Русская озвучка и расшифровка. Что использую после тестов
Искал бесплатные локальные модели для расшифровки и озвучки.
С расшифровкой всё решилось быстро. GigaAM v3 от Сбера справляется с русской речью, Qwen3-ASR 1.7B использую для других языков. В моих задачах этой пары хватило.⠀
С озвучкой пришлось перебрать больше вариантов.
У локальных моделей заявлена поддержка русского, но в моих тестах оставались ошибки произношения, ударений и интонации. Одного испорченного слова достаточно, чтобы переделывать минутную запись. Qwen настройками исправить не удалось. Fish справлялась лучше, но интонации меня не устроили.
В итоге для публикаций пришлось выбрать платную ElevenLabs v4.
У Fish, Qwen и ElevenLabs также есть клонирование голоса. Можно загрузить запись своей речи и затем озвучивать новые тексты своим голосом.
Что использую сейчас.
- Русское аудио расшифровываю через GigaAM v3.
- Для расшифровки других языков использую Qwen3-ASR.
- Тексты для личного прослушивания озвучиваю локально через Qwen или Fish.
- Для озвучки публикаций использую ElevenLabs. К сожалению, бесплатных альтернатив нет.