Статьи
AI-голос: синтез речи, клонирование и малые языки
Машина умеет читать текст вслух так, что это звучит по-человечески, — и умеет подражать конкретному голосу. Что с этим можно делать, а что нельзя.
Синтез речи не нов. Ново то, что он больше не звучит как синтез.
Две разные вещи#
Текст в речь. Вы даёте текст, получаете аудио. Голос принадлежит модели, вы выбираете его из каталога.
Клонирование голоса. Вы даёте запись конкретного голоса, модель его выучивает и читает ваш текст этим голосом. Одним сервисам нужны часы материала, другим — секунды.
Первое — инструмент. Второе — инструмент, которым можно ещё и врать.
Насколько хорошо с малыми языками#
Лучше, чем раньше, и хуже, чем с английским. Крупные сервисы поддерживают и русский, и эстонский, но качество неровное: интонация плывёт в длинных фразах, иностранные имена произносятся неверно, ударение иногда падает не туда.
Короткие предложения работают лучше длинных. Текст, написанный под речь — короткие фразы, ясная пунктуация, — даёт заметно лучший результат.
С малым языком всегда стоит послушать, а не предполагать.
Где это действительно полезно#
- Озвучка учебных материалов и инструкций
- Черновик подкаста до настоящей записи
- Доступность: возможность слушать контент
- Прототипы и демо, где живой актёр озвучки слишком дорог
- Озвучка видео, когда сценарий постоянно меняется
Где нет#
Везде, где голос несёт доверие. Служба поддержки, притворяющаяся человеком. Маркетинг с узнаваемым голосом. Всё, где слушатель предполагает человека на том конце.
Правовая и этическая сторона#
Голос — персональные данные. Клонирование голоса конкретного человека без согласия — не серая зона, а прямое нарушение, во многих юрисдикциях незаконное.
Согласие должно быть конкретным. «Он разрешил себя записать» не означает «он разрешил бесконечно генерировать свой голос».
Маркировка. AI Act ЕС требует помечать сгенерированное аудио там, где оно может ввести в заблуждение.
Риск мошенничества реален. Клонирование голоса активно используют в схемах — «родственник в беде» распространён. Если ваша компания что-то подтверждает по телефону, голос больше не является достаточной идентификацией.
Практическое правило#
Ваш текст, голос модели — в целом нормально. Чужой голос без письменного согласия — не делайте.