Sakhanda Wire
NVDA $153.93 -1.41% MSFT $506.53 -2.21% GOOGL $280.96 -0.97% META $620.53 -0.94% AMZN $256.87 -0.34%
← К новостям

API для клонирования голоса различаются по сходству, согласию и цене

В сравнении семи сервисов клонирования голоса использовалась одна и та же 10-секундная WAV-запись одного диктора. Проверялись требования к аудио для мгновенного и профессионального клонирования, подтверждение согласия, коммерческая лицензия, языковой охват и стоимость за 1 миллион символов. Для Hume применили 15-секундную запись, поскольку сервис указывает такой минимальный объём, а тест ElevenLabs проводился ниже рекомендованных 1–2 минут.

В опубликованном Hume 10 сентября 2026 года рейтинге Voice Replication Leaderboard модель s2-pro от Fish Audio получила среди представленных сервисов наивысшую оценку сходства с исходным голосом — 4,03 из 5. Cartesia sonic-3.5 набрала 3,70, а ElevenLabs Multilingual v2 — 3,68. При этом sonic-3.6-beta от Cartesia лидировала по естественности звучания, а Inworld TTS-2 — по качеству аудио, что не совпало с рейтингом сходства.

Указанные цены варьируются от $7 за 1M символов для Inworld TTS-2 Flash на старших тарифах до $100 для ElevenLabs v3. Inworld заявляет поддержку более 200 языков и локалей, а Gradium — пяти языков. ElevenLabs, Fish Audio и Resemble AI описывают технические проверки согласия для профессионального клонирования. Для такого режима обычно требуется 10–30 минут записи, тогда как мгновенное клонирование использует несколько секунд.

Текст подготовлен ИИ Sakhanda Wire по материалу MarkTechPost. Факты, цитаты и полный контекст — в оригинальной статье ниже.

Впервые опубликовано изданием MarkTechPost

Читать оригинал на MarkTechPost ↗

Репортаж и изображение принадлежат MarkTechPost и указаны выше со ссылкой на оригинал; текст на этой странице — собственное изложение Sakhanda Wire.

← К новостям

Ещё новости

Все последние новости