SceneMixer
Русский
Зарегистрироваться бесплатно

Синтез речи с ИИ

Кратко: синтез речи с ИИ (TTS) озвучивает написанный текст нейросетевым голосом: модель определяет, как должна звучать каждая фраза, то есть слова, ударения, паузы и интонацию, а затем создаёт аудио. Поэтому звучит это как живая речь, а не как склейка записанных слогов. Выбирайте инструмент по нужным языкам и голосам, по тому, насколько он позволяет управлять произношением и темпом, и можно ли использовать аудио в коммерческих целях. В SceneMixer реплики не накладываются на видео потом: каждый персонаж произносит их внутри сгенерированного ролика, голосом этого персонажа.
Кадр из «Неоновый долг», AI-короткометражной дорамы, полностью сгенерированной SceneMixer (7 персонажей, 1 эпизод)
ПримерНеоновый долгРеализм игрового движка1 эпизодПолностью создано SceneMixer по сценариюСмотреть серии

Как работает синтез речи с ИИ

Современная система синтеза речи проходит три этапа:

  1. Нормализация текста: числа, даты, сокращения и символы превращаются в слова, а то, как их прочесть, определяет контекст: «Dr.» перед именем читается как «доктор», а после названия улицы как «драйв» (Drive).
  2. Произношение и просодия: слова превращаются в звуки, а модель по всему предложению предсказывает ударения, паузы, высоту тона и темп. Поэтому вопрос в конце повышается, а в перечислении слышны короткие паузы.
  3. Аудио: нейросетевая модель создаёт звуковую волну, то есть сам звук, либо через промежуточное «изображение» звука, спектрограмму, либо напрямую.

Старые системы склеивали короткие записи голоса актёра, поэтому на стыках звук был прерывистым. Нейросетевые голоса обучаются на многочасовых записях речи и генерируют каждую фразу заново, поэтому один и тот же голос может прочитать текст, которого никогда не слышал, с естественным ритмом.

Озвучка текста ИИ, генератор голоса ИИ, TTS: что значат названия

НазваниеЧто обычно имеется в видуТипичное применение
Синтез речи (TTS)Текст на входе, аудио на выходе, готовым голосомОзвучка, доступность, чтение статей вслух
Текст в голосДругое название того же самогоТо же самое
Генератор голоса ИИСинтез речи плюс дизайн голоса: выбрать или описать голос, часто клонировать егоЗакадровый текст, персонажи, реклама
Клонирование голосаНовый голос, созданный по записи реального человекаСобственный голос в масштабе, с согласием
Преобразователь голоса ИИРечь на входе, речь на выходе: ваша запись с новым голосомСтриминг, переозвучка дубля

Поэтому инструмент, который продают как генератор голоса ИИ, обычно является синтезом речи с большой библиотекой голосов и большим контролем. Преобразователь голоса выбивается из ряда: ему нужна запись как исходник, а не текст.

Как выбрать генератор синтеза речи ИИ

Бесплатный ИИ-синтез речи (text to speech) или озвучка текста бесплатно: что обычно ограничивают бесплатные тарифы

Бесплатные тарифы хороши, чтобы проверить голос, и почти всегда что-то ограничивают: символы в месяц, число голосов, скачивание, коммерческое использование или качество файла. Некоторые бесплатные онлайн-чтецы только проигрывают звук в браузере и не дают его сохранить. Прежде чем строить проект на бесплатном тарифе, проверьте, что выбранный голос есть и на платном тарифе, и прочитайте лицензию для той площадки, где будете публиковать.

Как писать текст, который хорошо звучит вслух

Закадровый ИИ-голос для видео: поверх картинки или произнесённый в кадре

Есть два способа наложить ИИ-голос на видео. Обычный способ — закадровый текст: сгенерируйте озвучку как аудио, положите её под картинку в редакторе и подрежьте картинку под неё. Это подходит для объяснительных роликов, обучалок и документалистики, где никто в кадре не говорит.

Когда персонаж в кадре должен произнести реплику, отдельный аудиофайл означает синхронизацию губ потом. Новые видеомодели генерируют речь вместе с картинкой, поэтому рот говорящего и слова появляются из одного прохода. Это подходит для драмы и диалогов, а не для закадрового текста.

Свой ИИ-голос: клонирование и согласие

Клонирование голоса строит голос по образцу записи; чем чище звук, тем ближе результат. Клонируйте только свой голос или тот, на использование которого у вас есть разрешение, сохраните его в письменном виде и в описании указывайте, что голос синтетический. Многие сервисы отказываются клонировать известные голоса, а платформы всё чаще требуют от авторов помечать реалистичное синтетическое аудио.

Пятиминутная проверка перед выбором голоса

  1. Выберите абзац сценария, в котором есть имя, число и вопрос.
  2. Сгенерируйте его тремя голосами и послушайте на тех устройствах, которые использует ваша аудитория, например на телефоне.
  3. Поправьте написание имён и чисел и сгенерируйте заново.
  4. Сверьте темп с картинкой или с нужным временем чтения.
  5. Прочитайте лицензию для той площадки, где будете публиковать, прежде чем генерировать весь сценарий.
Закадровый текст поверх видеоРечь, созданная вместе с картинкой
ПодходитОбъяснительные ролики, обучалки, документалистикаДрама, диалоги, персонажи в кадре
ГубыНикто не говорит в кадре, или синхронизация потомДвигаются вместе со словами в том же кадре
Замена репликиНовое аудио, потом пересборка монтажаПерегенерировать или переозвучить этот кадр
ГолосЛюбой голос синтеза речиГолос, закреплённый за этим персонажем

Вопросы и ответы

Есть ли в SceneMixer синтез речи?

Нет, отдельным аудиофайлом он не скачивается. В SceneMixer реплики каждого персонажа произносятся внутри сгенерированного видео голосом, закреплённым за этим персонажем, и губы говорящего двигаются вместе со словами.

Голос в SceneMixer бесплатный?

Голос идёт вместе с видео, а не отдельной оплатой: новый аккаунт SceneMixer стартует с 50 кредитов, видео стоит 10 кредитов в секунду на тарифе по умолчанию, а подбор голоса к персонажу ничего не стоит.

Как выбрать голос для персонажа?

В SceneMixer у каждого персонажа есть голос, описанный словами, например возрастом, тембром и темпом, или готовый пресет из библиотеки голосов, который можно проиграть до выбора.

Можно ли сделать свой голос ИИ?

На платном тарифе SceneMixer можно загрузить запись, на использование которой у вас есть право, как голос персонажа: он будет звучать во всех фрагментах, где этот персонаж говорит.

Как добавить закадровый голос ИИ?

В сценарии SceneMixer начните пометку к реплике с (voice-over): реплика звучит в кадре, а никто из персонажей в кадре не двигает губами.

Может ли реплика звучать сердито, устало или шёпотом?

Да. В SceneMixer у каждой реплики есть пометка подачи в скобках, например (тихо, ровно), и она исполняется именно так.

На каком языке говорят персонажи?

На языке диалогов проекта, который выбирается на шаге 1 в SceneMixer. Пишите реплики на этом языке: именно его и произносят голоса.

Можно ли поменять реплику после того, как видео готово?

Да. Переозвучка в SceneMixer заменяет реплику в готовом фрагменте, а опция «Оригинальный голос» сохраняет голос говорящего из этого фрагмента.

Можно ли клонировать голос знаменитости?

Нет. SceneMixer принимает только ваш голос или тот, на использование которого у вас есть разрешение.

Это программа синтеза речи ИИ, которую нужно установить?

Нет. SceneMixer работает в браузере, а на Android как приложение; голоса генерируются на его серверах вместе с видео.

Послушайте, как ваши персонажи произносят реплики

Напишите короткую сцену, дайте каждому персонажу голос и отрендерите один фрагмент, чтобы услышать результат.

Начать проект

Обновлено 20 ноября 2026