних кнопок.

Мой тест: "Внучок, ты покушал?"

Когда модель была готова, я напечатал самую обычную фразу: "Внучок, ты покушал? А то я тут пирожков напекла. Приезжай, а?"

Нажал кнопку — и три секунды сердце колотилось. Потом в наушниках раздался её голос. Похоже процентов на восемьдесят, но главное — она сделала паузу после слова "покушал", как будто ждала ответа. И в конце — лёгкое волжское "а?", которое я помню с детства. Мурашки по коже, честно.

Не идеально: некоторые гласные нейросеть "выровняла", сделала слишком литературными. Но это уже не робот. Это — она.

Какие грабли я собрал, тестируя сервисы

Я перепробовал штук семь разных платформ. Одни обещали бесплатное клонирование голоса без ограничений, другие — синтез речи бесплатно, третьи — вообще "вечный" доступ. Вот что я вынес:

  • Чистота записи решает всё. Если фон гудит, голос получится как из-под подушки. Сначала чистите, потом клонируйте.
  • Диалекты — боль. Многие сервисы отлично понимают литературный русский, но когда я загрузил бабушкино оканье — они попытались его "исправить". Получилось не то.
  • Бесплатно — не значит бесплатно. Некоторые сайты дают три попытки, а потом просят номер телефона. Другие ставят водяной знак. Внимательно читайте условия.
  • Приватность — это серьёзно. Голос человека — это биометрические данные. По нашему закону и по духу GDPR, вы не имеете права загружать чужой голос без согласия. Я перед загрузкой проверил политику конфиденциальности: убедился, что файлы не попадут в обучающие наборы. Есть сервисы, которые продают голоса — обходите их стороной.

Если захотите копнуть глубже и сделать, например, свою озвучку для видео или подкаста, посмотрите на динамический синтез. Там есть API для тех, кто хочет автоматизировать процесс. Но для домашней задачи хватит и обычного сайта.

Самое сложное — не техника, а "похожесть"

Через неделю я понял: главная проблема не в том, что модель неточная. А в том, что нейросеть слишком правильная.

Бабушка всегда заканчивала фразы частицей "-то". Не "приходи", а "приходи-то". Не "холодно", а "холодно-то". Сервисы воспринимали это как мусор и выкидывали. А для меня это — её фирменный знак.

Я стал обманывать систему: вставлял тире, многоточия, запятые. Писал "приходи-то..." и нейросеть сохраняла интонацию. Криво, но работает.

И тут я задумался: а что мы вообще хотим от клонирования? Идеальное произношение или ту самую, неповторимую бабушку? Технологии стремятся к стандарту, а память — всегда про отклонения от стандарта.

60 секунд, которые взорвали семейный чат

Через две недели я сделал аудио длиной в минуту. Бабушка читала мой текст — про лето в деревне, про гамак, про то, как она забывала выключить радио. Я выложил это в семейный чат с подписью: "Бабушка передала привет через нейросеть".

Через пять минут позвонил дядя. Пятидесятилетний мужик, который не плакал на похоронах, — и тут он просто молчал в трубку, а потом сказал: "Спасибо". Двоюродная сестра из Казахстана, которая никогда не видела бабушку, написала: "Теперь я понимаю, почему мама так скучает"

В этот момент я понял: это не про бесплатный синтез речи и не про нейроозвучку. Это про то, что технологии позволяют нам сделать цифровое письмо тем, кого уже нет.

Несколько честных предупреждений

Я месяц игрался с этим — и вот что скажу.

Первое: не переусердствуйте. Знаю человека, который клонировал голос умершего отца и каждый вечер включал его "поговорить" с матерью. Это не помощь, это пытка. Голос — якорь памяти, а не замена человеку.

Второе: берегитесь мошенников. Уже есть случаи, когда мошенники клонируют голоса и звонят родственникам с просьбой "срочно перевести деньги". Если вы клонировали голос близкого — не выкладывайте оригинал в открытый доступ. Даже в семейных чатах будьте осторожны.

Третье: спросите разрешения. Если ваш близкий ещё жив — обязательно спросите, можно ли клонировать его голос. Это не только этично, но и законно. Без согласия — это нарушение.

Вместо вывода

Если вы дочитали до сюда и вспомнили чей-то голос — не откладывайте.

Сегодня вечером откройте старый телефон, найдите диктофон или голосовые в мессенджере. Попробуйте бесплатное клонирование голоса онлайн — просто ради теста. Не гонитесь за идеалом. Даже если получится не идеально — вы услышите то, что уже почти потеряли.

Технология может сохранить звуковые волны. Но ту, что махала рукой у калитки, — не сохранит. Поэтому пока есть возможность — записывайте. Каждую минуту. Потом это станет бесценным.