ИИ-АУДИОФИЛЬТР
ИИ-аудиофильтр Audiofilter для озвучки текста превращает написанные слова в естественную речь прямо на вашем компьютере. Выберите один из 19 бесплатных голосов или клонируйте новый по одной короткой записи, введите текст и нажмите «Преобразовать». Как и все аудиофильтры на этом сайте, модель работает внутри страницы — ваш текст и ваши записи никогда не покидают этот браузер.
SharedArrayBuffer, а для него требуются заголовки
Cross-Origin-Opener-Policy и Cross-Origin-Embedder-Policy
— и безопасный контекст (localhost или HTTPS). Если вы только что изменили настройки сервера, выполните жёсткую перезагрузку (Ctrl/Cmd + Shift + R).
SharedArrayBuffer и куча WebAssembly, способная расти до 1,5 ГБ, и с таким сочетанием предсказуемее всего справляются Chrome и Edge. В Firefox и Safari тоже есть потоки и
SharedArrayBuffer тоже подходят, но задают более низкий потолок памяти для WebAssembly, так что попробовать стоит — если движок не запускается или останавливается на полпути, перейдите на Chrome. Chrome на телефоне или планшете тоже работает; просто первая загрузка и каждая генерация на процессоре телефона занимают больше времени. У остальных четырех инструментов Audiofilter такого требования нет, и они работают где угодно.
Озвучка текста и клонирование голоса — бесплатно, без ограничений, ничего не загружается на сервер
Нажмите маленькую кнопку, чтобы прослушать
Только при первом запуске — потом всё берётся из кеша.
Только английский
Чем выше значение, тем дольше модель может удерживать предложение, прежде чем завершить его. Эффект едва заметен — примерно секунда на весь диапазон.
Короткая демонстрация, записанная Audiofilter.
Загрузка видео… Видео здесь недоступно. Используйте ссылку на X ниже.При воспроизведении видео загружается контент X. Применяется политика конфиденциальности X.
Три шага, без регистрации
Начните с одного из девятнадцати встроенных голосов или создайте новый по одной записи — перетащите аудиофайл или запишите около десяти секунд прямо с микрофона. Нет ни этапа обучения, ни очереди: голос готов, как только клип прочитан.
Вставьте до 500 символов, а затем задайте, как его читать. Выразительность определяет, насколько подача меняется от запуска к запуску, а настройки пауз задают, сколько модель выдерживает между предложениями и на запятых, — в этом разница между бодрым чтением и неторопливым повествованием.
Звук начинает играть по мере генерации, так что вы слышите первые слова раньше, чем появятся последние. Прокрутите волновую форму, чтобы проверить результат, а затем сохраните его в MP3, AAC или WAV. Каждое следующее преобразование после первого начинается сразу, потому что модель уже на вашем компьютере.
Без аккаунта, без лимитов, без водяных знаков
Чтобы клонировать голос, достаточно одного короткого клипа. Ничего не дообучается и ничего не сохраняется — клип превращается в компактный эмбеддинг голоса в браузере, используется, пока открыта вкладка, а затем исчезает.
Здесь нет бэкенда и API-ключа, и это единственная страница инструмента без рекламы. Сама речевая модель скомпилирована в WebAssembly и работает внутри страницы, так что вашему тексту и записям даже в принципе некуда уйти.
Все встроенные голоса распространяются по лицензии CC0, поэтому созданное аудио можно использовать в коммерческих целях без указания авторства — редкость для бесплатного инструмента синтеза речи.
Настраивайте выразительность, паузу между предложениями и то, считаются ли запятые вдохами. Есть и порог конца предложения — чтобы подержать фразу открытой чуть дольше, прежде чем она завершится.
Файлы для скачивания тоже кодируются на вашем устройстве, так что готовый файл никогда не проходит через сервер. WAV записывается мгновенно, MP3 и AAC — через локальный кодировщик.
Модель кэшируется при первом преобразовании, поэтому при следующих визитах загрузка не нужна и синтез начинается сразу, как только вы нажмете «Преобразовать».
Что синтезирует речь на этой странице
Речь здесь синтезирует PocketTTS, нейросетевой движок синтеза речи, работающий на ONNX Runtime, скомпилированном в WebAssembly. Он выполняется прямо в этой вкладке браузера, поэтому ваш текст и любой образец голоса остаются на вашем устройстве.
Клонирование голоса работает в режиме zero-shot: короткий образец сжимается в компактный эмбеддинг голоса, который задает условия синтеза. Модель не дообучается, ничего не загружается на сервер, а эмбеддинг исчезает, когда вы закрываете вкладку.
Нет. Здесь нет ни бэкенда, ни вызовов API. Модель работает в этой вкладке браузера, а ваш текст и записи остаются на вашем устройстве.
Да. Без регистрации, без пробного периода, без лимита на символы и без водяных знаков. Поскольку вся работа идет на вашем компьютере, а не на сервере, считать здесь попросту нечего.
Да. Все встроенные голоса распространяются по лицензии CC0 1.0, поэтому созданную речь можно использовать для чего угодно, в том числе в коммерческих проектах, без указания авторства. Аудио, созданное голосом, который вы клонировали сами, тоже принадлежит вам.
Прежде чем что-то синтезировать, модель нужно один раз скачать. После этого браузер хранит ее в кэше, и кнопка «Преобразовать» срабатывает сразу.
От шести до двенадцати секунд четкой речи одного человека, без фоновой музыки, эха и других голосов. Длиннее — не значит лучше: фрагменты длиннее пятнадцати секунд обрезаются.
До 500 символов за одно преобразование — это примерно восемьдесят слов или полминуты речи. Число преобразований не ограничено, так что длинные тексты можно озвучивать по абзацу.
Английский. Модель обучена на английской речи, и все встроенные голоса — англоязычные дикторы, поэтому правильно она произносит только английский. Французский, немецкий, испанский, португальский, итальянский и нидерландский текст озвучить получится, но по английским правилам чтения. Китайский, японский и корейский не работают: в токенизаторе нет фрагментов для этих систем письма, поэтому текст превращается в сырые байты, которых модель никогда не видела. Акценты, указанные у голосов, — это акценты английского, а не отдельные языки.
MP3, AAC или WAV. Кодировщик тоже работает на вашем устройстве, поэтому готовый файл никуда не отправляется, прежде чем вы его сохраните.
Лучше всего Chrome; Edge ведет себя так же, работает и Chrome на телефоне или планшете — первая загрузка и каждый синтез на процессоре телефона идут дольше, но инструмент работает. Движку нужны потоки WebAssembly и SharedArrayBuffer, которых нет в старых браузерах, а также куча WebAssembly, способная вырасти до 1,5 ГБ, — именно здесь у Firefox и Safari более низкий предел, поэтому движок может там не запуститься или остановиться на полпути. Можете попробовать их, а если не получится, переключитесь на Chrome. Это касается только озвучки текста; удаление вокала, шумоподавление и аудиоконвертер работают в любом современном браузере.
Когда модель закэширована, для синтеза речи сеть вообще не нужна. Но саму страницу все равно нужно загрузить, так что при первом открытии за сеанс подключение потребуется.
Страница должна отдаваться с заголовками COOP и COEP через localhost или HTTPS. Если настройку только что изменили, выполните жесткую перезагрузку, чтобы браузер перестал использовать закэшированную копию.
Нужен другой аудиофильтр для уже готовой записи?
Открыть удаление вокала → Открыть шумоподавление →