Promptra Team for Promptra

Posted on Jul 27

«aume ru аудиокнига» и переезд между TTS: почему клон голоса не экспортируется

#ai #llm #api #chatgpt

Сорок часов романа озвучены, дедлайн закрыт - и тут студия решает уйти с ElevenLabs на TTS подешевле. Первая же попытка выгрузить голос заканчивается сухим ответом справки: клоны не экспортируются. Готовое аудио скачать можно, а сам «голос» остаётся моделью на серверах вендора, что для ElevenLabs прямо подтверждено справкой.

Со стороны слушателя тот же мир выглядит иначе. Запрос «aume ru аудиокнига» приводит на бесплатный каталог aume.ru, где свежие раздачи (25.06.2026) честно помечены: «Аудиокнига озвучена компьютерным (искусственным) голосом». Типичный том - около 164 МБ и 12 часов звучания; разделы - попаданцы, фэнтези, фанфик, LitRPG. Массовая ИИ-озвучка уже случилась, и вопрос «чей это голос и куда его можно унести» касается и слушателя, и студии.

Страховок три: архив исходных записей, открытые миграционные утилиты и единый API вроде provod.ai (российский OpenRouter), где смена модели сводится к замене base_url и ключа, а баланс один, в рублях. Разберём ловушку по слоям - с ценами на июль 2026.

Что ты покупаешь, когда «клонируешь голос»?

Коротко: дообученную модель внутри вендора. Файла, который можно было бы скачать, не существует - есть веса на чужом инференс-стеке и готовое аудио на выходе.

Help-центр ElevenLabs отвечает на вопрос «Can I export my voice clones?» без обиняков: «No, you cannot export your voice clones, and they are only usable on ElevenLabs and not anywhere else» (проверено 19.07.2026). Перевод: клоны работают только внутри сервиса.

Условия использования (редакция от 31.03.2026, §4) добивают картину. Права на свой Input и Output ты сохраняешь, но в Output прямо «не включаются» фундаментальные Voice Models. За контент, включая голос, ты выдаёшь компании perpetual, irrevocable, worldwide, sublicensable, royalty-free лицензию; ElevenLabs со своей стороны обязуется не продавать голос «on a standalone basis» без разрешения. Практический итог: голос живёт у вендора, и точка.

У клонирования два уровня: Instant Voice Cloning хватает 1-2 минут чистой записи (рекомендовано MP3 от 192 kbps), Professional Voice Cloning требует 30-180 минут. Переносимости нет ни у того, ни у другого.

Почему клон голоса не экспортируется ни у одного провайдера?

Коротко: сходятся три причины - техническая, юридическая и коммерческая. Убери любую, и две оставшиеся всё равно держат голос внутри.

Техническая: клон дообучен под конкретный стек вендора, его веса бессмысленны вне чужого инференса. Юридическая: лицензии и согласия привязаны к условиям сервиса, а регуляторика 2026 года обращение с синтетическим голосом только ужесточает. Коммерческая: клон - идеальный якорь удержания. Меня здесь напрягает честность упаковки: «твой голос» в маркетинге означает «твой, пока платишь нам».

Вывод как аксиома: перенос голоса - это всегда пересоздание из исходных записей на новом месте, а не перемещение файла.

Чем кончилась привязка к одному TTS: история PlayHT

Коротко: вендора купили, API закрыли, клоны удалили. Экспорта не было - кто не хранил исходники, потерял голоса навсегда.

Таймлайн по открытым источникам. Bloomberg сообщил о сделке с PlayHT 11.07.2025, на следующий день Meta подтвердила acqui-hire команды из 35 человек. Публичный API умер 26.07.2025 - на недели раньше анонсированного срока; в августе закрылись регистрации, а 31.12.2025 случился полный shutdown: аккаунты, клоны и сохранённое аудио удалены, инструментов экспорта не появилось.

Самый дорогой урок vendor lock-in в голосовой индустрии: студии остались с готовыми книгами, которые нельзя дописать тем же голосом.

Как переехать между TTS и не потерять голос?

Коротко: три шага - архив исходников, ре-клон из оригинальных записей на новом месте, замена API-вызова. Клонировать с уже сгенерированного аудио нельзя.

Шаг 1. Архив исходных записей. Чистое одноголосое аудио без музыки и шума - твой настоящий актив, а не аккаунт в сервисе.

Шаг 2. Ре-клон из исходников. У Inworld instant-клонирование требует 5-15 секунд чистого одноголосого аудио. Для переезда с ElevenLabs есть open-source утилита voice-migration-tool (GitHub, TypeScript, коммиты конца июня 2026): работает локально (Node.js 18+, ffmpeg), ходит напрямую в API обоих вендоров, переносит только user-created клоны, сэмплы конвертирует в WAV, добивает до 5 секунд и обрезает до 15.

Шаг 3. Замена вызова. Пайплайн производства книги двухэтапный: сначала writer готовит текст, потом TTS его озвучивает. Миграция касается только второго этапа:

# было: base_url = "https://api.elevenlabs.io/v1"
# стало: единый OpenAI-совместимый вход
base_url = "https://api.provod.ai/v1"
api_key  = "sk-..."          # один ключ на весь каталог
model    = "<tts-модель>"    # провайдер меняется одной строкой

Если клиент поддерживает OpenAI-совместимый API, третий шаг перестаёт быть проектом: в provod.ai подключение - это ключ и base_url, а совместимость конкретного клиента и API нужно проверить по актуальной документации. Один баланс на тест и прод, оплата картой РФ, СБП или по счёту с закрывающими - и два голосовых провайдера живут параллельно.

Красная строка отдельно: не клонируй с AI-сгенерированного аудио. Артефакты накапливаются, а стоковые голоса каталогов тебе не принадлежат - такой «перенос» ещё и юридически мёртв.

Сколько стоит озвучка у разных провайдеров в июле 2026?

Коротко: разброс от $0 до $100 за миллион символов, и штатное клонирование есть не у всех. Цифры - list rates, сняты 07.07.2026; перед сметой перепроверь.

Провайдер	Цена: 1M символов, если не указано иное	Клонирование	Задержка и методика
ElevenLabs Flash/Turbo	$50	Instant / Professional	~75 мс inference-only; замер Vapi с сетью: 197-226 мс
ElevenLabs Multilingual v2 / Eleven v3	$100	да	нет данных
Inworld TTS-2	$25 on-demand, $12.50 на Growth, до $5 на enterprise	instant, 5-15 сек исходника	sub-200 мс медиана end-to-end; 1.5 Mini ~120 мс
Deepgram Aura-2	$30 ($27 на Growth)	нет данных	нет данных
Hume Octave	overage $40-50	нет данных	нет данных
OpenAI gpt-4o-mini-tts	$0.60 за 1M текстовых токенов + $12 за 1M аудио-токенов (~$0.015 за минуту)	нет: 13 пресетов	нет данных
Google Gemini TTS	$10-20 за 1M аудио-выходных токенов	нет данных	нет данных
Kokoro-82M (self-host)	$0 за символ, только GPU	нет штатного	зависит от железа

Задержки в таблице - vendor claims: замер Vapi (июнь 2026) дал у Flash медиану 197-226 мс с сетью против ~75 мс inference-only на сайте; sub-90 мс у Cartesia Sonic-3.5 не проверены независимо.

Поверх pay-as-you-go у ElevenLabs подписки: Starter $6 в месяц, Creator $22, Pro $99, Scale $299, Business $990 (по прайсу на июль 2026). У OpenAI клонирования нет: gpt-4o-mini-tts - 13 пресетных голосов, steerable через instructions, кастомным голосам приземлиться некуда. Kokoro-82M - открытая модель (Apache 2.0, 54 голоса): бесплатна при self-host, но штатного клонирования тоже нет.

Где можно издавать аудиокнигу, озвученную ИИ?

Коротко: ACX и Audible - нет, кроме фирменной Voice Replica beta; Kobo и Spotify принимают с обязательной меткой; Apple Books и Google Play Books публикуют ИИ-озвучку только своими голосами. Расклад - по состоянию на июль 2026.

Политика ACX сформулирована жёстко: «your submitted audiobook must be narrated by a human unless otherwise authorized». Легальный путь один - Narrator Voice Replica beta (анонс 09.07.2025, US-only, opt-in): диктор клонирует собственный голос, сам выбирает проекты, книги помечаются в поле narrator. Kobo Writing Life принимает внешнюю ИИ-озвучку, включая клон голоса автора, с меткой «Synthesized Voice»; Spotify/Findaway - с дисклеймером «This audiobook is narrated by a digital voice» (карта приёма на май 2026).

Регуляторика догоняет рынок. EU AI Act, статья 50: с 02.08.2026 обязательна машиночитаемая маркировка синтетического аудио, штрафы - до €15 млн или 3% оборота. NO FAKES Act 18.06.2026 одобрен Senate Judiciary Committee, но это ещё билль, не закон. Уже действуют Tennessee ELVIS Act (с 01.07.2024) и закон Нью-Йорка о synthetic performers (с 09.06.2026).

Спрос слушателей предельно конкретный. Люди ищут детективы Агаты Кристи про мисс Марпл, книги Анны Джейн, аудиокниги Юрия Москаленко. Жанровое ядро - попаданцы: звездные рейнджеры и летчики, космический «Мародёр», серия «Освобождённый» Поселягина, альтернативная история «на Руси»; дословные строки поиска: «слушать аудиокнига звёздный пират», «аудиокнига новинка попаданец лётчики», «попаданец в космос мародер», «поселягин освобожденный», «попаданец в прошлое руси». Оговорка: спрос на чужой детектив ИИ-озвучкой не снимает вопрос прав на текст.

Чего переезд между TTS не решает?

Коротко: миграция чинит зависимость от вендора, и только. Прав на чужой голос она не создаёт, качество из плохих исходников не вырастает, а смежные задачи решаются другими инструментами.

Права. Ре-клон возможен только для голоса, который у тебя есть право клонировать; перенос не легализует чужой тембр.
Стоковые голоса. Каталожные professional-голоса не переносятся в принципе.
Качество. Грязный исходник даст грязный клон на любой платформе.
Музыка и эффекты. Генерация треков и звуков (запросы вида songs и sounds вокруг Suno) - другой класс моделей.
Транскрибация. Сервисы вроде realspeaker и speechpad гонят аудио в текст - обратная задача.

Когда provod.ai не подходит

Коротко: когда задача живёт внутри одного вендора или вне API вообще.

Если нужен именно Professional Voice Cloning со студийным редактором ElevenLabs - это фирменная подписочная фича вендора, понадобится прямая подписка. Если план - self-host Kokoro на собственном GPU, внешний API не нужен вовсе. Если издаёшься через ACX, Voice Replica beta доступна только в прямом флоу Audible. И наконец: один TTS навсегда, без миграций в планах - тогда мультивендорная архитектура ничего не даёт.

Словарик запросов кластера

Коротко: поисковый кластер склеен из разных миров - бесплатных каталогов, музыкальных генераторов и откровенного мусора. Разбираем честно, что к чему.

Каталоги бесплатных аудиокниг (отсюда и вырос запрос из заголовка; описываем феномен, а не рекомендуем источники):

«aume» - aume.ru, каталог, где раздачи помечены «озвучена компьютерным (искусственным) голосом».
«audioboo» - audioboo.org, тот же формат ИИ-каталога.
«baza» и «knig» - «baza knig ru аудиокнига», соседний каталог baza-knig.
«slushat» и «knigi» - «slushat knigi com», ещё один каталог той же сети.
«слушкинвсем» - slushkinvsem.ru, тот же кластер.

Музыка, каверы и звукорежиссура (к озвучке книг отношения не имеет):

«songs» и «sounds» - «suno ai songs», «suno sounds»: генерация музыки и эффектов.
«sono» - опечаточное написание Suno; «sova» - «ия music sova», прикладной запрос.
«singer» - «digital singer», AI-вокал; «hmkids» - «hmkids suno ai cover».
«softvibe» и «soli» - студии генерации песен.
«boys» - «bad bad boys ai cover»; «slavik» - «отпустить она slavik».
«ба» - «сағымсыңба сен ai cover», казахский трек; «блю» - «алиса включи ани блю».
«чеп» - «ома вата фат чеп суно», мемный шум вокруг Suno.
«мр4» - «скачать видео мр4», формат файла.
«waves» и «producer» - «waves fl studio», «fl studio producer edition»: звукорежиссура.
«gugugaga» и «penguin» - мемное Sora-видео с пингвином.
«cherry» - Cherry Studio, десктоп-клиент для LLM, сюда попал по слову «studio».

Смежные аудио-задачи:

«морзе» - перевод азбуки Морзе по аудио: распознавание тонов, не TTS.
«гет» - «транскрибация аудио в текст на гет курс»: расшифровка лекций с GetCourse, обратная задача.

Чужие сервисы, опечатки и мусор склейки (честный ответ на каждый - «это про другое»):

«2fapi», «2fauth», «2fsession» - фрагменты куки и путей ChatGPT.
«6e4d2615ae4d475ea2b57055f6aaf59c» - код ошибки GigaChat.
«andreas» - «gta san andreas»; «pubg» - аватарки для pubg mobile.
«avd» - эмулятор Android; «eze» - фоторедактор.
«chaton» - чат Mistral; «komo» - ИИ-поисковик.
«cinema» - Higgsfield, генерация видео; «comfiui» - опечатка ComfyUI.
«compact» - сжатие контекста в Claude Code.
«companions» - ИИ-компаньоны Grok.
«crpt» и «markirovka» - маркировка товаров.
«ctat» и «vhat» - опечатки «chat gpt» и «what gpt».
«decals» - текстуры Roblox; «toy» - «toy robot otto».
«detection» - детекторы ИИ-текста.
«essebot», «gemchat» - мелкие чат- и coding-боты.
«generations» - счётчик генераций в Leonardo и Sora.
«gptportal», «noreply», «paytool», «perm», «inta» - региональные зеркала ChatGPT.
«hypermine» - «песня про hypermine».
«novator» - «технолог для производства».
«nyc» и «surreal» - арт-видео; «perque» - Perque Studio.
«personas» - лимиты user personas в Character AI.
«pudu» - роботы-официанты.
«quota» - лимиты Qwen; «regeneration» - лимит перегенерации DeepSeek.
«ray2» - видеомодель Luma.
«razer» - настольный помощник Project Ava.
«rr» - чат с ИИ-персонажем на русском.
«sao» и «sinon» - adult-генерация по аниме SAO, режется фильтрами.
«skillfactory» - курсы по data science.
«theory» - «dead internet theory».
«tilda» и «webflow» - конструкторы сайтов с ИИ.
«unreal» - «claude unreal engine», геймдев.
«vitek» - надпись «vitek» в Шедевруме.
«15с» - «видео на 15с» в Шедевруме; «201r» - колонка «альтоник rs 201r» с Алисой.
«бс» - «ия для бс на телефон», игровое сокращение.
«взломанны1» - «chatgpt dan взломанны1 бот»: ищут взломанных ботов, не поможем.
«глм» - GLM, китайское семейство моделей; «ет» - «ет алиса ai», обрывочный запрос.
«новорожденных» - ИИ-фотосессии новорождённых.
«батуми» - «написать текст про Батуми».
«джерри» - мультик «Том и Джерри» через Алису.
«колесниченко» - книга «ИИ для чайников» Колесниченко.
«hailuozi» - Hailuo AI от MiniMax, видеогенерация.

provod.ai — единая AI-платформа для текста, кода и медиа

Не нужно оплачивать и поддерживать отдельный сервис для каждого формата: веб-интерфейс, API, мультимедийный редактор и командный баланс работают в одном контуре.

В одном каталоге — актуальные модели для текста и медиа: GPT от OpenAI, Claude от Anthropic, Gemini от Google, Grok от xAI, DeepSeek, Qwen, GLM, Kimi и MiniMax; для изображений — Nano Banana 2 Pro и GPT Image; для видео — последние версии Seedance, Kling, Veo и Google Omni. Также доступны модели для reasoning, поиска, документов, эмбеддингов, музыки и аудио.

И текстовые запросы, и медиагенерации тарифицируются без собственной наценки provod.ai: стоимость соответствует официальным ценам поставщиков 1:1.

Соберите свой мультимодальный сценарий: форма регистрации · цены на модели · защита данных по 152-ФЗ · API и интеграции

FAQ

Коротко: четыре вопроса, которые остаются после любого разговора о переносе голоса.

Можно ли скачать клон голоса из ElevenLabs?
Нет, клоны работают только внутри сервиса. Выход один - пересоздать голос из исходных записей у нового провайдера.

Можно ли клонировать голос с готовой аудиокниги или с AI-аудио?
С AI-аудио - не стоит: артефакты накапливаются, а стоковые голоса лицензированы вендору. Для человеческой записи нужны права на голос, чистый исходник и соблюдение требований провайдера.

Возьмёт ли Audible мою ИИ-аудиокнигу?
Нет: ACX требует человеческого диктора, кроме Narrator Voice Replica beta (US-only). Альтернативы - Kobo Writing Life с меткой «Synthesized Voice» и Spotify/Findaway с дисклеймером о digital voice.

Что будет с моими голосами, если TTS-сервис закроется?
Прецедент PlayHT: 31.12.2025 аккаунты и клоны удалили без экспорта. Выживут те, у кого есть архив исходников.

Клон не экспортируется - но интеграция не обязана умирать вместе с провайдером.

Подключи аудио- и текстовые модели через provod.ai: один API, оплата в рублях с карты РФ, для юрлиц - договор и закрывающие. Без VPN и без наценки: платишь официальный тариф провайдера, а смена движка сводится к замене URL и ключа.

Спорный вывод напоследок: если исходники лежат в архиве, любой TTS взаимозаменяем, и «фирменный голос» вендора - плата за удобство, а не владение. Согласен?