Настройки Перевода аудио: голос, модели и клонирование

Распознавание, модели перевода, озвучка, стили Qwen и оценка в токенах.

Автор Umakhan Magomedov

Последнее обновление Около 16 часов назад

Откройте лист настроек в Переводе аудио, чтобы управлять распознаванием речи, качеством перевода и озвучкой. В этой статье разобраны все опции и момент их применения.

Где найти настройки

Откройте Перевод аудио на вкладке Инструменты.
Нажмите значок Настройки в правом верхнем углу.
Измените распознавание, перевод или озвучку. Оценка в токенах обновится сразу.

ℹ️ Изменения распознавания и модели перевода применяются при следующей загрузке файла, не к текущему результату. Настройки озвучки влияют на следующую генерацию аудио.

Распознавание (речь в текст)

Выберите движок транскрипции загруженного аудио. По умолчанию: ElevenLabs Scribe.

Провайдер	Стоимость	Примечания
ElevenLabs Scribe (по умолчанию)	0.0133 токена/сек	Рекомендуется. Быстро и точно для большинства записей.
OpenAI Transcribe	0.02 токена/сек	Модель gpt-4o-transcribe. Подходит для шумного аудио.
Whisper	0.01 токена/сек	Бюджетный вариант. На длинных файлах чуть медленнее.

Перевод

Выберите AI-модель для повторных переводов при смене языка или редактировании исходного текста.

⚠️ Автоматический пайплайн при первой загрузке всегда использует Gemini 3.8 Flash на бэкенде, независимо от выбранной здесь модели. Настройки влияют только на повторные переводы.

Модель	Стоимость	Когда использовать
Gemini Flash Lite	0.028 токена/1K символов	Самый быстрый. Слабее на сленге, идиомах и тоне
Gemini 3.8 Flash (по умолчанию)	0.056 токена/1K символов	Первый перевод в пайплайне и лучшее качество на нюансах
GPT 6 Luna	0.008 токена/1K символов	Дешёвый запасной вариант, если Gemini недоступен

Озвучка без клонирования

Стандартные синтетические голоса. Образец из исходного аудио не используется.

Провайдер	Языки	Стоимость	Скорость
ElevenLabs (по умолчанию)	~74 языка	0.01 токена/сек	~2 секунды
OpenAI	Широкая поддержка	0.03 токена/сек	~5 секунд

Если ElevenLabs не поддерживает целевой язык, приложение автоматически переключается на OpenAI.

Озвучка с клонированием

Эти провайдеры клонируют голос говорящего из загруженного аудио или сохранённого Custom Voice.

MiniMax (рекомендуется)

Стоимость	0.15 токена/сек + 150 токенов за первое клонирование голоса
Скорость речи	от 0.5x до 2.0x
Эмоции	7 пресетов + Авто
Мин. длина для клона	10 секунд
Сохранённый Custom Voice	Да, через Custom Voices

Qwen

Языки	10: русский, английский, китайский, немецкий, французский, испанский, итальянский, японский, корейский, португальский
Стоимость	0.15 токена/сек, минимум 5 токенов за запрос
Мин. длина для клона	3 секунды
Стили речи	Авто, Медленно, Быстро, Спокойно, Энергично, Профессионально, Дружелюбно, Мягко — только в auto_clone, не с сохранёнными Custom Voices

HeyGen

Стоимость	3.67 токена/сек (HeyGen v3 с 3 июня 2026)
Время генерации	~10 минут для длинного текста
Формат	Аудио MP4
Сохранённые Custom Voices	Не поддерживаются. Клон только из загруженного аудио.

Поведение TTS

Редактирование перевода: изменение текста сбрасывает текущую озвучку. Нажмите воспроизведение для новой генерации.
Незавершённые и завершённые задачи: задачи MiniMax, Qwen и HeyGen продолжаются в фоне. При открытии из истории воспроизведение или опрос возобновляются.
Смена языка: если провайдер клонирования не поддерживает новый язык или аудио слишком короткое, приложение автоматически переключается на ElevenLabs.
Смена настроек: переключение провайдера, скорости, эмоции или стиля сбрасывает кэшированное аудио для текущего результата.

Часто задаваемые вопросы

Что делает регулировка скорости MiniMax?

Диапазон от 0.5x (медленнее) до 2.0x (быстрее). Меняет темп озвучки без повторной загрузки файла. Смена скорости сбрасывает текущее аудио.

Можно использовать стили Qwen с сохранённым Custom Voice?

Нет. Стили (Медленно, Быстро, Спокойно, Энергично и другие) работают только в режиме auto_clone при клонировании из файла. Сохранённые Custom Voices игнорируют стили.

HeyGen или MiniMax: что выбрать?

MiniMax быстрее (~1 минута), дешевле (0.15 токена/сек) и поддерживает скорость и эмоции. HeyGen дольше (~10 минут), но часто звучит естественнее. HeyGen стоит 3.67 токена/сек.

Почему озвучка пропала после редактирования перевода?

Отредактированный текст не совпадает с сгенерированным аудио. Плеер сбрасывается, пока вы снова не нажмёте воспроизведение. Это предотвращает проигрывание несоответствующего аудио.

Аудио слишком короткое для клонирования. Какой минимум?

MiniMax требует минимум 10 секунд речи в файле. Qwen: минимум 3 секунды. Более короткие файлы переключают приложение на ElevenLabs.

ElevenLabs или OpenAI для стандартной озвучки?

ElevenLabs по умолчанию: быстрее (~2 секунды) и дешевле (0.01 токена/сек) для большинства языков. OpenAI (0.03 токена/сек) используется как запасной вариант, если ElevenLabs не поддерживает целевой язык.

Когда списываются 150 токенов за MiniMax?

150 токенов за активацию клона списываются при первом клонировании конкретного голоса (auto_clone из файла или первое использование сохранённого Custom Voice). Повторные генерации с тем же активированным голосом стоят только 0.15 токена/сек.

Можно использовать HeyGen Custom Voice из аккаунта?

Нет. HeyGen в Переводе аудио клонирует напрямую из загруженного файла. Сохранённые голоса поддерживает только MiniMax через Custom Voices.

Это было полезно?

Нужна помощь? Предложить идею