Нейросети для клонирования голоса в 2026 году: цены и доступ из России

7 сервисов и 5 открытых моделей для клонирования голоса: цены, требования к записи, поддержка русского языка и доступ из России.

Обложка: Нейросети для клонирования голоса в 2026 году: цены и доступ из России

16 ноября 2026 года мы проверили условия 7 облачных сервисов и README 5 открытых моделей: сколько стоит клонирование голоса, какая нужна запись и что открывается из России.

Коротко: мгновенный клон в облаке стоит от $5 в месяц у Cartesia и $6 у ElevenLabs, но ElevenLabs закрыт для российских IP-адресов. Бесплатно и локально голос клонируют открытые модели: Qwen3-TTS и Chatterbox заявляют поддержку русского языка.

Ключевые выводы
  • Мгновенное клонирование голоса входит в тарифы от $5 в месяц (Cartesia Pro) и $6 в месяц (ElevenLabs Starter); Fish Audio называет клонирование бесплатным и даёт 8 000 кредитов в месяц без оплаты.
  • Запись для мгновенного клона: ElevenLabs советует 1–2 минуты чистого звука, HeyGen просит 30 секунд, разработчики Qwen3-TTS и GPT-SoVITS заявляют 3 и 5 секунд.
  • Профессиональный клон требует больше: у ElevenLabs минимум 30 минут записи (оптимально 2–3 часа), тариф от $22 в месяц и проверка, что голос ваш.
  • ElevenLabs с российского IP-адреса перенаправляет на страницу Access restricted; сайты HeyGen, Fish Audio, Descript и Kapwing 16 ноября 2026 года открылись.
  • Из открытых моделей русский язык заявлен у Qwen3-TTS (Apache-2.0, 10 языков) и Chatterbox Multilingual (MIT, 23 языка); Chatterbox с августа 2026 года не поддерживается разработчиком.

Как нейросеть клонирует голос и сколько записи ей нужно?

Выбор зависит от 2 подходов: мгновенный клон подстраивает готовую модель под короткий образец (от 3 секунд до 2 минут), а профессиональный дообучает отдельную нейросеть на длинной записи (от 20–30 минут). От этого зависят цена, время и качество.

ElevenLabs в документации по мгновенному клонированию советует 1–2 минуты чистой записи без эха и шума и предупреждает, что образец длиннее 3 минут почти ничего не улучшает и иногда вредит. Важнее длины качество звука и ровность подачи. Для профессионального клона компания называет минимумом 30 минут записи и советует 2–3 часа; дообучение обычно занимает 3–6 часов.

You can only create a Professional Voice Clone of your own voice. Even with their consent, you cannot clone someone else's voice.
ElevenLabsдокументация Professional Voice Cloning (перевод редакции: «Профессиональный клон можно создать только для собственного голоса. Клонировать чужой голос нельзя даже с согласия его владельца»)

У HeyGen схема та же: по странице продукта, мгновенный клон делается из 30-секундной записи, профессиональный — из 20 и более минут звука. Открытые модели заявляют ещё меньше: Qwen3-TTS клонирует по 3-секундному образцу, GPT-SoVITS — по 5-секундному, Fish Speech просит 10–30 секунд.

Сколько стоит клонирование голоса в 2026 году?

Мгновенный клон обходится в $5–6 в месяц, профессиональный — от $22 до $49 в месяц. Цены взяты со страниц тарифов 16 ноября 2026 года; клонирование везде продаётся вместе с лимитом синтеза речи.

Сервисы клонирования голоса: цены на 16 ноября 2026 года

7 сервисов, 5 столбцов
Сервисы клонирования голоса: цены на 16 ноября 2026 года
СервисБесплатноТариф с мгновенным клономПрофессиональный клонСайт с российского IP
ElevenLabs10 тыс. кредитов в месяц, без клонированияStarter, $6 в месяц, 30 тыс. кредитовCreator, $22 в месяц ($11 за первый месяц), 121 тыс. кредитовAccess restricted
Cartesia20 тыс. кредитов в месяц, без клонированияPro, $5 в месяц, 100 тыс. кредитов (около 133 минут речи)Startup, $49 в месяц, 1,25 млн кредитовПроверить не удалось: ответ 403
Fish Audio8 000 кредитов в месяц (до 7 минут), 3 публичных слота голосовPlus, $15 в месяц, 250 тыс. кредитов (до 200 минут)1 слот в Plus, 5 слотов в Pro за $100Открылся
HeyGen1 клон голосаCreator, $29 в месяц ($24 при годовой оплате)1 профессиональный клон включён в Pro за $49Открылся
DescriptОграниченный доступ к клонамHobbyist, $24 в месяц ($16 при годовой оплате)Не выделенОткрылся
KapwingНе указаноBusiness, $64 в месяц за участника ($50 при годовой оплате)Не выделенОткрылся
Yandex SpeechKit Brand VoiceНетНетBrand Voice Premium по заявке для бизнесаРоссийский сервис
Листайте столбцы →Смахните влевоВсе 5 столбцов
Нейросети для клонирования голоса в 2026 году: цены и доступ из России_11
Цена младшего тарифа с мгновенным клонированием голоса при помесячной оплате, $ в месяц. График: Tproger по данным страниц тарифов сервисов, 16 ноября 2026 года

Цена тарифа — половина картины: клон бесполезен без минут синтеза. За $5 Cartesia даёт около 133 минут речи, за $15 Fish Audio — до 200 минут, а ElevenLabs за $6 — около 30 минут, если считать по таблице сервиса для озвучки текста в интерфейсе.

Какой сервис выбрать под свою задачу?

Выбор зависит от того, куда пойдёт голос: в озвучку роликов, в видео с аватаром, в подкаст или в голосового робота. 7 вариантов с условиями, которые сервисы заявляют на своих сайтах:

ElevenLabs. Сервис, с которым обычно сравнивают остальные. Мгновенное клонирование открывается в тарифе Starter за $6 в месяц с 30 тыс. кредитов и коммерческой лицензией, профессиональное — в Creator за $22 в месяц ($11 за первый месяц) со 121 тыс. кредитов. Профессиональный клон проходит проверку: сервис просит подтвердить голос и советует делать это на том же или похожем оборудовании, на котором записаны образцы. Из России сервис недоступен: сайт закрыт для российских IP-адресов.

Cartesia. Платформа синтеза речи для разработчиков голосовых агентов с самым дешёвым входом в подборке. По странице тарифов, Pro за $5 в месяц включает мгновенное клонирование, коммерческую лицензию и 100 тыс. кредитов, это около 133 минут речи моделью Sonic. Профессиональное клонирование начинается с тарифа Startup за $49 в месяц с 1,25 млн кредитов. Бесплатный тариф даёт 20 тыс. кредитов без клонирования.

Fish Audio. Сервис с открытой моделью Fish Speech в основе. Бесплатный тариф даёт 8 000 кредитов в месяц, до 7 минут генерации, до 500 знаков за запрос и 3 публичных слота голосов; на главной странице сервис называет клонирование бесплатным. Plus стоит $15 в месяц: 250 тыс. кредитов, до 200 минут, 10 приватных голосов, 1 профессиональный слот и разрешение на коммерческое использование. Pro за $100 в месяц даёт 2 млн кредитов и 5 профессиональных слотов. Годовая оплата обычно стоит $132 за Plus и $900 за Pro; 16 ноября на странице тарифов действует скидка 50% на первый год, с ней выходит $66 и $450.

HeyGen. Клон голоса здесь часть видеосервиса: тем же голосом говорит аватар и озвучивается перевод ролика. На бесплатном тарифе доступен 1 клон голоса, в Creator за $29 в месяц лимиты расширены и включено до 10 часов синтеза речи, в Pro за $49 входит 1 профессиональный клон. HeyGen заявляет, что проверяет принадлежность голоса перед обучением и не использует записи для обучения общих голосов.

Descript. Редактор подкастов и видео, где клон голоса нужен для исправления оговорок: вы правите текст расшифровки, а сервис дочитывает фразу вашим голосом. Функция AI Speech с пользовательскими клонами указана в тарифе Hobbyist за $24 в месяц ($16 при годовой оплате).

Kapwing. В онлайн-редакторе клонирование голоса вынесено в тариф Business: по справке сервиса, он стоит $64 в месяц за каждого участника при помесячной оплате и $50 при годовой. Имеет смысл, только если редактор уже используется для монтажа и дубляжа.

Yandex SpeechKit Brand Voice. Российский вариант для компаний. По документации Yandex Cloud, Brand Voice Premium создаёт уникальный голос по записям диктора для голосовых ассистентов, роботов колл-центра и озвучки произвольных текстов; заказать его можно через форму на сайте, данные помогают готовить специалисты компании. Облегчённый вариант Brand Voice Lite, которому хватало от 30 минут размеченных записей, в документации помечен как недоступный. Цены на странице документации не названы. Частному пользователю сервис не подойдёт.

Как клонировать голос бесплатно на своём компьютере?

Бесплатно голос клонируют открытые модели: они запускаются локально, не ограничивают минуты и не отправляют запись на чужой сервер. Понадобится Python-окружение; видеокарта заметно ускоряет работу, но обязательна не всем: Chatterbox, например, допускает запуск на процессоре.

Открытые модели клонирования голоса: данные GitHub на 16 ноября 2026 года

5 сервисов, 5 столбцов
Открытые модели клонирования голоса: данные GitHub на 16 ноября 2026 года
МодельЗвёздыЛицензияОбразецРусский язык
GPT-SoVITS65 226MIT5 секунд без обучения, 1 минута для дообученияВ README не заявлен
OpenVoice38 264MITКороткий образецВ README не заявлен
Fish Speech33 756Community License (код), веса S2-Pro под исследовательской лицензией10–30 секундОколо ста языков у прошлого поколения, список в README не приведён
Chatterbox27 864MITОбразец около 10 секунд в примере кодаДа, в списке Multilingual
Qwen3-TTS14 450Apache-2.03 секундыДа, один из 10 языков
Листайте столбцы →Смахните влевоВсе 5 столбцов
Нейросети для клонирования голоса в 2026 году: цены и доступ из России_25
Звёзды на GitHub у открытых моделей клонирования голоса, тыс. График: Tproger по данным GitHub, 16 ноября 2026 года

Для русского языка первым стоит пробовать Qwen3-TTS от Alibaba: в README заявлены 10 языков, включая русский, и клонирование по 3-секундному образцу с расшифровкой. Пакет ставится командой pip, для параметра flash_attention_2 из примера README отдельно просит установить FlashAttention 2, а клон создаётся вызовом generate_voice_clone:

			pip install -U qwen-tts
pip install -U flash-attn --no-build-isolation
		
			import torch
import soundfile as sf
from qwen_tts import Qwen3TTSModel

model = Qwen3TTSModel.from_pretrained(
    "Qwen/Qwen3-TTS-12Hz-1.7B-Base",
    device_map="cuda:0",
    dtype=torch.bfloat16,
    attn_implementation="flash_attention_2",
)

wavs, sr = model.generate_voice_clone(
    text="Текст, который нужно озвучить",
    language="Russian",
    ref_audio="my_voice.wav",
    ref_text="Расшифровка того, что сказано в образце",
)
sf.write("output_voice_clone.wav", wavs[0], sr)
		

Пример повторяет код из README, заменены только текст, язык и путь к образцу: по документации, ref_audio принимает локальный файл, а ref_text — его расшифровку.

Chatterbox тоже умеет русский: он есть в списке 23 языков модели Multilingual. Но с августа 2026 года проект заморожен: в README сказано, что это архив исследовательского кода без поддержки и обновлений, а его автор, компания Resemble AI, перешла на распознавание дипфейков. Код остаётся под лицензией MIT. В каждый сгенерированный файл Chatterbox встраивает неслышимый водяной знак PerTh, по которому запись можно опознать как синтезированную.

GPT-SoVITS — самый популярный проект по числу звёзд, но кросс-язычный синтез в нём заявлен для английского, японского, корейского, кантонского и китайского. У Fish Speech собственные лицензии: код выпущен под Fish Audio Community License, а веса модели S2-Pro, для которой заявлен образец в 10–30 секунд, остаются под отдельной исследовательской лицензией. Перед коммерческим использованием их нужно прочитать.

Что из этого работает в России и что с законом?

С российского IP-адреса 16 ноября 2026 года открылись сайты HeyGen, Fish Audio, Descript и Kapwing, а ElevenLabs перенаправил на страницу Access restricted, где Россия названа в списке стран с закрытым доступом. Cartesia автоматическую проверку не прошла: сайт отдал ошибку 403 и нашему серверу в России, и серверу в Финляндии, причину отказа мы не установили, и о блокировке именно по стране такой ответ не говорит. Регистрацию и оплату проверка не покрывает.

Оплата остаётся отдельной задачей: цены выставлены в долларах, а карты Visa и Mastercard, выпущенные российскими банками, за рубежом не работают с марта 2022 года. Способ оплаты зарубежных сервисов мы разбирали в материале о виртуальной карте иностранного банка. Открытые модели от этого не зависят: страница Chatterbox на Hugging Face с российского IP-адреса открылась.

Правила самих сервисов строже, чем кажется. ElevenLabs при создании мгновенного клона требует подтвердить, что у вас есть право и согласие на клонирование голоса, а профессиональный клон разрешает только для собственного голоса с проверкой. HeyGen пишет, что каждый клон начинается с явного согласия. Вывод простой: клонируйте свой голос или голос человека, который дал на это согласие, и сохраняйте подтверждение.

С чего начать, если клон нужен сегодня?

  1. Запишите образец: 1–2 минуты ровной речи в тихой комнате, без эха и музыки, на 1 микрофон.
  2. Определите задачу. Озвучка своих роликов и подкаста — Fish Audio или Descript, видео с аватаром — HeyGen, голосовой агент — Cartesia, работа без облака — Qwen3-TTS.
  3. Проверьте русский язык на бесплатном лимите: прогоните тестовый абзац с числами, именами и вопросительной интонацией.
  4. Посчитайте минуты. Клон продаётся вместе с лимитом синтеза, и на длинной аудиокниге дешёвый тариф закончится за день.
  5. Сохраните исходную запись и согласие, если голос не ваш: сервисы могут запросить подтверждение.

Если свой голос не нужен и хватит готового диктора, смотрите нашу подборку нейросетей для озвучки текста и пошаговый гайд по настройкам. А клон пригодится и в переводе роликов: сервисы из нашей подборки нейросетей для дубляжа видео озвучивают перевод голосом автора.

Частые вопросы
1
Можно ли клонировать голос бесплатно?

Да. Локально это делают открытые модели Qwen3-TTS, Chatterbox, GPT-SoVITS и OpenVoice: платить не нужно, но с видеокартой они работают заметно быстрее. В облаке Fish Audio называет клонирование бесплатным и даёт 8 000 кредитов в месяц, а HeyGen включает 1 клон голоса в бесплатный тариф.

2
Какая нейросеть клонирует голос на русском?

Из открытых моделей русский заявлен у Qwen3-TTS (10 языков) и Chatterbox Multilingual (23 языка). Облачные сервисы из подборки многоязычные, но качество русской речи лучше проверить на бесплатном лимите до оплаты.

3
Сколько секунд записи нужно для клона голоса?

Зависит от модели. Qwen3-TTS заявляет 3 секунды, GPT-SoVITS — 5 секунд, Fish Speech — 10–30 секунд, HeyGen — 30 секунд. ElevenLabs советует 1–2 минуты чистой записи для мгновенного клона и от 30 минут для профессионального.

4
Можно ли клонировать чужой голос?

Только с согласия владельца голоса, и не везде. ElevenLabs при мгновенном клонировании требует подтвердить право и согласие, а профессиональный клон создаёт только для собственного голоса после проверки, даже если владелец чужого голоса согласен.

5
Чем мгновенный клон отличается от профессионального?

Мгновенный клон подстраивает готовую модель под короткий образец и готов за секунды. Профессиональный дообучает отдельную модель на длинной записи: у ElevenLabs это от 30 минут звука и 3–6 часов обучения. Результат ближе к оригиналу, но тариф дороже.

Источники: ElevenLabs: Pricing, ElevenLabs Docs: Instant Voice Cloning, ElevenLabs Docs: Professional Voice Cloning, Cartesia: Pricing, Fish Audio: Pricing & Plans, HeyGen: Pricing, HeyGen: AI Voice Cloning, Descript: Pricing, Kapwing Help Center: Pro vs Business Plan FAQ, Yandex Cloud: SpeechKit Brand Voice, GitHub: QwenLM/Qwen3-TTS, GitHub: resemble-ai/chatterbox, GitHub: RVC-Boss/GPT-SoVITS, GitHub: fishaudio/fish-speech, GitHub: myshell-ai/OpenVoice