ссылка на предыдущие рассуждения. Часть №1-Введение
После того, как я загорелся идеей оживлять текст голосами известных людей, встал вопрос — на чём это вообще делать?
Технологий много, но не все одинаково удобны. Я провёл пару дней в поиске и вот к каким выводам пришёл.
🤔 На старте было три кандидата:
- OpenVoice (MyShell AI) — свежая модель, простая в использовании, поддерживает эмоции и русский язык.
- Coqui TTS — мощная open-source платформа с возможностью глубокого обучения и кастомизации.
- Bark от Suno AI — необычная, креативная модель, которая генерирует не только голос, но и сопутствующие шумы, интонации, иногда даже дыхание и музыкальный фон.
❌ Почему я сразу отложил Bark
Сразу скажу: Bark — это безумно интересный проект, но пока не для практического использования.
Минусы:
- 🐢 Медленная генерация, даже на мощных GPU (генерирует речь блоками, с паузами)
- 🎲 Иногда результат слишком хаотичный — может вставить шум, музыку, непредсказуемую интонацию
- 📥 Неудобна для клонирования конкретного голоса: обучить под себя сложно
- 📦 Нет лёгкого API или командной строки для интеграции в бота
Модель клёвая для экспериментов, творчества и генерации, но не подходит под задачу, где нужно качество, стабильность и узнаваемый голос.
🥊 Осталось два кандидата: OpenVoice и Coqui TTS
🎯 OpenVoice:
- Быстро стартует
- Клонирует голос по 1–5 минутам
- Поддерживает русский язык и эмоции
- Простой API, легко прикрутить к Telegram-боту
🛠 Coqui TTS:
- Полный контроль, можно обучать с нуля
- Поддержка десятков моделей (Tacotron2, VITS и др.)
- Русский язык — поддерживается, но нужно возиться с выбором модели
- Требует много времени на подготовку.
🧩 Что я решил?
На старте решаюсь идти по пути наименьшего сопротивления:
✅ Начинаю с OpenVoice.
Это даёт мне возможность быстро получить работающий результат, протестировать идею и убедиться, что синтез реально звучит как «тот самый» голос.
🤞 Если качество не устроит — пойдём сложным путём
Если окажется, что у OpenVoice качество недостаточное, или не хватает гибкости, то я уже подготовлен:
- Есть план, как перейти на Coqui TTS, сложно, долго, но качество может быть лучше. Проверим!
📌 В следующей статье
Я покажу, как именно запустил OpenVoice у себя на Windows, что получилось, как звучит клонированный голос и с какими проблемами столкнулся.
📢 Продолжение следует…