РУКОВОДСТВО

Клонирование голоса: как получить голос, похожий на запись

Клонирование голоса — это создание голоса для синтеза речи, который звучит как человек на конкретной записи. Некоторые модели делают это на лету по нескольким секундам аудио. В SuperClonica голос один раз обучается в файл для Supertonic 3, и дальше этот файл озвучивает любой текст офлайн на обычном процессоре.

Ниже — чей голос можно клонировать, как записать хороший референс, два способа получить голос (заказать у автора или обучить самому) и чего ждать от результата.

Сначала послушать готовые голоса Установить движок для своего голоса

Сначала права и согласие

Клонируйте свой голос или голос человека, который на это согласился. Оформляя заказ, вы подтверждаете, что у вас есть права на записи и согласие владельца голоса. Авторы публикуют голоса только по записям, на которые у них есть права и согласие.

Лицензия Supertonic 3, OpenRAIL-M, тоже прямо запрещает выдавать себя за других людей без их согласия. На практике: никаких голосов знаменитостей, коллег или родственников без разрешения, а само разрешение храните вместе с исходными записями.

Как записать хороший референс для клонирования голоса

Голос учится на том, что слышит, — включая шум и эхо комнаты. Короткая чистая запись лучше длинной шумной.

  • Записывайте в тихой комнате с мягкой мебелью: без музыки, вентилятора, улицы и эха.
  • Только один говорящий, без наложения голосов и звуковых эффектов.
  • Держите одно расстояние до микрофона и ровную громкость, без перегруза на громких словах.
  • Говорите так, как должен звучать голос: спокойный диктор читает спокойно, персонаж играет роль.
  • Запишите точный текст записи слово в слово, с повторами и оговорками. Сайт просит его для каждого референса.
  • Длина: от 5 до 10 секунд на референс для обучения в студии. В заказ можно загрузить файлы WAV, MP3, FLAC или OGG до 30 МБ и 10 минут каждый, до 20 файлов.

Способ 1: заказать голос у автора

Если видеокарты NVIDIA нет или некогда обучать самому, оформите заказ на бирже голосов.

  • Опишите задачу: тембр, манеру речи, назначение голоса и критерии приёмки. Укажите язык голоса, бюджет от $0.01 до $10 000 и срок в днях.
  • Добавьте записи с точным текстом, подтвердите права и опубликуйте заказ.
  • Авторы присылают отклики, а вы сами выбираете исполнителя.
  • Зарезервируйте бюджет на балансе. После этого автор начинает работу и сдаёт обученный голос с аудиодемо.
  • Примите результат или попросите конкретных доработок. Автор получает деньги только после вашей приёмки, а голос скачивается как JSON-файл. Если заказ отменён, зарезервированные средства возвращаются на ваш баланс.

Способ 2: обучить голос самому

Обучение в студии бесплатное, если у вас есть компьютер с видеокартой NVIDIA. Он становится вашим воркером: вы подключаете его по личному токену, и он обучает только ваши голоса.

  • Создайте голос и добавьте референс — чистую запись от 5 до 10 секунд с точным текстом. Референсы остаются приватными.
  • Нажмите у референса «Обучить», выберите число шагов и запустите обучение.
  • Сравните чекпоинты по демо и сходству и продолжите обучение самого удачного.
  • Бесплатно скачайте JSON на странице обучения. При желании выставьте голос на продажу с обложкой, описанием и ценой.

Чего ждать от клонированного голоса

Обучение подбирает тембр и манеру речи, близкие к вашей записи. Рассчитывайте на узнаваемый голос, а не на идеальную копию: чем чище референс и чем ближе он к нужному звучанию, тем ближе результат. Голос, сделанный на заказ, приватный — автор не публикует его в каталоге.

Взамен ожидания вы получаете файл, который работает офлайн на полной скорости. По нашей оценке, SuperClonica говорит в 6,4–9,7 раза быстрее реального времени на настольном 8-ядерном CPU, и каждая фраза начинается с одного и того же тембра. Голос работает с 31 языком Supertonic 3; китайского пока нет.

Если клон нужен прямо сейчас по короткому фрагменту, это умеют zero-shot-модели без обучения: Qwen3-TTS — по 3 секундам аудио, OmniVoice — по 3–10 секундам, Chatterbox — по референсу. Лицензии и требования к железу у них разные; подробности — на наших страницах сравнения.