HeyGen Voice: ИИ озвучит видео вашим голосом и подстроит звук под сцену
HeyGen знаменита ИИ-аватарами — «цифровыми двойниками», которые зачитывают ваш текст, — а на прошлой неделе мы рассказывали о её первой видеомодели HeyGen Video 1.0. Теперь у компании появилась и собственная голосовая модель — HeyGen Voice. По словам HeyGen, это первая модель озвучки, созданная именно под видео.
Обычный клон голоса копирует запись целиком: надиктовали на телефон в комнате — и «телефонный» звук поедет в любой ролик. HeyGen Voice хватает 60 секунд записи, чтобы выучить тембр, акцент и манеру речи. Дальше модель смотрит на кадр и решает, как бы вы звучали, если бы действительно стояли там: в студии у микрофона, на пляже под шум прибоя, в цеху среди станков или в салоне машины на шоссе.
Как работает HeyGen Voice:
⚬ Записать голос можно хоть на смартфон: модель запоминает сам голос, а шум комнаты и качество микрофона старается отбросить и не учитывать.
⚬ Кадр разбирает визуальный энкодер, а к нему составляются две подписи: о подаче (тон, темп, акценты) и о пространстве (помещение, расстояние до микрофона, фон).
⚬ Два режима. Adaptive подгоняет подачу и акустику под сцену, а Exact сохраняет звучание исходной записи — так десятиминутный текст звучит одним дублем, а не сорока склеенными кусками. Между ними — шкала похожести из четырёх ступеней.
⚬ Слайдер Expressiveness Boost добавляет акценты, ритм и интонации, а голос остаётся вашим. На нуле — базовая подача модели.
⚬ Ползунками можно донастроить разброс высоты голоса, громкость фона и его равномерность.
⚬ Та же запись читает текст на других языках с родным акцентом. Всего поддерживается 39 языков, включая русский.
⚬ Professional Voice Clone учится на записях длиной от 30 минут до двух часов и запоминает мельчайшие особенности вашей речи.
По данным HeyGen, в слепом тесте пользователи выбирали, какая из трёх моделей лучше передаёт их собственный голос: HeyGen Voice выбрали в 41,7% случаев, Cartesia Sonic 3.6 — в 35,3%, ElevenLabs v4 — в 23%. В 50 окружениях от собора до пляжа звук фона у HeyGen Voice оценили как более подходящий к картинке, нежели у ElevenLabs v4, Cartesia Sonic 3.6 и Seedance 2.5. В открытом рейтинге голосовых моделей HeyGen Voice заняла первое место.
Рилс к фотосессии, анонс мастер-класса, урок видеокурса — всё это теперь можно озвучить своим голосом, не записывая каждый дубль заново. Если в уже смонтированном видео вкралась оговорка, одну фразу можно перегенерировать в режиме Exact — она прозвучит как из той же записи. А версию ролика для зарубежных клиентов можно сделать на английском или испанском, не нанимая диктора.
Чужой голос так просто не склонировать: HeyGen требует подтверждённого согласия его владельца, и тот может в любой момент попросить удалить свою копию. В сгенерированную речь встраивается неслышимый водяной знак AudioSeal.
В приложении HeyGen Voice работает в каждом ролике без доплаты, а один клон голоса доступен даже на бесплатном тарифе (до трёх роликов в месяц длиной до минуты). Платные тарифы — от $29 в месяц, Professional Voice Clone — отдельное дополнение за $99 в месяц (на старте — $29). Через API — $30 за миллион символов, без пакетов и минимальных платежей. Попробовать HeyGen Voice можно на сайте HeyGen.
Сайт HeyGen из России открывается, но российские карты сервис не принимает. Оплатить подписку можно зарубежной картой Visa/Mastercard — забрать её за 30 секунд и без документов за 800 рублей на 5 лет можно в национальном скидочном чате фотографов и операторов, написав волшебные слова "Хочу карту Visa для оплаты зарубежных сервисов". Там же — подписки на Claude, ChatGPT, Gemini, Grok, Perplexity и другие нейросети в России за рубли с карт МИР, а также средства для того, чтобы все нейросети работали без сбоев и блокировок.
Озвучиваете свои ролики сами? Или уже готовы доверить это цифровому двойнику своего голоса?