В детстве я мечтал о говорящих игрушках, но реальность оказалась далека от ожиданий — они лишь выдавали заученные фразы. Время прошло, и в 2025 году нейросети значительно продвинулись в имитации живой речи. Теперь такие технологии внедрены в аудиокниги, рекламу и подкасты. Мы протестировали 7 сервисов для синтеза речи, чтобы выяснить, насколько они хороши.
Команда тестировала каждый сервис с одним и тем же текстом, чтобы оценить произношение, интонацию и эмоциональность. BotHub, российский комбайн для генерации различных контентов, с задачей справился, но звучание напоминало иностранца, хорошо знающего русский. Google Cloud Text-to-Speech выдал высококачественный результат с более чем 380 голосами, однако ограничение по объему текста стало препятствием. ElevenLabs предлагает клонирование голоса и охватывает более 70 языков, но имелся легкий оттенок роботизации.
Robivox, простой в использовании сервис, произвел средний эффект, а Яндекс SpeechKit порадовал разнообразием настроек, но также оставил ощущение, что можно лучше. В конечном итоге, нейросети пока далеки от идеала, и доверять им стоит с осторожностью. Возвращение к нашей детской мечте о говорящих игрушках стало реальностью, но впереди еще много работы.
