Озвучка текста нейросетью OpenAI

В линейке одиннадцать голосов: Alloy, Ash, Ballad, Coral, Echo, Fable, Nova, Onyx, Sage, Shimmer и Verse. Они различаются тембром и характером — от мягких и высоких до низких и глубоких. Каждый читает русский текст, поэтому выбор сводится к тому, какой тембр лучше подходит вашему материалу.

Alloy — универсальный нейтральный голос, с него удобно начинать. Onyx звучит ниже и солиднее, подходит для корпоративных материалов. Nova и Shimmer светлее, их часто берут для лёгкого разговорного контента.

Голос можно поменять и переозвучить тот же текст: кнопка «Редактировать» у готовой записи возвращает текст и настройки в редактор. Это удобно, чтобы сравнить два-три варианта и выбрать подходящий.

TTS-1 — базовая модель. Она быстрее и вдвое дешевле, качества достаточно для большинства задач: закадровый голос, служебные сообщения, черновая озвучка.

TTS-1 HD даёт более чистое и «объёмное» звучание, заметное в наушниках и на длинных фрагментах. Её стоит выбирать для финальных материалов — подкастов, аудиокниг, рекламных роликов.

Разумная тактика: собрать и вычитать текст на дешёвой модели, а финальную версию озвучить в HD. Разница в цене между версиями примерно двукратная.

Пишите текст так, как его следует произносить. Знаки препинания напрямую влияют на паузы: точка даёт более длинную паузу, чем запятая, а абзац — самую заметную. Слишком длинные предложения без знаков модель прочитает на одном дыхании.

Числа, аббревиатуры и сокращения лучше писать словами, если важно точное произношение: «двадцать пять процентов» вместо «25%». Это снимает разночтения.

Если попадается слово с неверным ударением, попробуйте переформулировать фразу или заменить слово синонимом — обычно этого достаточно.