ИИ-озвучка видео на русском: сравниваем ElevenLabs, iVox Studio, Fish Audio и Яндекс — где сколько бесплатно

Бесплатно озвучить видео на русском можно, но у каждого сервиса свой потолок: ElevenLabs даёт около 10 минут в месяц, но требует VPN и иностранную карту; Fish Audio — примерно 7 минут; отечественные iVox Studio и ERA2 Voice дают всего 300 символов на пробу, зато работают без VPN и по рублёвой оплате. Ниже — таблица с точными лимитами, честный ответ про VPN и готовые промпты, чтобы голос не звучал как робот.

Сразу уберём путаницу: под запрос «озвучка нейросетью» часто подсовывают сервис AIVOLUME — его не существует, домены не открываются. А Study24 — это агрегатор из 90+ моделей, а не голосовой редактор: TTS там работает через встроенные модели, но управлять интонацией отдельно нельзя. Поэтому сравниваем то, что реально синтезирует речь.

Сколько можно сделать бесплатно: таблица лимитов

Данные актуальны на август 2026. «Кредиты» у ElevenLabs и Fish Audio примерно равны символам, поэтому для ориентира считаем: 1 000 символов ≈ 1 минута озвучки.

Главный вывод из таблицы: бесплатного плана хватает ровно на один короткий ролик и на то, чтобы услышать голос. Для регулярной работы всё равно придётся платить — вопрос только в том, где дешевле и удобнее.

ElevenLabs: лучший голос на русском, но с VPN и иностранной картой

По отзывам тестировщиков, на длинных текстах от 5–10 минут ElevenLabs держится стабильнее конкурентов: меньше артефактов, ровнее интонация, не глотаются окончания. Это до сих пор эталон качества русского синтеза.

Проблема — доступ. Free-план даёт 10 000 кредитов в месяц (≈ 10 000 символов ≈ 10 минут), но одним запросом можно отправить максимум 2 500 символов, коммерческое использование запрещено, а клонирование голоса недоступно. Отдельно живёт функция Video Dubbing: она переозвучивает видео на 29 языков, сохраняя тембр и эмоции спикера, но расходует 2 000–10 000 кредитов на минуту — на бесплатном плане это 1–5 минут дубляжа, и всё.

Платные тарифы (официальная страница):

• Starter — $6/мес, 30 000 кредитов, коммерческие права.
• Creator — $22/мес ($11 первый месяц), 121 000 кредитов, профессиональное клонирование голоса.
• Pro — $99/мес, 600 000 кредитов, доступ к API.

Из России сервис не работает напрямую: нужен VPN и нероссийская карта. Обходной путь — через посредников вроде vlex-ai.io или gen-api.ru, но это дополнительная комиссия и лишнее звено.

iVox Studio и ERA2 Voice: качество ElevenLabs в рублях и без VPN

Оба сервиса работают на движке ElevenLabs — то есть голос вы получаете тот же самый, но платите в рублях и без плясок с VPN. Это самый простой способ для пользователя из России получить топовое качество.

iVox Studio при регистрации без карты даёт 300 символов на пробу. Дальше:

• Light — 390 ₽ / 5 000 символов (личное использование);
• Standard — 750 ₽ / 10 000 символов (коммерческая лицензия);
• Pro — 1 400 ₽ / 20 000 символов;
• Ultra — 3 000 ₽/неделю / 50 000 символов.

Важные плюсы: символы не сгорают, генерация занимает меньше 3 секунд, есть работа в браузере и через Telegram. Клонирование голоса — 299 ₽ разово, и клон остаётся у вас навсегда.

ERA2 Voice — сервис на том же движке с идентичными ступенями цен (390 / 750 / 1 400 / 3 000 ₽) и теми же 300 символами на старте. У него 200+ голосов и 70+ языков. Одно ограничение: видеосинхронизации нет — сервис отдаёт MP3, который вы монтируете вручную в CapCut или DaVinci Resolve.

Fish Audio: 2 миллиона голосов и цена в 5–7 раз ниже ElevenLabs

Fish Audio — выбор для тех, кому важен выбор голосов и минимальная цена. Free-план даёт 8 000 кредитов в месяц (≈ 7 минут аудио), но с потолком 500 символов на запрос и только для некоммерческого использования.

Платный Plus стоит $11/мес и открывает 250 000 кредитов (около 200 минут) плюс коммерческие права. По сопоставимым планам Fish Audio выходит в 5–7 раз дешевле ElevenLabs. Задержка генерации — меньше 200 мс против 300–400 мс у ElevenLabs.

Две вещи, за которые его любят: библиотека сообщества на 2 с лишним миллиона голосовых моделей и клонирование по короткому образцу — достаточно 15 секунд чистого аудио (лучше 30–60 секунд). Минус для России тот же, что у ElevenLabs, — зарубежная оплата.

Яндекс SpeechKit: когда нужны API, SSML и российское законодательство

SpeechKit — не про «зашёл и нажал кнопку», а про интеграцию в свой продукт или пайплайн. Это правильный выбор, если вы разработчик или у вас поток контента.

Что внутри: 8 именованных русских голосов (marina, alena, dasha, julia, lera, alexander, kirill, anton), тариф 400 ₽ за 1 млн символов по схеме pay-as-you-go, поддержка SSML-разметки и SDK для Python, Go и Node.js. Сервис живёт внутри Yandex AI Studio, работает без VPN и соответствует российскому закону о персональных данных — это критично, если озвучиваете корпоративный или чувствительный контент.

По качеству интонация здесь стабильная, но «дикторская» и официальная: для новостей и обучающих роликов подходит идеально, для живого блогерского тона ElevenLabs звучит естественнее.

Промпты для интонации: чтобы голос не звучал как робот

Частая ошибка новичков — вставить голый текст и удивиться, что нейросеть «съела» ударение или прочитала всё монотонно. Управлять интонацией можно прямо в тексте. Приёмы ниже работают в ElevenLabs и совместимых сервисах (iVox, ERA2).

Ударение — ставьте диакритику перед ударной гласной или пишите слово капслоком:

он куп+ил билет вчера
он купил билет в МОСКВУ

Паузы — многоточие или тире дают паузу примерно 400–700 мс:

Это работает… но есть нюанс.
Первое — и самое важное — проверьте лимит.

Вопрос и восклицание — знаки ? и ! меняют интонацию автоматически, без спецтегов:

Вы правда думали, что это бесплатно?
Смотрите, как это просто!

Дробите текст. Отправляйте по 1–2 предложения за генерацию — интонация ровнее, артефактов меньше, чем на длинном полотне.

Для сервисов с поддержкой SSML (Яндекс SpeechKit, OpenAI TTS) доступна более точная разметка:

<break time="500ms"/> — пауза ровно 500 мс
<prosody rate="fast">этот кусок читаем быстрее</prosody>
+ перед ударной гласной: Крут+ая озв+учка

Оговорка: SSML работает только там, где сервис явно заявил его поддержку. В ElevenLabs SSML не поддерживается — там управляем интонацией через знаки препинания и капслок, как выше.

Сценарии выбора: какой сервис под какую задачу

• Один ролик прямо сейчас, бесплатно, живой голос — Fish Audio (7 минут) или ElevenLabs (10 минут), если есть VPN и иностранная карта.
• Регулярная озвучка из России без VPN — iVox Studio или ERA2 Voice: то же качество ElevenLabs, оплата в рублях, символы не сгорают.
• Свой голос в роликах — iVox Studio (клон за 299 ₽ навсегда) или Fish Audio (клон по 15–60 секундам образца).
• API, поток контента, работа с персональными данными — Яндекс SpeechKit.
• Дубляж чужого видео с сохранением тембра — ElevenLabs Video Dubbing, но помните про расход 2 000–10 000 кредитов на минуту.

Про экономику: 10 минут аудио через облачный TTS стоят примерно $1–3, тогда как диктор возьмёт 3 000–10 000 ₽ за тот же объём. Для канала с еженедельным десятиминутным выпуском AI-озвучка режет расходы на озвучание в 10–50 раз — при качестве, которое зритель чаще всего не отличает от человека.