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%
← До новин

API клонування голосу різняться за схожістю, згодою та ціною

У порівнянні семи сервісів клонування голосу використали той самий 10-секундний WAV-запис одного мовця. Оцінювали вимоги до аудіо для миттєвого й професійного клонування, перевірку згоди, комерційну ліцензію, мовне охоплення та вартість за 1 мільйон символів. Для Hume взяли 15-секундний запис, оскільки сервіс визначає такий мінімум, а тест ElevenLabs провели з меншою тривалістю, ніж рекомендовані 1–2 хвилини.

У рейтингу Voice Replication Leaderboard, опублікованому Hume 10 вересня 2026 року, модель s2-pro від Fish Audio отримала найвищий серед розглянутих сервісів результат за схожістю з оригінальним голосом — 4,03 з 5. Cartesia sonic-3.5 набрала 3,70, а ElevenLabs Multilingual v2 — 3,68. Водночас Cartesia sonic-3.6-beta очолила категорію природності, а Inworld TTS-2 — категорію якості аудіо.

Заявлені ціни становлять від $7 за 1M символів для Inworld TTS-2 Flash на дорожчих тарифах до $100 для ElevenLabs v3. Inworld підтримує понад 200 мов і локалей, тоді як Gradium — п’ять мов. ElevenLabs, Fish Audio та Resemble AI описують технічні перевірки згоди для професійного клонування. Для нього зазвичай потрібно 10–30 хвилин аудіо, а миттєве клонування може працювати за кілька секунд.

Текст підготовлено ШІ Sakhanda Wire за матеріалом MarkTechPost. Факти, цитати та повний контекст — в оригінальній статті нижче.

Вперше опубліковано виданням MarkTechPost

Читати оригінал на MarkTechPost ↗

Репортаж і зображення належать MarkTechPost і зазначені вище з посиланням на оригінал; текст на цій сторінці — власний виклад Sakhanda Wire.

← До новин

Ще новини

Усі останні новини