В мае 2026 я записала для своего блога 12 видео. На каждое в среднем уходило по 3 часа — писала текст, репетировала, записывала, переписывала. В июне — 18 видео за ту же неделю. На каждое уходит 12 минут. Разница — не в моей скорости. Разница в том, что теперь я не записываю голос сама. Я печатаю текст, отправляю в нейросеть, получаю озвучку. Остаётся только наложить её на видео. ## Что случилось с голосовыми моделями за последние полтора года В 2024 году AI-озвучка звучала как навигатор из дешёвого телефона. Все понимали, что это бот. Любой человек старше 30 отличал синтез за полсекунды. В 2025 появились первые модели с человеческой интонацией. В 2026 — они стали неотличимы от живого диктора в большинстве сценариев. Остаточный эффект «uncanny valley» сохраняется только в длинных аудио, где есть паузы, вздохи и неожиданные переключения темы. Технически это результат трёх вещей. Во-первых, модели научились работать с prosody — ритмом, ударениями, паузами между фразами. Во-вторых, появились мультиязычные модели, которые держат акцент и характер голоса при переключении языка. В-третьих, выросла скорость — 5 минут аудио генерируются за 8–15 секунд. Это уже не «замена живого голоса для эксперимента», а нормальный рабочий процесс. ## Где AI-озвучка работает, а где пока нет За последние два месяца я сделала 18 видео с AI-озвучкой. Вот что работает: Рабочие сценарии — обучающие ролики, объясняющие видео, обзоры инструментов, дайджесты новостей, контент для маркетплейсов. Если у вас чёткая структура, спокойный темп и одна тема на 3–7 минут — AI-озвучка справляется. Я не отличаю её на фоне от живого диктора, если не знаю заранее, что слушаю бота. Спорные сценарии — интервью, подкасты с двумя и более голосами, сторителлинг с эмоциональными переключениями. Здесь пока нужны два разных голосовых профиля, и стыковка между ними чувствуется. Можно сделать, но придётся потратить время на редактирование интонаций. Плохие сценарии — продающие ролики с высокой эмоциональной нагрузкой, рилсы с юмором и иронией, контент, где важна личность автора. Голос — это часть бренда. Если ваш бренд построен на харизме, AI-голос её убьёт. Тут пока лучше нанимать диктора или записывать самому. ## Три сервиса, которые я проверила лично Первый — самый дешёвый. Подходит для длинных текстов, объясняющих роликов, обучения. Голос ровный, нейтрально-профессиональный. Плохо справляется с эмоциями и сарказмом. На русском — заметный акцент у некоторых голосов, как будто носитель английского читает по-русски. Стоит копейки, для массового контента — норм. Второй — средний по цене, выше качеством. На русском говорит чисто, интонации живые, умеет расставлять акценты. Из минусов — длина одной сессии ограничена, длинные тексты приходится резать. Хорош для контент-мейкеров, которые делают 2–4 видео в неделю. Третий — премиум. Стоит как подписка на хороший фотосток, но даёт голос, который не отличить от профессионального диктора. Есть клонирование: загружаете 30 секунд своего голоса, и через 10 минут у вас есть его цифровая копия. Я проверила — подруга не отличила мой «клонированный» голос от живого, когда я скинула ей видео в слепом тесте. Для брендов, которые хотят масштабироваться, это уже базовый инструмент. ## Что выбрать и как начать Если вы только пробуете — начните с дешёвого сервиса. Сделайте 3–5 роликов, посмотрите на реакцию аудитории. Если люди не замечают подмены, нет смысла переплачивать. Если замечают — пробуйте средний сегмент. Если строите личный бренд с акцентом на голосе — клонируйте свой. Технический процесс занимает 10 минут на ролик. Пишете текст в Google Docs, копируете в сервис, выбираете голос, получаете mp3, загружаете в видеоредактор. На выходе — готовый ролик без студии, без микрофона, без перезаписей. Это не магия, это просто другой способ работать. Главный вопрос не в том, использовать AI-озвучку или нет. Главный вопрос — готовы ли вы принять, что голос больше не ваше конкурентное преимущество. Контент, подача, идеи — вот что останется. Голос стал расходным материалом.