Недавно наткнулся на один безумно интересный стартап — бот в Telegram, который умеет озвучивать текст голосами знаменитостей. Причём делает это настолько реалистично, что иногда не сразу понимаешь, где синтез, а где оригинал.
Ты пишешь что-то вроде:
"С добрым утром, товарищи!"
А бот отвечает тебе голосом Путина. Или Дудя. Или Урганта. Или кем захочешь.
🤯 Как такое возможно?
Оказалось, за этим стоит нейросетевая технология клонирования голоса. Модель обучается на голосе конкретного человека, а потом синтезирует любые фразы с его интонацией, тембром и ритмом.
Я был настолько впечатлён, что решил: а почему бы не повторить самому?
🔍 Начал копать, и вот что выяснил:
✅ Да, это реально. И даже с русским языком.
Сейчас существует несколько нейросетей, которые поддерживают русскую речь и позволяют синтезировать фразы с любым голосом:
🥇 OpenVoice
- Поддержка русского языка
- Круто имитирует эмоции, интонации, акценты
- Клонирует голос по 1–5 минутам записи
- Работает на GPU — и у меня RTX 3080 Ti, так что всё совпало!
🥈 Bark от Suno
- Поддержка русского, яркое и эмоциональное озвучивание
- Есть предобученная модель, можно не тренировать с нуля
- Минус — очень медленный, не для продакшна
🥉 Coqui TTS
- Гибкая система, можно обучить свою модель
- Тоже поддерживает русский язык
- Чуть сложнее в запуске, но зато open-source
🎧 А где брать голоса знаменитостей?
Здесь всё просто — YouTube и подкасты. Интервью, обращения, стендапы — всё подходит.
Главное, чтобы:
- Голос был чистым и без музыки
- Было хотя бы 10 минут нормальной речи
- И желательно с разными интонациями
Можно использовать yt-dlp и ffmpeg, чтобы скачать и обработать аудио, а затем whisper от OpenAI для автоматической расшифровки речи.
🧩 Идея родилась: сделать бота в Telegram
План простой:
- Клонировать голос известного человека (или нескольких)
- Подключить нейросеть к Python-боту
- Давать пользователю возможность вводить текст → получать голосовое
💡 Уже даже наметил, с чьим голосом будет первая версия…
(Подсказка: он в телевизоре чаще, чем реклама «Турции от 45 000 рублей»).
🔜 Что дальше?
В следующих статьях расскажу:
- Какую из моделей я выбрал
- Где взял голосовые исходники
- Как проходило обучение
- Какие подводные камни и препятствия
- И что в итоге получилось — покажу примеры озвучки
🎬 Продолжение следует…
Подпишись, если интересно посмотреть, как звучит текст, прочитанный голосом Путина, Инстасамки (да простят меня за это), Урганта или Дудя, но с твоими словами.
Скоро покажу!