ElevenLabs берут ради озвучки роликов, автоответов и голосовых сообщений. Открытые модели синтеза речи ставятся на ваш сервер: тексты и записи голоса никуда не передаются, озвучивать можно неограниченно, а для русского есть модели, которые работают даже на обычном процессоре без видеокарты. Часть моделей клонирует голос по короткому образцу, поэтому можно сделать постоянный голос бренда и не переписывать реплики при каждом изменении текста. Слабые места у открытого синтеза те же: интонации в длинных и эмоциональных текстах звучат ровнее, ударения в русских именах и терминах приходится править вручную, а под живой диалог систему надо настраивать. И отдельный вопрос не техники, а права: чужой голос нельзя клонировать без письменного согласия его владельца.
Синтез речи на 10 языках, включая русский: клонирование голоса по 3 секундам, готовые голоса и создание голоса по текстовому описанию.
Синтез речи с клонированием голоса и настройкой эмоциональности. Многоязычная версия поддерживает 23 языка, включая русский; Turbo и Flash ускорены для живого диалога.
Синтез речи с клонированием голоса и тонкой настройкой эмоций, скорости и высоты голоса.
Синтез речи с клонированием голоса и естественной интонацией. VoxCPM2 поддерживает 30 языков, включая русский.
Лёгкий синтез русской речи, работает на обычном процессоре. Версия v5 добавила языки СНГ и народов России: татарский, башкирский, якутский, казахский и другие.
Очень быстрый синтез речи, который работает даже на Raspberry Pi. Готовые голоса на 35+ языках, есть несколько русских.
Qwen3-TTS, Chatterbox, Zonos и VoxCPM в каталоге отмечены как коммерчески разрешённые, а у Silero основные модели идут под некоммерческой CC BY-NC и у Piper лицензия зависит от конкретного голоса. Популярные XTTS и Fish Speech тоже некоммерческие, и клонирование реального голоса требует согласия человека.
Открытую модель можно поставить на свой сервер: данные не уходят в чужое облако, нет оплаты за каждый запрос, модель можно дообучить на ваших документах.
