Сравнение на слух · обновлено 18 ноября 2026 г.
Озвучка текста нейросетью: слушаем ElevenLabs, Gemini, OpenAI, Yandex SpeechKit и Fish Audio на одном тексте

Коротко. Все шесть записей прочитали каждое слово наших фраз. Разница слышна в другом: в темпе, интонации вопроса, ударениях и в том, как звучат числа и латиница. Быстрее всех на наших записях читает ElevenLabs, размереннее всех — OpenAI, Gemini по темпу ближе к ElevenLabs и заметно дешевле. В России с оплатой в рублях работает Yandex SpeechKit. Fish Audio можно попробовать бесплатно: модель S2.1 Pro через API или открытую S2 Pro на своём компьютере.
Как мы сравнивали
- Одна нейтральная тема для всех — поездка на Байкал. Семь фраз, и каждая проверяет своё слабое место русской озвучки: ударения, числа и дату, вопрос, латиницу, эмоцию, длинный абзац.
- Один мужской голос с подачей диктора у каждого сервиса, настройки по умолчанию, без ручных ударений и подсказок.
- ElevenLabs, Gemini, OpenAI, Yandex SpeechKit и Fish S2.1 Pro озвучивали в облаке, у Fish мы взяли официальный русский голос «Игорь». Fish S2 Pro с открытыми весами работал на Mac с 48 ГБ памяти, а чтобы голос не менялся от фразы к фразе, образцом ему служила его же первая запись.
- Только бесплатные модели или доступы, которые у нас уже были. Платную Drama 3 от Fish мы не записывали, SaluteSpeech не записали: новым клиентам Сбер его не подключает.
- Тишину по краям мы срезали, громкость выровняли одинаково: иначе громкий клип кажется лучше.
- Каждую запись расшифровали отдельной моделью распознавания речи и сверили со словами исходного текста.
Сравнение провёл ИИ-агент reymer.ai: подобрал голоса, озвучил одни и те же фразы на всех сервисах и проверил, все ли слова прочитаны. Ударения и интонацию оцените сами: слух у всех разный, и ваше впечатление может отличаться от нашего. Попробуйте сервисы на своих текстах и выберите тот, что лучше звучит для вашей задачи.
Слепой тест: какой голос вам ближе
Выберите фразу, послушайте шесть голосов без названий и отметьте тот, который звучит лучше. После выбора покажем, где какой сервис.
Зимой на Байкал едут за прозрачным льдом. Лучшее время — с февраля до середины марта: лёд уже крепкий, а дни становятся длиннее. Возьмите тёплую обувь на толстой подошве и накладки с шипами — на гладком льду легко поскользнуться. По льду можно дойти до прибрежных скал, где зимой появляются ледяные гроты и сосульки. А вечером обязательно попробуйте омуля — рыбу, которая водится только в Байкале.
Голос 1
Голос 2
Голос 3
Голос 4
Голос 5
Голос 6
Слушаем по задачам
Диктор
Байкал — самое глубокое озеро на планете. В самом глубоком месте до дна больше полутора километров.
На что обратить внимание. Ровная подача, паузы на точках, нет «металла» в голосе.
Eleven v4Голос: Felix
Gemini 3.8 Flash TTSГолос: Charon
gpt-4o-mini-ttsГолос: Ash
SpeechKit API v3Голос: Александр (alexander)
Fish S2.1 Pro, облакоГолос: Игорь, официальный голос Fish
Fish S2 Pro, на своём MacГолос: встроенный, образец - своя первая запись
Ударения
Дверной замок заело, поэтому мы пошли смотреть старинный замок пешком.
На что обратить внимание. Слово «замок» звучит дважды: сначала замо́к на двери, потом за́мок как крепость.
Eleven v4Голос: Felix
Gemini 3.8 Flash TTSГолос: Charon
gpt-4o-mini-ttsГолос: Ash
SpeechKit API v3Голос: Александр (alexander)
Fish S2.1 Pro, облакоГолос: Игорь, официальный голос Fish
Fish S2 Pro, на своём MacГолос: встроенный, образец - своя первая запись
Числа и дата
Поезд отправляется 15 марта в 7:40, билет стоит 2 350 рублей.
На что обратить внимание. Правильно так: «пятнадцатого марта», «в семь сорок», «две тысячи триста пятьдесят рублей».
Eleven v4Голос: Felix
Gemini 3.8 Flash TTSГолос: Charon
gpt-4o-mini-ttsГолос: Ash
SpeechKit API v3Голос: Александр (alexander)
Fish S2.1 Pro, облакоГолос: Игорь, официальный голос Fish
Fish S2 Pro, на своём MacГолос: встроенный, образец - своя первая запись
Вопрос
Вы уже были на Байкале зимой? Говорят, лёд там прозрачный, как стекло.
На что обратить внимание. Первое предложение должно звучать как вопрос, а не как утверждение.
Eleven v4Голос: Felix
Gemini 3.8 Flash TTSГолос: Charon
gpt-4o-mini-ttsГолос: Ash
SpeechKit API v3Голос: Александр (alexander)
Fish S2.1 Pro, облакоГолос: Игорь, официальный голос Fish
Fish S2 Pro, на своём MacГолос: встроенный, образец - своя первая запись
Латиница и названия
Скачайте PDF с маршрутом и откройте его в Google Maps или в приложении 2ГИС.
На что обратить внимание. Как прочитаны PDF, Google Maps и 2ГИС внутри русской фразы.
Eleven v4Голос: Felix
Gemini 3.8 Flash TTSГолос: Charon
gpt-4o-mini-ttsГолос: Ash
SpeechKit API v3Голос: Александр (alexander)
Fish S2.1 Pro, облакоГолос: Игорь, официальный голос Fish
Fish S2 Pro, на своём MacГолос: встроенный, образец - своя первая запись
Эмоция
Мы вышли на лёд на рассвете, и под ногами было видно дно. Это было невероятно красиво!
На что обратить внимание. Слышен ли восторг во втором предложении без подсказок и специальных тегов.
Eleven v4Голос: Felix
Gemini 3.8 Flash TTSГолос: Charon
gpt-4o-mini-ttsГолос: Ash
SpeechKit API v3Голос: Александр (alexander)
Fish S2.1 Pro, облакоГолос: Игорь, официальный голос Fish
Fish S2 Pro, на своём MacГолос: встроенный, образец - своя первая запись
Длинный абзац
Зимой на Байкал едут за прозрачным льдом. Лучшее время — с февраля до середины марта: лёд уже крепкий, а дни становятся длиннее. Возьмите тёплую обувь на толстой подошве и накладки с шипами — на гладком льду легко поскользнуться. По льду можно дойти до прибрежных скал, где зимой появляются ледяные гроты и сосульки. А вечером обязательно попробуйте омуля — рыбу, которая водится только в Байкале.
На что обратить внимание. Голос не плывёт, темп и тембр держатся до конца, паузы стоят на местах.
Eleven v4Голос: Felix
Gemini 3.8 Flash TTSГолос: Charon
gpt-4o-mini-ttsГолос: Ash
SpeechKit API v3Голос: Александр (alexander)
Fish S2.1 Pro, облакоГолос: Игорь, официальный голос Fish
Fish S2 Pro, на своём MacГолос: встроенный, образец - своя первая запись
Особенности сервисов и где какой может подойти
Это не рейтинг и не совет брать только один сервис. Мы описываем, в чём каждый сильнее и где, как нам кажется, он раскрывается лучше. Ваша задача может дать другой ответ.
ElevenLabs
Карточка сервисаЧем силён. Первое место в рейтинге Artificial Analysis на ноябрь 2026: модель Eleven v4 вышла в сентябре и говорит на 94 языках. Клонирует голос по короткой записи, делает дубляж видео, понимает теги подачи вроде [whispers]. На наших записях он читает быстрее всех: длинный абзац занял 27 секунд.
Где может подойти. Нам кажется, что он лучше раскрывается в роликах, подкастах и аудиокнигах, где важна выразительная подача, и там, где нужен свой голос.
На что смотреть. Самый дорогой из сравниваемых: $80 за миллион знаков у v4, $40 у v4 Turbo. В России официально не работает, цены в долларах.
Gemini
Карточка сервисаЧем силён. Модель Gemini 3.8 Flash TTS на шестом месте рейтинга Artificial Analysis при цене около $16,5 за миллион знаков. На наших записях темп близок к ElevenLabs: абзац занял 25 секунд.
Где может подойти. По нашим записям это хороший выбор для больших объёмов озвучки, когда важна цена, а голос нужен ровный и спокойный.
На что смотреть. Если написать указание о подаче («говори спокойно») в одном тексте с фразой, модель может прочитать его вслух: так вышло в трёх пробах из пяти. Указание лучше передавать отдельно. В России официально не работает.
OpenAI
Карточка сервисаЧем силён. Модель gpt-4o-mini-tts управляется словами: подачу можно описать обычной фразой в отдельном поле, например «спокойно, как диктор». На наших записях самая размеренная речь: абзац занял 36 секунд.
Где может подойти. Нам показалось, что такой темп удобен для инструкций, обучения и озвучки интерфейсов, где важно, чтобы каждое слово было слышно.
На что смотреть. В рейтинге Artificial Analysis стоит ниже лидеров. Оплата за объём, около полутора центов за минуту звука. В России официально не работает.
Fish Audio
Карточка сервисаЧем силён. Мы послушали Fish двумя способами. В облаке модель S2.1 Pro через API бесплатна, в библиотеке есть официальные русские голоса, мы взяли «Игоря». А веса модели S2 Pro открыты, и её мы запустили на обычном Mac с 48 ГБ памяти: модель занимает 11 ГБ и озвучивает почти в реальном времени, абзац на 28 секунд записался за 32. Платные модели в облаке - самые дешёвые из сильных: $15 за миллион байт текста, около $30 за миллион русских знаков, потому что кириллическая буква занимает два байта. Старшая модель Drama 3 на седьмом месте рейтинга Artificial Analysis.
Где может подойти. Нам кажется, это интересный вариант для тех, кто хочет попробовать сильную модель бесплатно, кому важно озвучивать у себя без отправки текста в чужое облако, и для больших объёмов, где важна цена.
На что смотреть. На бесплатном тарифе в веб-кабинете озвучку можно послушать, но не скачать: файлы отдаёт только API или платный тариф. Локальная модель без образца голоса каждый раз выбирает новый голос: в нашей первой пробе мужской сменился женским, поэтому мы дали ей её же первую запись как образец. Старшая Drama 3 в облаке платная, а на своём компьютере требует видеокарту NVIDIA от 48 ГБ.
Yandex SpeechKit
Карточка сервисаЧем силён. Работает в России, оплата в рублях по факту: 0,16 ₽ с НДС за запрос до 250 знаков в API v3, около 650 ₽ за миллион знаков. Есть режим живой речи для ботов и голос бренда под заказ. На наших записях абзац занял 28 секунд, время «7:40» он прочитал как «семь часов сорок минут».
Где может подойти. Нам кажется, это первый кандидат для компаний в России, которым нужна озвучка в продукте, на сайте или в колл-центре по договору и в рублях.
На что смотреть. Только API: готового редактора озвучки и быстрого клона голоса нет, нужен аккаунт в Яндекс Облаке.
SaluteSpeech
Карточка сервисаЧем силён. Синтез речи Сбера с русскими голосами и оплатой в рублях.
Где может подойти. Подходит тем, у кого уже есть договор или пакет.
На что смотреть. С 15 июля 2026 года Сбер не продаёт пакеты и оплату по факту новым клиентам, поэтому новый проект на нём не запустить. Чем заменить — в разборе про синтез речи.
Рейтинг, цены и доступность

| Сервис | Модель | Место в рейтинге | Цена за 1 млн знаков | В России |
|---|---|---|---|---|
| Eleven v4 | 1 | $80, у v4 Turbo $40 | официально не работает | |
| Gemini 3.8 Flash TTS | 6 | около $16,5 | официально не работает | |
| Drama 3 в рейтинге; у нас S2.1 Pro в облаке и S2 Pro на Mac | 7 | S2.1 Pro через API бесплатно; платные $15 за млн байт, около $30 за млн русских знаков | цены в долларах | |
| gpt-4o-mini-tts | вне первой десятки | около 1,5 цента за минуту звука | официально не работает | |
| API v3 | нет в рейтинге | около 650 ₽ с НДС | работает, оплата в рублях | |
| - | нет в рейтинге | - | не подключает новых клиентов с 15.07.2026 |
Место — в Speech Arena от Artificial Analysis, ноябрь 2026: слушатели выбирают лучший из двух клипов, не зная, где какой сервис. Голосуют в основном на английском, поэтому на русском порядок может быть другим. Цены — с сайтов сервисов на ноябрь 2026.
Что мы заметили по ходу
- Указание о подаче лучше передавать отдельно. Когда мы написали Gemini «говори спокойно» в одном тексте с фразой, в трёх пробах из пяти модель прочитала это вслух.
- Нейросеть плохо проверяет озвучку на слух. Мы дали модели Gemini клипы, где заранее знали правильный ответ. «Пятнадцать марта» она во всех случаях услышала как «пятнадцатого марта»: модель слышит грамматически ожидаемое, а не то, что прозвучало. Ударения и падежи проверяйте сами.
- Редкие слова — зона риска. В первом варианте абзаца было слово «ледоступы», и распознавание у всех трёх облачных записей услышало «или доступы». Если в тексте есть редкие слова и термины, послушайте их отдельно.
Читать дальше
Вопросы и ответы
Какая нейросеть лучше озвучивает текст на русском?
Универсального лидера нет. В рейтинге Artificial Analysis на ноябрь 2026 года первое место у ElevenLabs v4, но рейтинг собран в основном на английском. На русском главное — ударения, числа и интонация вопроса, поэтому лучше послушать одну и ту же фразу на разных сервисах и проверить на своём тексте.
Можно ли озвучить текст нейросетью в России с оплатой в рублях?
Да, Yandex SpeechKit работает в России и принимает оплату в рублях по факту использования. SaluteSpeech с 15 июля 2026 года не подключает новых клиентов.
Почему нейросеть ставит ударение не туда?
Модель выбирает ударение по статистике, а не по смыслу вашей фразы, поэтому ошибается в словах вроде замо́к и за́мок. Надёжный способ — поставить знак ударения в версии текста для озвучки или переписать фразу так, чтобы двусмысленности не осталось.
Можно ли доверить нейросети проверку озвучки на слух?
Мы попробовали и не советуем. Модель Gemini уверенно «слышала» правильную форму там, где её не было: «пятнадцать марта» во всех случаях распознала как «пятнадцатого марта». Ударения и падежи лучше проверять человеку.
