Когда я лет пять назад впервые услышал свою книгу в синтезированной озвучке, я закрыл вкладку через сорок секунд. Это был робот из колл-центра, который читал мой текст так, будто его пытают. В 2026 я ставлю аудиокнигу в фоне, занимаюсь своими делами, и через час спохватываюсь, что забыл, что её читает машина. Качество перестало быть проблемой — теперь проблема выбора.
Расскажу, что реально работает на русском в 2026, и под какие задачи это подходит. Без прайс-листов и фотографий из релизов — только то, что я слышал собственными ушами.
Что есть на рынке
Список короткий — голосов на русском, на которые имеет смысл смотреть, не очень много.
Gemini TTS от Google — то, что мы сами используем в продакшене. Нынешнее поколение звучит почти как живой диктор, нормально с эмоциями, аккуратно с ударениями. Под художку — лучшее, что я слышал.
Silero — опенсорс, бесплатный для личного использования, в продакшене встречается редко. Голосов мало, но качество для домашних проектов более чем достаточное.
ElevenLabs — лидер по клонированию голоса, но русский у них исторически слабее английского. Если вам нужен клон вашего голоса для подкаста — да. Если просто читать книгу — есть варианты лучше.
Yandex SpeechKit — солидное качество, ограниченный выбор, для художественной литературы — не самый частый выбор. Для технических задач (навигация, IVR, объявления) — отлично.
Tinkoff Voice TTS — корпоративный API. По качеству близко к Яндексу, голоса свои.
Если совсем коротко: для художественной литературы я в 2026 беру Gemini, для технического и системного — Yandex или Tinkoff, для клонирования голоса — ElevenLabs (с поправкой на качество русского).
Какой голос под какой текст
Тут нет универсального ответа — есть наблюдения, которые работают в большинстве случаев.
Художественная проза любит тёплый средне-низкий мужской или мягкий женский голос, без выраженного акцента. Темп — чуть замедленный, около 0.95x. У нас, например, в каталоге это что-то близкое к Charon (низкий мужской) или Leda (мягкая женщина).
Нон-фикшн, бизнес-литература, саморазвитие — другая история. Здесь нужен более деловой голос, без лишних эмоций. И темп можно уже ускорить, до 1.1x — пользователи такое часто слушают фоном, и им нужен ровный поток, а не вкрадчивые паузы.
Детективы и триллеры. Я бы взял мужской голос чуть ниже среднего, умеренный темп, минимум эмоций. Резкое играние мешает в этом жанре — лучше ровная подача, в которой страшное сначала проскальзывает мимо, а через секунду до тебя доходит, что ты услышал.
Детская литература — мягкая женская подача, чуть выше среднего по тембру, чуть медленнее. Многие модели сейчас дают специальные «детские» голоса; обычная женщина с правильным стилем тоже работает.
Классика — нейтральный «литературный» голос. Не молодой и не старый, без эмоциональной окраски, размеренный темп. Идея простая: классику не надо «играть», её надо читать так, чтобы текст оставался главным.
Кастинг в книгах с диалогами
Когда в тексте говорят несколько персонажей, выбирается уже не один голос, а несколько. Качество этой автоматики у разных сервисов сильно отличается.
Если в книге указано «Аня сказала», сервис уверенно отнесёт реплику к ней. Если диалог идёт без атрибуции, начинаются догадки по контексту, и тут бывают промахи. Поэтому я перед запуском всегда прохожусь по списку персонажей вручную, особенно по основным героям. На второстепенных автоматики обычно достаточно.
Один совет, который сэкономил мне пару переслушиваний. Не делайте всех персонажей резко контрастными. Слух устаёт от десяти радикально разных голосов. Лучше — три-четыре «якорных» голоса для главных героев и второстепенные в их окрестностях, с маленькими сдвигами в тембре. Книга при этом звучит как ансамбль, а не как карнавал.
Главный страх русского синтеза — ударения
«Замо́к» или «за́мок»? «Дорога́» или «доро́га»? Без контекста модель не знает наверняка, и старые TTS на этом ломались регулярно.
В 2026 Gemini ставит ударения корректно процентов в 95-97. Ошибается в основном в именах собственных, особенно нерусских — Бертольт, Пруст, Хорхе, Кьеркегор. И в устаревшей лексике, которая редко встречается в обучающих данных. Для классики XIX века это иногда слышно.
Хак, которым я пользуюсь: некоторые сервисы поддерживают ударение через знак + в тексте — за+мок, до+рога. Если слово повторяется в книге часто и ставится неправильно — пять минут разметки решают вопрос на всю книгу. Я по-серьёзному взялся за это после того, как на одной книге словил три полных перерендера из-за одного имени.
Клонирование своего голоса
Тема, которая постоянно всплывает: «а можно записать пять минут моего голоса и им озвучить мою книгу?». Технически — да, ElevenLabs это делает, у Gemini пока официально нет.
Качество клона на английском — действительно отличное, многие пользуются для подкастов. На русском — приемлемое, но различимо хуже оригинала. Это полезно для личных проектов: свой подкаст в собственном клоне, мемуары в собственном голосе, дневники. Для коммерческих проектов — сложно, и не только технически: появляются вопросы про авторские права, согласие на голос, этику.
Я бы сейчас не делал клон голоса для книги, которую планируете продавать. Через год — может быть, технология подтянется.
Что брать новичку
Если вы первый раз озвучиваете книгу и не знаете, с чего начать, я бы советовал что-то такое.
Берёте сервис на Gemini TTS — это сейчас лидер по русскому качеству, и не приходится думать. Голос для первого раза не выбирайте вручную, отдайте автоматике — посмотрите, что она выдаст по умолчанию. Темп ставьте 1.0x, ускорять можно потом в плеере. Послушайте первую главу. В 80% случаев этого достаточно — будет нормально.
В оставшихся 20% начнётся тонкая работа: подкручивать конкретные голоса, размечать ударения в именах, добавлять стилевые подсказки. Ответов «как должно быть правильно» тут нет, есть только ваш слух и ваша книга.
Простой тест на качество
Универсальный приём, который я использую на любом сервисе. Берёте пятиминутный кусок своего текста — не идеальный, а реальный, с диалогами, сложными словами, эмоциональной сценой. Прогоняете через сервис, слушаете в наушниках. Что важно поймать:
- Есть ли неестественные паузы — там, где их быть не должно.
- Правильно ли поставлены ударения в сложных словах.
- Меняются ли голоса в диалогах, или все говорят одним.
- Не лезет ли «синтетика» на длинных фразах — то самое металлическое послевкусие.
Если все четыре пункта в порядке — смело гоните остальную книгу. Если хоть один серьёзно хромает — ищите другой голос или другой сервис. Не уговаривайте себя, что «привыкнете» — на пятнадцати часах прослушивания это очень дорогая привычка.