{"kind":"compare","slug":"text-to-speech","path":"/text-to-speech","title":"Озвучка текста офлайн: синтез речи на CPU | SuperClonica","description":"Синтез речи на своём компьютере без интернета: голоса Supertonic 3 одним JSON-файлом, быстрый движок SuperClonica и клонирование голоса по вашей записи.","h1":"Синтез речи и озвучка текста на вашем компьютере","intro":"SuperClonica — это каталог голосов для Supertonic 3, открытой модели синтеза речи, которая работает на обычном процессоре, и движок SuperClonica, который озвучивает теми же голосами быстрее. Голос — это один JSON-файл. Вы скачиваете его один раз и озвучиваете текст у себя: текст не уходит на сервер, а озвучка работает и без интернета.\n\nНиже — как устроен локальный TTS, насколько он быстрый, что здесь бесплатно, как получить голос по своей записи и когда лучше выбрать облачный сервис или более тяжёлую модель.","sections":[{"heading":"Как работает локальный синтез речи на Supertonic 3","paragraphs":["Supertonic 3 — открытая модель компании Supertone, около 99 млн параметров. Она работает через ONNX Runtime и, по словам авторов, не требует видеокарты. Модель говорит на 31 языке, в том числе на русском, украинском, английском, немецком, испанском, японском и корейском. Китайского пока нет.","В файле голоса хранится только профиль голоса. Чтобы озвучить текст, нужен ещё движок (обычный клиент Supertonic 3 или SuperClonica) и базовая модель размером около 400 МБ. Интернет нужен для установки, дальше озвучка идёт локально."],"points":["На компьютере: Windows, macOS и Linux, на процессоре.","В браузере: веб-приложения через ONNX Runtime Web.","На мобильных: совместимые приложения.","В вашем продукте: игры, боты и сервисы на ваших серверах."]},{"heading":"Насколько быстро работает озвучка на CPU","paragraphs":["Supertone указывает для Supertonic 3 RTF 0,20 на процессоре с 16 потоками: секунда аудио генерируется за 0,2 секунды. Для настольного 8-ядерного процессора уровня Ryzen 7 7800X3D мы оцениваем Supertonic 3 в 4–6 раз быстрее реального времени, а SuperClonica — в 6,4–9,7 раза. Фраза на 10 секунд готова примерно за 1,0–1,6 секунды.","Прирост движка мы замерили: в среднем на 61% быстрее Supertonic 3 на CPU (Ryzen 7 5800X) и на 73% на видеокарте (RTX 5070 Ti) при одинаковых настройках. Тишина между словами — без шипения, концы фраз аккуратнее, а длинный текст озвучивается короткими частями, поэтому меньше повторов и обрывов. Голоса Supertonic 3 подходят без конвертации."]},{"heading":"Голоса: готовые, бесплатные и клонирование голоса по записи","paragraphs":["В каталоге — голоса независимых авторов: игровые персонажи, рассказчики, разговорные голоса, у каждого есть демо. Цену в долларах назначает автор, есть и бесплатные голоса. Купленный голос предназначен для ваших проектов, перепродавать его нельзя.","Голос, похожий на конкретную запись, можно получить двумя способами. Оба дольше, чем мгновенное клонирование в облаке, зато на выходе — файл, который потом быстро работает где угодно. Используйте только записи, на которые у вас есть права и согласие владельца голоса."],"points":["Заказать: загрузите референс, опишите звучание и укажите бюджет. Авторы присылают предложения, а бюджет резервируется на балансе до приёмки результата.","Обучить самому, бесплатно: чистая запись от 5 до 10 секунд с точным текстом, свой компьютер с видеокартой NVIDIA в роли воркера и чекпоинты для сравнения. JSON скачивается бесплатно.","Продавать то, что обучили: добавьте обложку, описание и цену. Доход за вычетом комиссии поступает на долларовый баланс."]},{"heading":"Локальный TTS или облачная озвучка текста?","paragraphs":["Облачные сервисы вроде ElevenLabs синтезируют речь на своих серверах: веб-приложение, API, быстрое клонирование, много языков, и ничего не нужно устанавливать. Взамен каждый текст уходит по сети, расход считается по тарифу, а без интернета ничего не работает.","С локальным файлом голоса всё наоборот: текст остаётся на устройстве, сетевой задержки нет, и никто не считает символы. Цена — время на установку и модель поскромнее: 31 язык, без китайского, меньше управления эмоциями.","Fish Audio S2 Pro, OmniVoice и VoxCPM 2 получили в нашей таблице такую же или более высокую оценку качества и знают больше языков, но, по нашим оценкам, на настольном CPU работают в 2–10 раз медленнее реального времени."]},{"heading":"Кому подходит локальная озвучка","paragraphs":["Чаще всего это:"],"points":["разработчики игр — реплики NPC генерируются на компьютере игрока;","авторы видео и аудиокниг — длинные тексты озвучиваются на ноутбуке;","разработчики приложений и ботов — речь в браузере или на серверах без видеокарт;","команды, чьи документы не должны покидать внутреннюю сеть;","авторы голосов — обучают и продают голоса или берут заказы."]},{"heading":"Аккаунт и оплата","paragraphs":["Вход — через GitHub, без паспорта и телефона. Оплата — криптовалютой, баланс ведётся в долларах США, данные банковских карт мы не получаем."]},{"heading":"SuperClonica и другие модели синтеза речи","paragraphs":["В нашей таблице сравниваются качество, скорость на CPU, стабильность тембра и языки. Звёзды и скорость — приблизительная оценка для настольного процессора, а не результаты замеров."],"points":["Fish Audio S2 Pro: высшая оценка качества, 80+ языков, на CPU в 4–10 раз медленнее реального времени.","Qwen3-TTS: китайский и клонирование по 3 секундам записи, в 1–2 раза медленнее реального времени (0.6B).","OmniVoice: больше 600 языков, в 2–5 раз медленнее реального времени.","VoxCPM 2: 30 языков и звук 48 кГц, в 2–4 раза медленнее реального времени.","F5-TTS: клонирование без обучения на китайском и английском, в 5–15 раз медленнее реального времени."]}],"faq":[{"question":"Можно ли бесплатно озвучить текст голосом без интернета?","answer":"Да. Supertonic 3 — открытая модель с готовыми пресетами голосов, после установки она работает офлайн. В каталоге есть бесплатные голоса, а обучить свой голос можно бесплатно, если у вас есть видеокарта NVIDIA."},{"question":"Нужна ли видеокарта для синтеза речи?","answer":"Для озвучки — нет: Supertonic 3 и SuperClonica работают на процессоре, с видеокартой просто быстрее. А вот для обучения нового голоса видеокарта NVIDIA нужна."},{"question":"Можно ли клонировать свой голос?","answer":"Да, если это ваш голос или у вас есть согласие его владельца. Обучите голос по записи от 5 до 10 секунд или закажите обучение автору. Получится отдельный файл голоса, близкий к записи по тембру и манере речи."},{"question":"На каких языках говорят голоса?","answer":"На 31 языке Supertonic 3, включая русский, украинский, английский, немецкий, французский, испанский, японский и корейский. Китайского пока нет — для него лучше подойдут Qwen3-TTS или VoxCPM 2."},{"question":"Можно ли уже установить движок SuperClonica?","answer":"Да. Пакеты опубликованы в PyPI: superclonica-cpu для процессора и superclonica-gpu-cuda для видеокарты NVIDIA. Команды установки и пример есть на странице движка, а голоса из каталога работают и в обычном клиенте Supertonic 3."}],"cta":{"catalog":"Выбрать голос в каталоге","install":"Как установить SuperClonica"},"sources":[{"label":"Карточка модели Supertonic 3 (Hugging Face)","url":"https://huggingface.co/supertone-oss-archive/supertonic-3"},{"label":"Бенчмарк Supertonic 3","url":"https://supertonic3.github.io/#benchmark"},{"label":"Быстрый старт Supertonic (GitHub)","url":"https://github.com/supertone-oss-archive/supertonic#quick-start"},{"label":"Документация ElevenLabs","url":"https://elevenlabs.io/docs/overview"}],"published":"2026-10-17","updated":"2026-10-23","pages":[{"slug":"text-to-speech","path":"/text-to-speech","h1":"Синтез речи и озвучка текста на вашем компьютере"},{"slug":"supertonic","path":"/compare/supertonic","h1":"SuperClonica против Supertonic: та же модель, быстрее и чище"},{"slug":"fish-audio","path":"/compare/fish-audio","h1":"Fish Audio и Fish Speech или SuperClonica"},{"slug":"omnivoice","path":"/compare/omnivoice","h1":"OmniVoice или SuperClonica: больше языков или больше скорости"},{"slug":"qwen3-tts","path":"/compare/qwen3-tts","h1":"Qwen3-TTS или SuperClonica для локального синтеза речи"},{"slug":"voxcpm","path":"/compare/voxcpm","h1":"VoxCPM 2 или SuperClonica: студийный звук или скорость на CPU"},{"slug":"f5-tts","path":"/compare/f5-tts","h1":"F5-TTS или SuperClonica: клонирование без обучения или быстрая речь на CPU"},{"slug":"elevenlabs","path":"/compare/elevenlabs","h1":"Офлайн-альтернатива ElevenLabs"},{"slug":"kokoro","path":"/compare/kokoro","h1":"Kokoro TTS или SuperClonica: две компактные модели для синтеза речи"},{"slug":"piper","path":"/compare/piper","h1":"Piper TTS или SuperClonica: маленькие устройства или свои голоса"},{"slug":"xtts","path":"/compare/xtts","h1":"Coqui XTTS-v2 или SuperClonica: альтернатива Coqui TTS"},{"slug":"chatterbox","path":"/compare/chatterbox","h1":"Chatterbox TTS или SuperClonica: мгновенный клон или обученный файл голоса"}],"related":[{"slug":"offline-text-to-speech","path":"/guides/offline-text-to-speech","h1":"Как озвучить текст голосом офлайн на своём компьютере"},{"slug":"voice-cloning","path":"/guides/voice-cloning","h1":"Клонирование голоса: как получить голос, похожий на запись"},{"slug":"best-free-tts-models","path":"/guides/best-free-tts-models","h1":"Лучшие бесплатные модели синтеза речи для локального запуска в 2026 году"},{"slug":"text-to-speech-for-videos","path":"/guides/text-to-speech-for-videos","h1":"Озвучка текста для видео, аудиокниг, игр и приложений"},{"slug":"supertonic-3-voices","path":"/guides/supertonic-3-voices","h1":"Голоса Supertonic 3: где взять свои голоса и как ими пользоваться"},{"slug":"python-text-to-speech","path":"/guides/python-text-to-speech","h1":"Озвучка текста на Python: офлайн, бесплатно и естественными голосами"},{"slug":"text-to-speech-api-docker","path":"/guides/text-to-speech-api-docker","h1":"Свой API для озвучки текста в Docker"}]}