Gemini TTS
Это озвучка от Google. Старшая модель, 3.8 Flash TTS, ориентирована на выразительность: она передаёт эмоции, подстраивается под заданный стиль подачи и держит один голос на протяжении многих минут. По описанию Google, ей можно задавать смех, вздох и паузу. Список поддерживаемых языков большой, в нём 130 языков, русский включён.
Лёгкая версия, 3.8 Flash-Lite TTS, рассчитана на быструю обычную озвучку одним голосом: она быстрее и экономнее. Модель 3.1 Flash TTS это предыдущее поколение.
MiniMax Speech 2.8 HD
Модель для студийного качества звука. Разработчики делают упор на эмоциональную подачу и натуральность. Паузы, вдохи и другие вставки можно задавать метками прямо в тексте. Поддерживается около 40 языков, русский среди них.
Буквы HD означают версию для финальной записи: она подходит, когда голос нужен для готового ролика, а не для проб. У MiniMax есть и клонирование голоса: достаточно короткого образца записи.
Seed Audio 1.0
Модель от ByteDance устроена не так как остальные. Она создаёт не только голос, но и звук всей сцены: речь, шумы, фон. Голос можно описать словами или взять по образцу. За один проход получается до двух минут звука, а время реплик можно задавать с точностью около 0,1 секунды.
Языков больше двадцати, русский входит. По описанию ByteDance, она подходит для диалогов, рекламы, коротких видео и подкастов.
Как проверить модели
Возьмите один текст и озвучьте его во всех моделях с одинаковыми настройками:
Мы использовали этот текст: " Добрый день! Меня зовут Анна, и я расскажу, как работает наш сервис. Сначала про ударения. Замок на двери сломался, а в замке рядом открыли выставку. Мука в мешке закончилась, и теперь у нас мука, а не радость. "
Что получилось в тесте
Мы озвучили один и тот же текст во всех моделях. Лучше остальных с задачей справилась Gemini: русская речь у неё звучит естественнее, а ещё у неё самый большой выбор голосов и настроек. Можно подобрать голос под задачу, поменять подачу и темп, и не приходится подстраивать текст под единственный вариант.
MiniMax Speech 2.8 HD и Seed Audio тоже работают с русским, но в нашем тесте уступили Gemini. Если вам нужны их особенности (клонирование голоса у MiniMax, звук сцены у Seed Audio), берите их под эти задачи, а для обычной озвучки на русском начинайте с Gemini.



