Клонирование голоса: 6 сервисов и 4 причины не делать

Клонирование голоса обсуждают в двух крайностях: либо как безобидную озвучку роликов, либо как оружие мошенников. Обе картины неполные, и обе мешают понять, что делать на практике. Клонирование голоса это обучение модели на коротком образце речи, после которого она произносит любой текст этим тембром; минимум по открытым моделям измеряется секундами, из России без обходных путей работают российские и китайские сервисы, а отдельной статьи про охрану голоса в Гражданском кодексе нет.

Коды доступа сняты запросом с московского адреса 15 сентября 2026 года, характеристики открытой модели взяты с её карточки, оглавление кодекса сверено в тот же день. Дальше по порядку: как это работает, сколько записи нужно, чем пользоваться из России, как записать образец, чтобы результат не звучал роботом, где проходят правовые границы и что делать, если клонируют вас.

Часть 1 · Ответ

Что важно понять до первой попытки

1. Нужен образец, а не студия. Достаточно чистой записи речи, качество важнее длины.
2. Результат это модель голоса. Она произносит любой текст, а не только записанные фразы.
3. Язык может отличаться. Часть моделей переносит голос между языками, вы говорите по-русски, клон по-английски.
4. Загруженное остаётся у сервиса. Если это неприемлемо, нужен локальный запуск.
5. Согласие обязательно. Чужой голос без письменного разрешения не берут даже для внутреннего ролика.
6. Выдавать синтез за живую речь нельзя. Это уже не техника, а обман аудитории.

Часть 2 · Механика

Что именно копируется, когда говорят «клон голоса»

• Тембр. Окраска звука, по которой человека узнают. Копируется лучше всего.
• Манера. Темп, длина пауз, характерные растяжки. Копируется хуже и требует более длинного образца.
• Интонационный рисунок. Как поднимается голос в вопросе, где появляется нажим. Копируется частично.
• Чего не копируется вовсе. Смысловые акценты: модель не знает, какое слово во фразе главное, и ставит ударение наугад.

Отсюда практическое следствие: чем ближе текст по жанру к образцу, тем лучше результат. Диктор, записанный на спокойном чтении, плохо звучит в эмоциональной рекламе.

Часть 3 · Объём

Сколько секунд нужно на самом деле

• Шесть секунд. Достаточно, чтобы узнали тембр. Манеру и паузы на таком отрезке не снять.
• Одна минута. Рабочий минимум для ролика: интонации становятся ровнее, меньше артефактов.
• Пять и больше минут. Нужны, когда голос будет читать длинные тексты и разные по настроению фрагменты.
• Что важнее длины. Отсутствие шума, эха, музыки и второго говорящего. Минута из тихой комнаты лучше получаса из кафе.

Часть 4 · Доступ

Что открылось с московского адреса 15 сентября

Коды ответа сняты без VPN. Кодом 200 ответили zvukogram.com и fish.audio. Кодом 403 ответил elevenlabs.io, то есть сервис отказал по региону. Отдельный путь это открытые модели, которые запускаются на своём компьютере и вообще не требуют доступа к внешнему сервису.

• Российские сервисы. Оплата в рублях, интерфейс на русском, лучше справляются с русской фонетикой.
• Китайские и открытые. Дают больше контроля и часто бесплатны, но требуют разбираться в настройках.
• Закрытые по региону. Разбор возможностей ElevenLabs лежит в отдельном гайде, вопрос оплаты зарубежной подписки в гайде про карту для оплаты.
• Локальный запуск. Когда запись нельзя отдавать наружу, модель ставят на свой компьютер: как это устроено, разобрано в гайде про Ollama.

Часть 5 · Определитель

Задача, путь и цена вопроса

Часть 6 · Образец

Как записать фрагмент, чтобы клон получился

1. Тихая комната без эха. Мягкая мебель и шторы лучше кафельной кухни. Эхо модель воспроизведёт вместе с голосом.
2. Один говорящий. Любой второй голос в записи смешивается с целевым.
3. Ровный темп. Читайте так, как потом должен звучать результат, а не быстрее и не медленнее.
4. Разные фразы. Утверждение, вопрос, перечисление. Это даёт модели интонационные образцы.
5. Без музыки и заставок. Фон попадёт в модель и будет всплывать в синтезе.
6. Формат без сильного сжатия. Голосовое сообщение из мессенджера хуже, чем запись диктофоном.

Часть 7 · Дефекты

Почему длинный текст звучит неживо

• Фразы синтезируются по отдельности. Общая линия рассказа теряется, каждое предложение звучит как первое.
• Ударение ставится наугад. Модель не знает, какое слово во фразе главное. Лечится перестановкой слов в тексте.
• Числа и сокращения читаются странно. Пишите их словами прямо в тексте для озвучки.
• Нет дыхания. Слишком ровная речь выдаёт синтез. Помогают короткие абзацы и знаки препинания под паузы.
• Термины и имена. Их проверяют отдельно, часто приходится записывать фонетически.

Если задача не в копировании конкретного человека, а просто в озвучке текста, готовые голоса обычно звучат ровнее: сравнение в гайде про озвучку текста.

Часть 8 · Право

Что в кодексе есть про голос, а чего нет

Это важное отличие от расхожего утверждения, что «голос защищён так же, как внешность». На практике защита строится обходными путями: через честь и достоинство, если запись порочит человека, через частную жизнь, если раскрыты личные обстоятельства, через законодательство о персональных данных, если голос используется для идентификации, и через смежные права исполнителя, если речь про записанное исполнение.

• Что это значит для вас. Рассчитывать на быстрый запрет только потому, что «это мой голос», не стоит: потребуется доказывать нарушение конкретной нормы.
• Что это значит для заказчика. Отсутствие прямой нормы не делает использование чужого голоса безопасным: обманутая аудитория и репутационный ущерб никуда не деваются.
• Где смотреть про сгенерированный контент. Общая правовая рамка в гайде про авторское право и в разборе закона об ИИ.

Часть 9 · Согласие

Как выглядит нормальное разрешение на голос

1. Прямо сказано про синтез. Не «запись голоса», а «создание синтетической модели голоса».
2. Перечислены материалы. Для каких роликов, рассылок, ботов будет использоваться.
3. Указан срок. И что происходит с моделью после его окончания.
4. Есть запреты. Например, нельзя использовать в политике, в медицине, в рекламе чужих товаров.
5. Указано хранение. Где лежит модель и кто имеет к ней доступ.

Часть 10 · Маркировка

Надо ли предупреждать, что голос синтезирован

По закону от 26 июля 2026 года № 243-ФЗ маркировка сгенерированного контента это возможность для автора и обязанность для площадок с суточной аудиторией свыше 500 тысяч пользователей, причём соответствующие статьи вступают в силу 1 марта 2027 года. Обязанности лично у автора ролика пока нет.

Но есть условия сервисов, и они действуют уже сегодня. В условиях использования технологий YandexGPT прямо запрещено вводить третьих лиц в заблуждение и выдавать контент за результат человеческого труда там, где это не подразумевается. Проще говоря, техническая возможность не молчать о синтезе есть всегда, а поводов молчать почти не бывает. Подробнее в разборе про маркировку ИИ-контента.

Часть 11 · Обратная сторона

Почему ту же технологию используют против вас

Шести секунд записи достаточно не только для озвучки ролика. Ровно столько же нужно, чтобы позвонить вашей маме вашим голосом. Банк России на странице про информационную безопасность публикует масштаб борьбы с такими схемами: за 2025 год разделегировано 1002 фишинговых домена, в Генеральную прокуратуру направлены сведения о 32 566 доменах и 4817 страницах, на блокировку передано свыше 69 тысяч номеров телефонов.

• Откуда берут образец. Из ваших же публичных видео, сторис, голосовых сообщений в открытых чатах.
• Как звучит атака. Короткий взволнованный звонок, плохая связь как оправдание артефактов, давление на срочность.
• Признаки разобраны отдельно. Семь маркеров поддельного звонка собраны в гайде про нейросети и мошенников, а механика подделки видео в разборе дипфейков.

Часть 12 · Защита

Что реально снижает риск

1. Кодовое слово в семье. Простое, не публиковавшееся нигде, известное всем родственникам.
2. Правило обратного звонка. Любая просьба о деньгах проверяется звонком на известный номер, а не ответом на входящий.
3. Никаких подтверждений голосом. Фразы вроде «да, подтверждаю» по входящему звонку не произносятся никогда.
4. Меньше длинных монологов в открытом доступе. Полностью это не решает, но уменьшает объём исходника.
5. Разговор с родителями заранее. Самая действенная мера: объяснить схему до того, как позвонят.

Памятка

Что запомнить про клонирование голоса

Источники

Что проверялось живьём и когда

• Карточка модели XTTS-v2 на Hugging Face, сверена 15.09.2026: клонирование голоса по шестисекундному фрагменту, семнадцать языков, кросс-языковое клонирование.
• Коды ответа сервисов, curl с московского адреса без VPN, 15.09.2026: 200 у zvukogram.com и fish.audio, 403 у elevenlabs.io.
• Гражданский кодекс, часть первая, оглавление главы о нематериальных благах на consultant.ru, 15.09.2026: присутствуют статьи 152.1 и 152.2, отдельной статьи про голос нет.
• Условия использования технологий YandexGPT, yandex.ru/legal, открыты 15.09.2026: пункт 2.2.5 про запрет выдавать сгенерированный контент за результат человеческого труда.
• Федеральный закон от 26.07.2026 № 243-ФЗ: маркировка как возможность для автора и обязанность для площадок с суточной аудиторией свыше 500 000 пользователей, вступление норм в силу 1 марта 2027 года.
• Банк России, раздел про информационную безопасность, данные за 2025 год: 1002 разделегированных фишинговых домена, сведения о 32 566 доменах и 4817 страницах в Генпрокуратуру, свыше 69 тысяч номеров на блокировку.
• Выдача Яндекса по запросу «клонирование голоса», 15.09.2026: первые строки занимают деловые медиа, сервисы идут ниже.

Чего тут нет намеренно: пошаговой инструкции по клонированию конкретного чужого голоса. Технически она никому не нужна, все сервисы устроены одинаково просто, а вот повод её опубликовать сомнительный.

FAQ

Частые вопросы

Читать дальше