Озвучка рекламы нейросетью: числа словами, буква ё и ещё четыре правила, без которых слышен синтез

Что подготовить до первой кнопки

Озвучка начинается с текста на бумаге, а не с настроек сервиса. Возьмите реплику на 30 секунд: это около 70 слов, но свою цифру замерьте секундомером, прочитав текст вслух в обычном темпе. Отдельным списком выпишите сложные слова, названия улиц, имена и бренды: на них синтез ошибается чаще всего.

Третьим пунктом возьмите образец интонации. Запишите на телефон, как прочли бы реплику сами, или опишите словами: спокойно, тепло, без дикторского пафоса. Этот ориентир пригодится при выборе голоса, когда из десятка вариантов нужен один.

Шаги в SYNTX: голос и первый прогон

В SYNTX откройте раздел с аудио (в документации он назван «Аудио с ИИ») и выберите ElevenLabs Voice, режим «Текст в речь». Подписи в боте меняются, ищите по смыслу. Если в списке моделей есть Eleven v4, начните с неё: по описанию ElevenLabs это самая выразительная модель семейства, она поддерживает больше 90 языков, русский в том числе. Попробовать можно в SYNTX, в Telegram-боте или на сайте.

Я советую делать первый прогон одним текстом и тремя разными голосами. Слушайте без картинки, в наушниках и один раз через динамик телефона, как будет слушать клиент. Голос выбирайте по тому, как он читает ваши сложные слова, красота пауз вторична.

Шесть правил подготовки текста

ElevenLabs включает нормализацию текста по умолчанию, но в документации прямо сказано, что числа, валюты, телефоны и даты могут читаться неверно. Поэтому до нажатия кнопки проверьте текст по шести правилам.

Настройки и дубли

Главные ползунки в ElevenLabs это стабильность и сходство. Чем ниже стабильность, тем живее подача и тем больше разброс между дублями, чем выше, тем ровнее и суше. Для рекламы начните со средних значений и меняйте один ползунок за раз. В SYNTX набор настроек зависит от модели: если ползунков нет, подачу задают текст и выбранный голос. В Higgsfield Eleven v4 по каталогу моделей на 24.10.2026 принимает до 10 000 символов текста и два ползунка, стабильность и сходство, от 0 до 1; голос можно взять готовый или из загруженной записи.

На одну реплику закладывайте несколько дублей. Для расчёта возьмите пять, свою цифру вы узнаете после первого ролика. Каждый дубль слушайте до конца и удачный сохраняйте сразу: в SYNTX генерации могут удаляться через 60 дней.

Два готовых текста и запрос к языковой модели

Вот пример для пекарни, названия и цены условные. Реклама на 15 секунд:

«Мы открылись. Пекарня Зёрнышко на Берёзовой улице, дом двенадцать. Свежий хлеб из печи с шести утра. В первую неделю круассан и кофе за двести девяносто рублей. Заходите, пока горячий.»

Пояснение на 30 секунд:

«Хлеб на закваске печётся долго. Тесто отдыхает двенадцать часов, поэтому у корки хруст, а мякиш остаётся мягким до вечера. Первую партию мы вынимаем в шесть утра, к семи она уже на прилавке. Берите целую буханку или половину, мы нарежем. Пекарня Зёрнышко, Берёзовая улица, дом двенадцать. Работаем каждый день с шести до девяти.»

Чтобы не переписывать числа вручную, дайте текст языковой модели в SYNTX: «Перепиши текст для озвучки синтезатором речи. Числа, цены, даты и сокращения запиши словами в нужном падеже. Везде, где есть, поставь букву ё. Предложения делай не длиннее двенадцати слов. Латинские названия запиши русскими буквами так, как они звучат. В конце перечисли слова, где ударение может быть спорным.»

Для потока в сотни роликов (по числу товаров, филиалов или акций) делайте реплику шаблоном с полями: название, цена, адрес, срок акции. Запрос выше прогоняйте по таблице пачкой, а затем читайте вслух каждую строку с цифрами: ошибка в шаблоне повторится во всех роликах, а ошибка в одной цене дойдёт до покупателя. Список спорных слов, голос и настройки фиксируйте один раз на всю серию.

Свой голос: клон по записи и согласие владельца

Если нужен узнаваемый голос компании, в SYNTX есть клонирование: создание клона стоит 150 токенов один раз, дальнейший синтез от 0,125 токена по таблице тарифов. Для мгновенного клона ElevenLabs просит чистую запись одного говорящего без шума и эха: рекомендует 1–2 минуты, минимум 10 секунд, а больше трёх минут записывать не советует, результат от этого не улучшится.

Голос сотрудника или знакомого клонируйте только с письменным согласием владельца и впишите в него, где и до какого срока голос будет звучать. Подробнее о правилах в статье про клонирование голоса.

Сколько это стоит и что с живым диктором

В SYNTX озвучка ElevenLabs Voice стоит от 0,063 токена, клон голоса 150 токенов один раз. Единицу списания (символ, запрос или секунду) таблица тарифов не называет, поэтому озвучьте пробную реплику и сравните баланс в профиле до и после. Подписка SYNTX идёт от 790 ₽ в месяц, 5 токенов на пробу дают один раз бесплатно.

В каталоге студии Рекорд-Медиа на 24.10.2026 запись диктора до 30 секунд стоит от 500 до 8 000 ₽, известные артисты просят от 15 000 ₽. Двадцать роликов в месяц по этим ставкам выходят в сумму от 10 000 до 160 000 ₽, а двести роликов от 100 000 до 1,6 млн ₽. Стоимость нейроголоса определяют тариф и число дублей, и выигрыш по цене не гарантирован. Зато правку текста в одиннадцать вечера вы вносите за минуту, без новой записи и ожидания диктора.

Когда нужен живой диктор или студия

Живой диктор нужен, когда в тексте сильная эмоция, много терминов, которые синтез не выучит за вечер, или ролик уходит в эфир, где важна каждая интонация. Студия нужна там, где роликов много, а голос и стиль должны совпадать от первого до двадцатого. Для этого есть пакет ролики без съёмки START: 20 роликов от 120 000 ₽, озвучка и субтитры в составе, точную цену и состав фиксируем в договоре.

Мы делали UGC-ролики с ИИ для Biorepair и нейроаватара для ООО «Стандарт». У аватара голос синтезированный, и текст под него готовят заранее по тем же правилам. Если к роликам нужны исследование, бренд и съёмка, это большой проект от 600 000 ₽.