Перейти к содержимому
Учи.Онлайн Выбрать школу
Статья

ElevenLabs: озвучка, клонирование голоса и дубляж нейросетью — что можно и чего нельзя

ElevenLabs — сервис синтеза речи: вы вставляете текст, выбираете голос и модель и получаете аудиофайл с озвучкой. Он же создаёт копию голоса по записи, переводит видео на другой язык с сохранением тембра говорящих, меняет один голос на другой и генерирует звуковые эффекты по описанию. Чтобы получить пригодный результат, нужно готовить текст под чтение вслух, исправлять ударения и числа, подбирать модель под задачу и проверять права: чей голос можно клонировать и на каком тарифе озвучку разрешено продавать. Из России сервис официально недоступен.

Автор: редакция Учи.ОнлайнОтветственный редактор: Дмитрий Игнатьев
Содержание
Иллюстрация к статье: ElevenLabs: озвучка, клонирование голоса и дубляж нейросетью — что можно и чего нельзя

Главное заблуждение новичка — считать, что синтез заменяет диктора одной кнопкой. Звучание действительно бывает естественным, но работа смещается: вместо записи в студии человек редактирует сценарий, слушает дорожку целиком, ловит неверные ударения в фамилиях и терминах и перегенерирует отдельные фразы. Десятиминутный обучающий ролик почти никогда не получается с первого прохода.

Что умеет сервис и когда нужен другой инструмент

Основная функция — озвучка текста (text to speech, TTS). В обзоре моделей ElevenLabs на октябрь 2026 года русский язык поддерживают все многоязычные модели: Eleven v4 (больше 90 языков, до 10 000 знаков за один запрос), Eleven v3 (больше 70 языков, до 5 000 знаков), Multilingual v2 (29 языков, до 10 000 знаков) и быстрая Flash v2.5 (32 языка, до 40 000 знаков). Модель Flash v2 работает только с английским. Быстрые модели нужны голосовым ботам, для роликов выбирают более выразительные.

Клонирование создаёт голос по образцу записи. Смена голоса (speech to speech) переозвучивает вашу начитку другим тембром, сохраняя интонацию. Дубляж распознаёт речь в видео, переводит её и озвучивает голосами, похожими на исходные, а генератор эффектов делает шаги или шум улицы по описанию.

Другой подход нужен в трёх случаях. Художественный дубляж фильма с актёрской игрой и точным синхроном остаётся работой людей — о ней наша статья об актёре дубляжа. Если текст нельзя передавать за рубеж, выбирают российские сервисы синтеза или локальные модели. Если озвучка — лишь этап ролика или видеоаватара, начните с наших статей о нейросетях для видео и о цифровом аватаре эксперта.

Доступ из России

В справке ElevenLabs об ограничениях по странам Россия и Беларусь названы среди стран, доступ из которых компания обязана ограничивать; подключения оттуда блокируются. Аккаунт, оплаченный в обход ограничений, может перестать работать вместе с кредитами и созданными голосами, поэтому храните исходные тексты и словари произношения у себя, чтобы при необходимости повторить работу в другом инструменте.

Учебный пример: озвучка видеоурока

Ситуация учебная. Методист озвучивает видеоурок о бухгалтерской отчётности. В сценарии есть аббревиатуры НДС и ФНС, даты, суммы с копейками и фамилия «Пачоли», где синтез ошибается с ударением.

Сначала методист переписывает текст для слуха: делит длинные предложения, раскрывает сокращения, суммы и даты пишет словами. Затем делает пробу на одном абзаце в двух моделях, создаёт словарь произношения для повторяющихся слов, генерирует урок по смысловым блокам и слушает каждый в наушниках. Неудачные фразы перегенерирует отдельно, а в монтаже выравнивает паузы.

Ударения, числа и паузы на русском

Самое трудное в русской озвучке — произношение. В руководстве ElevenLabs по управлению синтезом сказано, что SSML-теги фонем, которыми задают точное произношение слова, совместимы только с моделью Flash v2. А она, по обзору моделей, читает только по-английски. Для Multilingual v2 руководство прямо советует другой путь — записывать слово так, как оно звучит. Значит, для русского текста фонетическая разметка тегами не работает, и ударение исправляют подменой написания: тег alias в словаре произношения заменяет слово другим написанием перед синтезом.

Словари загружают в формате TXT или PLS, и у них два ограничения из той же документации: поиск чувствителен к регистру, а при нескольких совпадениях срабатывает только первая замена. Модель Eleven v4, по руководству, понимает транскрипцию в международном фонетическом алфавите, заключённую в косые черты, но разработчики предупреждают, что результат зависит от голоса и фразы, а все примеры приведены на английском. Важные слова перед сдачей проверяют на слух.

С числами помогает нормализация: она включена по умолчанию, но модели читают цифры по-разному. В руководстве приводится пример, где Flash v2.5 озвучивает миллион долларов как «тысячу тысяч». Надёжнее заранее написать суммы словами. Паузы до трёх секунд задают тегом break, но в Eleven v3 и v4 он не поддерживается: там паузы управляются пунктуацией, многоточием и тегами интонации.

Клонирование голоса и чьё согласие нужно

У ElevenLabs два вида клонов. Быстрый делают по короткой записи, профессиональный дообучают на длинной и доступен он с тарифа Creator. Руководство по клонированию предупреждает, что изменить акцент или манеру готового клона нельзя, а быстрый клон хуже справляется с редкими акцентами и необычными голосами. Как устроена проверка владельца голоса для профессионального клона, подробно разобрано в нашей статье о цифровом аватаре.

Для быстрого клона в руководстве не описана проверка личности, поэтому ответственность за чужой голос лежит на пользователе. Сервис добавляет свою защиту: механизм No-Go Voices распознаёт и блокирует клоны, похожие на голоса известных публичных людей, а за злоупотребления компания удаляет голоса и блокирует аккаунты.

Российское право прямо защищает изображение гражданина: использовать его можно с согласия (ст. 152.1 ГК). Для голоса, в том числе воссозданного технологиями, отдельную статью 152.3 предлагал законопроект № 718834-8, внесённый в Госдуму в сентябре 2024 года; перед проектом проверьте, принят ли он. На практике голос коллеги или заказчика клонируют только с письменного согласия, где указаны сервис, цель, срок и порядок удаления клона.

Дубляж видео

По справке о дубляже, в веб-версии файл может весить до 2 ГБ и длиться до 180 минут, а оплата идёт за каждую минуту исходника отдельно для каждого языка. Ползунок сходства говорящего задаёт силу клонирования от 0 до 10, по умолчанию стоит 7.

Расшифровку и перевод правят в интерфейсе и перегенерируют отдельные фрагменты. Через API редактировать расшифровку можно только на корпоративном тарифе. На бесплатном плане дубляж получает водяной знак, который нельзя убрать. Перевод перед публикацией проверяет человек, знающий язык.

Тарифы и право на коммерческое использование

Цена в ElevenLabs считается в кредитах. На странице тарифов в октябре 2026 года бесплатный план даёт 10 тысяч кредитов в месяц, около 10 минут озвучки, Starter — 30 тысяч, Creator — 121 тысячу, Pro — 600 тысяч за 99 долларов в месяц. Коммерческая лицензия, быстрый клон и дубляж начинаются со Starter.

Правила использования результата описаны в справке о публикации контента. Озвучку с бесплатного плана нельзя использовать в коммерческих целях, а при некоммерческой публикации в названии указывают elevenlabs.io. Важная деталь: решает тариф в момент генерации. Дорожка, созданная до оформления подписки или после её отмены, коммерческой не становится, а сделанное на платном тарифе можно использовать бессрочно. Исключение — функции в статусе бета-версии: их результат нельзя применять в коммерции даже на платном тарифе.

С чего начать и в каком порядке учиться

Порядок идёт от того, что зависит только от вас, к тому, где появляются чужие права и деньги. Сначала тренируют подготовку текста и слух: без них вы не заметите ошибок модели. Затем осваивают исправления, клонирование своего голоса и только потом дубляж и заказы, где ошибки стоят дороже.

  1. Возьмите абзац из своей рабочей темы, озвучьте его в двух моделях и выпишите все ошибки ударений и чисел.
  2. Перепишите текст для слуха и сделайте словарь из пяти–десяти замен.
  3. Клонируйте собственный голос и сравните клон с живой записью того же текста.
  4. Продублируйте свою двухминутную запись на английский и проверьте перевод с человеком, знающим язык.
  5. Только после этого берите чужой голос или коммерческий заказ — с согласием и платным тарифом.

Аудиоблок с синтезом голоса, музыкой и звуковыми эффектами есть на онлайн-курсе «Нейросети для создания видео и музыки» Skillbox. В перечне сервисов курса названы ElevenLabs, Octave и Suno, а результат предлагают проверять на естественность, права на голос и условия коммерческой лицензии.

Открыть курс «Нейросети для создания видео и музыки»

Типичные ошибки и как проверить результат

Чаще всего новички отдают озвучку, прослушав только начало, а ошибка прячется в середине. Вторая ошибка — генерировать урок одним куском: одна неудачная фраза тянет переделку десяти минут. Третья — клонировать голос по записи с эхом и надеяться исправить клон настройками.

Проверяют результат в три приёма: слушают дорожку без текста, как зритель; сверяют с текстом каждое число, имя и термин; дают послушать человеку, не знакомому со сценарием.

Чему учат на курсах

Сервис обычно входит в курсы по нейросетям для контента. На онлайн-курсе «Нейросети с нуля» Bang Bang Education шестой модуль посвящён озвучке и монтажу нейросетевых роликов, а семь домашних заданий проверяет наставник. Конкретные сервисы озвучки на странице не названы, поэтому уточните у школы, разбирают ли ElevenLabs и клонирование голоса.

Открыть курс «Нейросети с нуля»

При выборе любой программы смотрите на четыре вещи: есть ли практика на русском тексте, разбирают ли ударения и словари, говорят ли о согласии на чужой голос и об условиях коммерческой лицензии, кто проверяет задания. Спросите и о том, кто оплачивает подписки на сервисы.

Для звукового продакшена ElevenLabs — вспомогательный инструмент. В профессии «Музыкальный продюсер + ИИ» Skillbox есть раздел «ИИ и коммерческие брифы», где нейросети используют для идей, демоверсий, голосов и эффектов; в перечне сервисов указан ElevenLabs. Программа длится 18 месяцев, и для одной озвучки она избыточна.

Открыть курс «Профессия Музыкальный продюсер»

Как навык влияет на доход

Сопоставимой статистики вакансий, где ElevenLabs был бы основным требованием, в открытых источниках найти не удалось: навык обычно стоит в списке инструментов монтажёра, SMM-специалиста, методиста или продюсера онлайн-курсов. Он позволяет брать задачи, которые раньше требовали диктора: закадровый голос, озвучку уроков, локализацию видео.

На доход влияют и расходы. Подписка оплачивается в долларах, дубляж расходует кредиты за каждую минуту на каждый язык, а работа на заказ требует платного тарифа, иначе заказчик получает озвучку без коммерческой лицензии. Закладывайте в цену время на правку ударений и проверку перевода: оно занимает больше, чем генерация. Чтобы сравнить школы с обучением нейросетям для контента, посмотрите рейтинг онлайн-школ с обучением ИИ для дизайнеров и креаторов — он шире темы синтеза речи.