Половина результата — в тексте
Синтез читает то, что вы написали, буквально. Поэтому текст, написанный для глаз, звучит неестественно: длинные предложения с причастными оборотами человек интонирует сам, а машина проговаривает ровно.
Готовьте текст под голос: короткие предложения, один смысл на фразу, минимум вложенных конструкций. Проверка — прочитайте вслух сами. Там, где вам не хватило дыхания, поставьте точку.
Переписать текст «под голос» можно в чате: «перепиши для закадровой озвучки: короткие фразы, разговорный порядок слов, без причастных оборотов».
Паузы и ударения
Две вещи чаще всего выдают синтез: отсутствие пауз в нужных местах и неверное ударение в омографах.
Паузы ставятся пунктуацией и абзацами. Точка даёт больше паузы, чем запятая; отдельный абзац — больше, чем точка. Если нужна выразительная пауза, разбейте предложение на два.
Ударения: «зáмок» и «замóк», «бóльшая» и «большáя», «дóрогой» и «дорогóй». Обходной путь простой — переформулировать фразу так, чтобы слово встало в однозначный контекст, либо заменить его синонимом.
Выбор голоса под задачу
| Формат | Что нужно | Темп |
|---|---|---|
| Обучающий ролик | Ровный, доброжелательный | Средний, с паузами после тезисов |
| Реклама | Энергичный, с акцентами | Быстрее среднего |
| Инструкция | Спокойный, чёткая дикция | Медленнее, паузы между шагами |
| Сторис | Живой, разговорный | Быстрый |
| Документальный | Сдержанный, низкий | Медленный |
Озвучить текст можно в разделе аудио. Доступны ElevenLabs Turbo v2.5 за 6 ₽ за 1000 знаков и ElevenLabs Multilingual v2 за 12 ₽ за 1000 знаков — вторая заметно лучше держит интонацию на длинных фрагментах.
Считается объём текста, а не число файлов, и каждый прогон округляется вверх до целой тысячи знаков. Минута речи — это примерно 900 знаков, то есть десятиминутный закадровый текст (около 9000 знаков) стоит 54 ₽ на Turbo v2.5 и 108 ₽ на Multilingual v2.
Попробовать можно на ГПТ Россия: новичку начисляется приветственный бонус 50 ₽, сервис работает без VPN, оплата в рублях российской картой.
Стыковка с монтажом
Озвучивайте кусками по смысловым блокам, а не одним файлом на весь ролик. Причин три: проще править отдельный фрагмент, проще подгонять под видеоряд, и переозвучить один абзац дешевле, чем весь текст.
Практический порядок: сначала черновой монтаж под тайминг, потом финальная озвучка под готовые сцены. В обратном порядке вы подгоняете картинку под голос и теряете свободу монтажа.
Оставляйте по полсекунды тишины в начале и конце каждого фрагмента — на монтаже это спасает от щелчков на стыках.
Что синтез пока не умеет
Играть. Ирония, сарказм, сдержанная злость, улыбка в голосе — всё это получается приблизительно. Если ролик держится на актёрской подаче, нужен человек.
Правильно читать редкие имена собственные и профессиональные термины. Их проверяйте отдельно и при необходимости записывайте фонетически.
Держать единый характер в очень длинном тексте: на десятиминутном монологе интонация может «уплывать». Ещё одна причина резать на блоки.
Субтитры к тому же ролику
Если нужны субтитры, не набирайте их заново — у вас уже есть текст озвучки, он и есть готовая основа. Разбейте его на реплики по 5-7 слов и расставьте тайминги по монтажу.
Для видео, где голос уже записан человеком, задача обратная — расшифровка. Подход к ней разобран в гайде про протокол встречи: та же механика, другой результат.
Частые вопросы
Сколько стоит озвучить пятиминутный ролик?
Тарификация идёт по объёму текста: 6 ₽ за 1000 знаков на Turbo v2.5 и 12 ₽ за 1000 знаков на Multilingual v2, с округлением вверх до целой тысячи. Пять минут речи — это примерно 700-800 слов, около 4500 знаков, то есть 30 ₽ на Turbo v2.5 и 60 ₽ на Multilingual v2. Приветственных 50 ₽ на первый пятиминутный ролик хватает на Turbo, на Multilingual — уже нет.
Можно ли клонировать свой голос?
В доступных моделях озвучки используются готовые голоса. Клонирование собственного — отдельная функция, которой сейчас нет; выбирайте из имеющихся тот, что ближе к нужному характеру.
Как быть с иностранными словами в русском тексте?
Пишите их русскими буквами так, как хотите услышать: «дедлайн», «эйчар», «кейс». Латиница в русском тексте часто читается по буквам или с английской фонетикой, что в середине фразы звучит чужеродно.
