# Озвучка текста на Python: офлайн, бесплатно и естественными голосами

Обновлено 2026-10-22

В Python есть несколько способов превратить текст в речь. Одни библиотеки читают роботизированными голосами операционной системы, другие отправляют текст в онлайн-сервис, третьи запускают нейросеть прямо на вашем компьютере. Последние сегодня звучат почти как человек и при этом работают без интернета.

В этом руководстве мы сравним варианты, а затем покажем рабочий код для движка SuperClonica — pip-пакета на основе открытой модели Supertonic 3: установку, первый скрипт, свои голоса, длинные тексты и локальный HTTP API в Docker. Движок наш, поэтому мы прямо говорим, где речь о нашем продукте.

## Способы озвучить текст на Python

Прежде чем выбирать библиотеку, решите две вещи: может ли текст покидать ваш компьютер и насколько естественно должен звучать голос.

- pyttsx3 управляет встроенным в систему синтезатором: SAPI5 в Windows, NSSpeechSynthesizer в macOS и eSpeak в Linux. Работает офлайн и ставится за секунды, но голоса звучат роботизированно и отличаются от машины к машине.
- gTTS отправляет текст в сервис озвучки Google Переводчика и сохраняет MP3. Звучит чище, но нужен интернет, вместо голосов есть только языки и акценты, а сам интерфейс неофициальный и может перестать работать.
- Облачные API Google, Amazon, Microsoft или ElevenLabs звучат очень хорошо, но требуют аккаунта и ключа, оплачиваются за каждый символ и отправляют каждый текст провайдеру.
- Локальные нейросети — Supertonic 3, Kokoro, Piper — работают на вашем процессоре или видеокарте. После однократной загрузки модели они работают офлайн, ничего не стоят за символ и звучат гораздо естественнее системных голосов. Подробно мы разбираем их на страницах сравнений.

## Установка движка SuperClonica

Движок — один pip-пакет в двух сборках. Для любого процессора в Windows, macOS или Linux с Python 3.10 и новее: python -m pip install superclonica-cpu. Для видеокарты NVIDIA в Windows или Linux с Python 3.11 и новее: python -m pip install superclonica-gpu-cuda. Ставьте только один из них в окружение: оба дают один и тот же модуль superclonica.

GPU-сборка подтягивает CUDA и cuDNN через pip, поэтому от системы нужен только драйвер NVIDIA с поддержкой CUDA 12; без рабочей видеокарты движок переходит на процессор. При первом запуске модель Supertonic 3 (около 385 МБ) один раз скачивается в ~/.cache/supertonic3. Чтобы хранить её в другом месте, задайте SUPERTONIC_CACHE_DIR.

## Первый скрипт

Импортируйте движок, озвучьте фразу и сохраните её: from superclonica import Superclonica, затем tts = Superclonica(), audio, sample_rate = tts.synthesize("Привет! Этот голос работает на моём компьютере.", voice="F1", lang="ru", seed=7) и tts.save("hello.wav", audio). С моделью идут десять голосов, от M1 до M5 и от F1 до F5, им не нужны дополнительные файлы.

Создавайте движок один раз и используйте повторно: загрузка занимает несколько секунд, а каждая следующая фраза — доли секунды. В наших замерах медианная короткая фраза заняла 0,12 с на RTX 5070 Ti и 0,43 с на Ryzen 7 5800X в четыре потока.

## Свой голос

Голос Supertonic 3 — это JSON-файл размером около 0,3 МБ. Бесплатные голоса с примерами звучания лежат в репозитории superclonica/supertonic-voices на GitHub, а в каталоге SuperClonica их больше 170 — от персонажей игр до дикторов, у каждого есть бесплатное онлайн-демо.

Передайте файл вместо имени пресета: tts.synthesize("Доброе утро!", voice="ciri.json", lang="ru", seed=7). Из командной строки: superclonica --text "Доброе утро!" --voice ciri.json --lang ru --output morning.wav. Каждый голос говорит на всех 31 языках модели; в lang указывайте язык текста, например en, de, es или ja. Китайский не поддерживается.

## Длинные тексты, диалоги и форматы файлов

Несколько параметров закрывают большинство реальных задач.

- Длинный текст, например главу, можно передать одним вызовом: движок делит его на естественные куски не длиннее 160 символов, и слова не повторяются и не проглатываются.
- normalize=True выравнивает громкость до −18 LUFS — это помогает, когда вы склеиваете много файлов.
- tts.synthesize_batch() озвучивает сразу несколько строк, каждую своим голосом, например реплики диалога; результаты идут в порядке входа.
- Тот же текст, голос и seed дают то же аудио, поэтому можно переозвучить одну строку, не трогая остальные.
- Числа читаются словами, популярные сокращения из переписки раскрываются, а эмодзи и незнакомые символы вычищаются, а не вызывают ошибку.
- tts.save() пишет WAV, FLAC или OGG — формат выбирается по расширению файла.

## Озвучка как локальный HTTP API

Если программа, которой нужна речь, написана не на Python, запустите движок в Docker: docker run -d -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu или тег cuda с --gpus all на видеокарте NVIDIA. Модель скачивается в том при первом запуске.

Отправьте POST /synthesize с JSON, в котором текст, язык и содержимое файла голоса, — в ответ придёт WAV. Голос весит около 0,3 МБ, поэтому собирайте запрос в файле и отправляйте через curl -d @request.json.

## Лицензии и ответственное использование

Supertonic 3 выпущена под OpenRAIL-M — бесплатной лицензией со списком запрещённых применений вместо запрета на коммерческое использование. Не используйте речь, чтобы выдавать себя за другого человека без его согласия, обманывать или травить, и указывайте, что аудио сгенерировано, там, где это важно.

Некоторые голоса каталога вдохновлены известными людьми. Это не их настоящие голоса, поэтому не выдавайте такое аудио за их реальные слова.

## Другие руководства

- [Как озвучить текст голосом офлайн на своём компьютере](https://superclonica.com/ru/guides/offline-text-to-speech)
- [Клонирование голоса: как получить голос, похожий на запись](https://superclonica.com/ru/guides/voice-cloning)
- [Лучшие бесплатные модели синтеза речи для локального запуска в 2026 году](https://superclonica.com/ru/guides/best-free-tts-models)
- [Озвучка текста для видео, аудиокниг, игр и приложений](https://superclonica.com/ru/guides/text-to-speech-for-videos)
- [Голоса Supertonic 3: где взять свои голоса и как ими пользоваться](https://superclonica.com/ru/guides/supertonic-3-voices)
- [Свой API для озвучки текста в Docker](https://superclonica.com/ru/guides/text-to-speech-api-docker)

## Синтез речи и сравнения

- [Синтез речи и озвучка текста на вашем компьютере](https://superclonica.com/ru/text-to-speech)
- [SuperClonica против Supertonic: та же модель, быстрее и чище](https://superclonica.com/ru/compare/supertonic)
- [Fish Audio и Fish Speech или SuperClonica](https://superclonica.com/ru/compare/fish-audio)
- [OmniVoice или SuperClonica: больше языков или больше скорости](https://superclonica.com/ru/compare/omnivoice)
- [Qwen3-TTS или SuperClonica для локального синтеза речи](https://superclonica.com/ru/compare/qwen3-tts)
- [VoxCPM 2 или SuperClonica: студийный звук или скорость на CPU](https://superclonica.com/ru/compare/voxcpm)
- [F5-TTS или SuperClonica: клонирование без обучения или быстрая речь на CPU](https://superclonica.com/ru/compare/f5-tts)
- [Офлайн-альтернатива ElevenLabs](https://superclonica.com/ru/compare/elevenlabs)
- [Kokoro TTS или SuperClonica: две компактные модели для синтеза речи](https://superclonica.com/ru/compare/kokoro)
- [Piper TTS или SuperClonica: маленькие устройства или свои голоса](https://superclonica.com/ru/compare/piper)
- [Coqui XTTS-v2 или SuperClonica: альтернатива Coqui TTS](https://superclonica.com/ru/compare/xtts)
- [Chatterbox TTS или SuperClonica: мгновенный клон или обученный файл голоса](https://superclonica.com/ru/compare/chatterbox)

## Частые вопросы

### Как озвучить текст на Python без интернета?

Используйте библиотеку, которая работает на вашем компьютере: pyttsx3 для системных голосов или локальную нейросеть для естественной речи. С движком SuperClonica установите superclonica-cpu через pip; после однократной загрузки модели всё работает офлайн.

### Что лучше: pyttsx3 или gTTS?

pyttsx3 работает офлайн с системными голосами, которые звучат роботизированно; gTTS звучит чище, но отправляет текст в Google через интернет. Локальная нейросеть вроде Supertonic 3 даёт естественную речь без интернета.

### Нужна ли видеокарта?

Нет. superclonica-cpu работает на обычном процессоре в Windows, macOS и Linux, и короткая фраза занимает заметно меньше секунды. Видеокарта NVIDIA в несколько раз быстрее и помогает на больших объёмах.

### Можно ли использовать озвучку в коммерческих целях?

Лицензия Supertonic 3, OpenRAIL-M, бесплатна и не запрещает коммерческое использование; в ней перечислены запрещённые применения, например выдавать себя за людей без их согласия. Голоса, вдохновлённые известными людьми, нельзя выдавать за их реальные слова.

- [Голоса для вашего проекта на Python](https://superclonica.com/ru/explore)
- [Установить движок SuperClonica](https://superclonica.com/ru/superclonica)

## Источники

- [pyttsx3 (PyPI)](https://pypi.org/project/pyttsx3/)
- [Документация gTTS](https://gtts.readthedocs.io/)
- [Движок SuperClonica (PyPI)](https://pypi.org/project/superclonica-cpu/)
- [Карточка модели Supertonic 3 (Hugging Face)](https://huggingface.co/supertone-oss-archive/supertonic-3)
- [Бесплатные голоса Supertonic 3 (GitHub)](https://github.com/superclonica/supertonic-voices)
- [Docker-образ SuperClonica (Docker Hub)](https://hub.docker.com/r/superclonica/superclonica)
- [SuperClonica](https://superclonica.com/ru/)
- [Каталог AI-голосов для озвучки текста](https://superclonica.com/ru/explore)
- [Заказ голоса по референсу для Supertonic 3](https://superclonica.com/ru/requests)
- [Как это работает: голоса, озвучка, обучение](https://superclonica.com/ru/guide)
- [Установка быстрого движка для Supertonic 3](https://superclonica.com/ru/superclonica)
- [О нас: команда энтузиастов синтеза речи](https://superclonica.com/ru/about)
- [Контакты, поддержка и жалобы на голоса](https://superclonica.com/ru/contacts)
- [Политика конфиденциальности](https://superclonica.com/ru/privacy)
- [Условия использования](https://superclonica.com/ru/terms)
- [Синтез речи](https://superclonica.com/ru/text-to-speech)