ElevenLabs: озвучка и клон голоса нейросетью в 2026

Я долго записывал голос для видео сам. Садишься к микрофону, читаешь текст, на седьмой фразе запинаешься, начинаешь заново, потом за стеной включают перфоратор, и всё по новой. Полчаса на минуту чистого звука – это нормальная история, если вы хоть раз озвучивали урок или рилс.

А потом я загрузил в ElevenLabs пару минут своей речи и получил клон голоса, который читает любой текст. Сейчас я так перевожу свои видео на английский и испанский: тембр мой, интонации мои, а я в этот момент вообще занят другими делами.

Ниже весь путь с нуля: что умеет сервис, сколько это стоит, как попасть в него из России, как готовить текст, чтобы нейронка не ставила ударения куда попало, и где озвучка реально экономит часы и деньги. Если вам нужен обзор всех видеосервисов, загляните в статью про нейросеть для видео. Здесь разбираем именно голос.

Раздел 01Что такое ElevenLabs и что он умеет

ElevenLabs – компания из Нью-Йорка с польскими основателями, которая с 2022 года делает нейросети для речи. Начинали с одной функции: вставляете текст, получаете аудио. Сейчас это целый комбайн для звука, и в одном кабинете собрано около десятка инструментов. Разберу каждый человеческими словами, без маркетинга с их сайта.

Чем ElevenLabs выделяется на фоне десятков похожих сервисов? Тремя вещами. Голоса звучат живо, с дыханием и паузами, их сложно отличить от записи человека. Русский язык поддерживается полноценно, без акцента, хотя с ударениями иногда бывают промахи (как их лечить, расскажу в разделе 06). И клон голоса делается за минуты, без студии и без недели ожидания.

Раздел 02Тарифы и цены ElevenLabs в 2026

Всё в ElevenLabs считается в кредитах. Для основных моделей один символ текста стоит один кредит, а у быстрой модели Flash – полкредита. На практике 1 000 символов русского текста дают примерно минуту речи. Отсюда простая арифметика: 10 000 кредитов – это около 10 минут готового аудио.

Цены сверены с официальной страницей тарифов в октябре 2026 года. ElevenLabs регулярно двигает их и запускает акции, поэтому перед оплатой загляните на elevenlabs.io/pricing.

Какой тариф брать? Смотрите по задаче. Попробовать голоса и понять, нравится ли звучание, можно на бесплатном. Как только озвучка идёт в рилс, рекламу или платный курс, нужен минимум Starter: на бесплатном тарифе коммерческих прав нет, и использовать такое аудио в продающем контенте нельзя. Если вы озвучиваете больше получаса в месяц или хотите клон, который не отличить от вас, берите Creator. Большинству тех, кто ведёт блог и делает курсы, его хватает с запасом.

Раздел 03Какую модель выбрать: v4, v3, v2, Flash

Модель – это «движок», который превращает текст в речь. Голос вы выбираете отдельно, а модель решает, насколько живо и с какими эмоциями он прозвучит. В выпадающем списке их несколько, и новички часто так и сидят на той, что стоит по умолчанию. Вот как их различать.

Мой рабочий выбор такой. Всё, что идёт в соцсети и рекламу, озвучиваю на Eleven v4: там важна интонация, и человек не должен споткнуться ухом о «роботность». Длинные уроки и аудиоверсии гайдов, где нужна ровная спокойная подача на 20 минут, отлично звучат на Multilingual v2. На ней же годами держатся многие клоны, и она реже выдаёт неожиданные эмоции в середине предложения. Flash беру для черновиков: прослушать, как звучит текст вслух, найти корявые места и только потом тратить полные кредиты на финал.

Что изменилось в v4 по сравнению с v3? Новая архитектура читает текст как актёр: учитывает, кто говорит и что было в предыдущей фразе, прежде чем решить, как произнести следующую. Аудиотеги теперь можно ставить подряд, и модель выполнит их в нужной последовательности. Голос меньше «плывёт» на длинных кусках. И вернулась поддержка профессиональных клонов, которых в v3 не было.

Раздел 04Как зарегистрироваться и оплатить из России

С российского IP сайт ElevenLabs либо не открывается, либо открывается и зависает на входе. Аккаунты россиян сервис сам по себе не блокирует, проблема в доступе и оплате. Вот рабочая последовательность.

Если упираетесь в доступ к зарубежным сервисам постоянно, пригодится подборка нейросетей, которые работают из России без VPN. Голосовые среди них тоже есть, сравнение – в разделе 16.

Раздел 05Первая озвучка за 5 минут

Для начала самое простое: озвучка абзаца готовым голосом. Это займёт меньше времени, чем чтение этого раздела.

Теперь о ползунках. Их три–четыре в зависимости от модели, и от них зависит половина результата.

• Stability (стабильность). Чем ниже, тем эмоциональнее и разнообразнее подача, но тем выше шанс странной интонации. Чем выше, тем ровнее, вплоть до монотонности. Для рилсов держите в районе середины, для лекций – выше середины.
• Similarity (сходство). Насколько строго нейросеть держится оригинального тембра. Для клона своего голоса ставьте высоко, около 75–85%.
• Style (стиль). Усиливает манеру исходного голоса. Красиво звучит в рекламе, но тратит больше ресурсов и иногда даёт перебор. Начинайте с нуля и добавляйте понемногу.
• Speed (скорость). Темп речи. Для рилсов, где нужно уложиться в 30 секунд, можно чуть ускорить, до 1.1.

Раздел 06Как подготовить текст: ударения, паузы, эмоции

Вот здесь кроется главная разница между озвучкой «вроде нормально» и озвучкой, которую не отличить от человека. Нейросеть читает ровно то, что написано. Поэтому текст для уха готовят иначе, чем текст для глаз.

Цифры, даты и сокращения пишите словами

«15.10 в 19:00 скидка 30% на курс за 4 990 ₽» нейросеть может прочитать как угодно, вплоть до «пятнадцать точка десять». Пишите так, как вы бы это произнесли: «пятнадцатого октября в семь вечера скидка тридцать процентов, курс стоит четыре тысячи девятьсот девяносто рублей». То же с сокращениями: «т. е.», «руб.», «г.» превращайте в полные слова. Английские названия, которые у нас произносят по-русски, пишите кириллицей: «Клод», «Телеграм», «Ютуб».

Ударения и буква ё

Русский язык у ElevenLabs хороший, но в редких и многозначных словах ударение может съехать: «за́мок» и «замо́к», «а́тлас» и «атла́с», фамилии, названия городов, профессиональные термины. Что помогает:

• Ставьте букву ё везде, где она есть. «Всё» и «все» – разные слова, и нейросеть это слышит.
• Слово, на котором модель упорно спотыкается, замените синонимом. Самый быстрый способ.
• Фамилию или термин, который модель упорно читает неверно, напишите так, как он звучит, или разбейте дефисом на части.
• В Studio есть словари произношения (Pronunciation dictionaries): один раз задаёте, как читать слово, и правило применяется во всём проекте. Удобно для курсов, где одни и те же термины повторяются сотни раз.

Паузы и темп

Модели v3 и v4 расставляют паузы сами по знакам препинания. Хотите паузу подлиннее – ставьте точку вместо запятой или многоточие. Хотите выделить мысль – вынесите её в отдельный абзац. В моделях Multilingual v2 и Flash работает тег паузы <break time="1s" />: пишете его прямо в тексте, и нейросеть молчит указанное время. Не злоупотребляйте: десяток таких тегов в одном куске делают речь рваной.

Эмоции через аудиотеги

В моделях v3 и v4 можно управлять подачей прямо из текста. Пишете тег в квадратных скобках перед фразой, и голос его выполняет. Теги пишутся по-английски, даже если текст русский.

[excited] Друзья, у меня новость, которую я ждал полгода!
[whispers] Только пока никому не рассказывайте.
[laughs] Ладно, шучу, рассказывайте всем.
[calm] А теперь по делу: запись открыта до пятницы.

Самые полезные теги: [whispers] – шёпот, [laughs] – смех, [sighs] – вздох, [excited] – воодушевление, [calm] – спокойно, [sarcastic] – с иронией, [curious] – с интересом. В v4 их можно ставить подряд, например [sighs][calm], и модель выполнит по очереди. Работают теги не со всеми голосами одинаково: клон, записанный монотонно, плохо умеет кричать и смеяться. Чем живее исходная запись, тем шире диапазон эмоций.

Короткие фразы

Длинное предложение на три строки с тремя причастными оборотами тяжело слушать даже в исполнении живого диктора. Для озвучки режьте текст на фразы по 8–15 слов. Читайте его сами вслух перед генерацией: там, где вы спотыкаетесь, споткнётся и нейросеть.

Раздел 07Клон голоса: мгновенный и профессиональный

Ради этой функции большинство и приходит в ElevenLabs. Клонов два вида, и разница между ними большая.

Как это работает простыми словами. Мгновенный клон не обучает отдельную нейросеть под вас. Модель и так знает тысячи голосов и по вашей записи подбирает, как звучать похоже. Поэтому результат быстрый, но с особенными голосами, сильным акцентом или необычной манерой похожесть ниже. Профессиональный клон обучается именно на вашей речи и перенимает ритм, привычные паузы, то, как вы тянете гласные.

Профессиональный клон можно сделать только из своего голоса: сервис просит прочитать проверочную фразу и сравнивает её с загруженными записями. С мгновенным клоном проверка мягче, но правила те же: клонировать чужой голос без согласия человека нельзя. Подробнее – в разделе 15.

Как записать голос для клона

Качество клона на 80% зависит от записи. Нейросеть копирует всё: и тембр, и эхо комнаты, и гул холодильника. Пара правил, которые сэкономят вам десятки перегенераций.

• Тихая комната с мягкими поверхностями. Шторы, ковёр, диван, шкаф с одеждой. Пустая комната с голыми стенами даёт эхо, и клон будет звучать «из ванной». Лайфхак звукорежиссёров – записываться в гардеробной или накинуть на голову одеяло.
• Нормальный микрофон. Подойдёт петличка за 1 500–3 000 ₽ или USB-микрофон. В крайнем случае современный смартфон в 15–20 см ото рта, на диктофон, в режиме полёта, чтобы не прилетели уведомления.
• Говорите так, как хотите, чтобы звучал клон. Нейросеть повторяет вашу подачу. Прочитали монотонно – клон будет монотонным. Записывайтесь в той энергии, с которой ведёте эфиры и рилсы.
• Одна манера на весь файл. Не смешивайте в одной записи шёпот, крик и лекторский тон. Если нужны разные подачи, делайте разные клоны.
• Без музыки и чужих голосов. Нарезка из эфира с вопросами зрителей и фоновой музыкой даст мутный клон. Если другой записи нет, сначала прогоните её через Voice Isolator.
• Формат. MP3 от 192 кбит/с или WAV. Громкость ровная, без клиппинга: пики не должны упираться в максимум.

Раздел 08Клонируем свой голос пошагово

Делаем мгновенный клон. Нужен тариф Starter или выше и запись на 1–3 минуты.

Не похоже на вас? Чаще всего виновата запись: эхо, шум или монотонное чтение. Перезапишите в другой комнате и с большей энергией, удалите старый клон и создайте новый. Помогает и модель: если на v4 клон звучит чужим, попробуйте его же на Multilingual v2. Разные модели по-разному «надевают» один и тот же голос.

Раздел 09Голос по описанию: Voice Design

Бывает, что нужен голос, которого нет ни у вас, ни в библиотеке. Например, спокойный низкий мужской голос для медитаций, бодрая девушка для рекламы детского курса или пожилой профессор для озвучки исторического контента. Для этого есть Voice Design: вы описываете голос словами, а нейросеть создаёт его с нуля.

Пишите описание по-английски, в нём четыре части: пол и возраст, тембр, манера, качество звука. Пример:

Calm female voice, around 40 years old, warm and soft low tone,
speaks slowly with gentle pauses, like a meditation guide.
Studio quality, close microphone, no background noise.

Сервис выдаст три варианта, вы слушаете и сохраняете понравившийся в свои голоса. Дальше им можно озвучивать что угодно, как обычным голосом. Если хотите описание на русском, попросите нейросеть перевести его: Claude или ChatGPT сделают это за секунду и ещё подскажут удачные слова для тембра.

Где это пригодится тем, кто продаёт услуги: голос персонажа в обучающих роликах, разные голоса в диалоге «клиент – специалист» для разбора кейса, фирменный голос для рекламы, если вы сами не хотите светить свой.

Раздел 10Дубляж: рилс на английском вашим голосом

Мой любимый инструмент. Dubbing берёт ваше видео, расшифровывает речь, переводит на выбранный язык и озвучивает перевод голосом, похожим на ваш. Поддерживается 90+ языков, файлы до 180 минут и 2 ГБ. Работает даже на бесплатном тарифе, но там на видео ставится водяной знак, убрать его можно только на платном.

Есть путь точнее, и я сам пользуюсь им для важных видео. Берёте расшифровку ролика, отдаёте Claude с просьбой перевести по смыслу и живым разговорным языком, под американскую аудиторию, с заменой рублей на доллары. Получившийся текст озвучиваете своим клоном в Text to Speech. Перевод выходит естественнее, чем автоматический дубляж, а голос ваш. Расшифровку можно сделать прямо в ElevenLabs или любым способом из статьи про транскрибацию нейросетью.

Раздел 11Voice Changer, эффекты, музыка и расшифровка

Voice Changer

Вы записываете фразу своим голосом, с нужной интонацией и паузами, а нейросеть «переодевает» её в другой голос. Интонация остаётся вашей, тембр меняется. Пригодится, когда Text to Speech никак не попадает в нужную эмоцию: проще один раз сыграть фразу самому, чем 20 раз перегенерировать.

Sound Effects

Пишете текстом, какой звук нужен: «звук уведомления телефона», «аплодисменты в небольшом зале», «шум кафе на фоне». Получаете короткий звуковой эффект. Для рилсов это спасение: никаких поисков по стокам и страха получить блокировку за чужой звук.

Music

Генерирует музыку по описанию: жанр, настроение, темп, длительность. Флагманская модель сейчас Eleven Music v2.5. Если нужны песни с вокалом и текстом, у ElevenLabs есть конкурент, который в этом сильнее, – про него статья Suno: как сделать песню нейросетью. Для фоновой подложки под рилс или урок встроенной музыки хватает.

Voice Isolator

Убирает из записи шум улицы, ветер, гул кондиционера и оставляет голос. Работает удивительно хорошо: эфир, записанный в кафе, после обработки звучит как из тихой комнаты. Используйте перед клонированием голоса и перед публикацией записей созвонов.

Speech to Text

Расшифровка на модели Scribe v2, 90+ языков, с разметкой, кто говорит. Удобно, если вы уже платите за ElevenLabs и не хотите заводить отдельный сервис для конспектов эфиров и субтитров.

Раздел 12Studio: аудиокнига, курс и подкаст

Text to Speech удобен для коротких кусков. Когда текст на 20 страниц, нужен Studio – редактор длинных проектов. Загружаете документ целиком (Word, PDF, ссылку на статью), и Studio разбивает его на главы и абзацы. Каждому куску можно назначить свой голос, поправить произношение, перегенерировать отдельную фразу. В версии Studio 3.0 появился таймлайн, как в видеоредакторе, и туда же можно сгенерировать фоновую музыку.

Пример из жизни: у вас есть PDF-гайд на 25 страниц, который вы раздаёте как лид-магнит. Загружаете его в Studio, выбираете свой клон, через полчаса получаете аудиоверсию на 25–30 минут. Теперь у гайда два формата: читать и слушать в машине. Часть людей PDF так и не откроет. Зато аудио спокойно дослушает по дороге. Про то, как вообще собрать такой гайд, – статья про лид-магнит нейросетью за час.

То же с курсами. Текстовый урок превращается в аудиоурок, презентация со слайдами получает голос за кадром, а если вы что-то изменили в программе, переозвучиваете один абзац, и весь урок перезаписывать уже не нужно. Если вы как раз собираете обучение, загляните в статью как создать курс.

Раздел 1310 сценариев для тех, кто продаёт услуги

Озвучка ради озвучки никому не нужна. Вот где она реально экономит время или приносит заявки.

Отдельно про рилсы. Голос за кадром на нарезке – формат, который отлично работает для тех, кто не любит говорить в камеру. Сценарии под такие ролики удобно писать пачкой, как в статье нейросеть для рилс: 30 сценариев на месяц. Генерируете текст, озвучиваете своим клоном, накладываете на видео. А если хочется пойти дальше и собирать ролики целиком с графикой, посмотрите, как это делается в статье про монтаж видео нейросетью.

Раздел 14Связка Claude и ElevenLabs

ElevenLabs отвечает за голос, а за текст лучше отвечает другая нейросеть. Я пишу сценарии в Claude: он хорошо пишет по-русски и умеет держать живой разговорный тон. Связка выглядит так: Claude готовит текст сразу «под ухо», вы озвучиваете его в ElevenLabs.

Вот промт, который превращает обычный пост в текст для озвучки:

Перепиши этот текст для озвучки голосом в нейросети ElevenLabs.
Правила:
– все цифры, даты, проценты и суммы напиши словами так, как их произносят;
– сокращения раскрой полностью;
– английские названия напиши кириллицей так, как их говорят по-русски;
– фразы короткие, 8–15 слов, разговорный тон, как будто я рассказываю другу;
– поставь букву ё везде, где она нужна;
– в двух-трёх местах добавь аудиотеги на английском в квадратных скобках
  ([excited], [calm], [laughs]) там, где они усилят подачу;
– длительность при чтении – около 40 секунд.
Текст: [вставьте пост]

Что вы получите в ответ. Примерно такой кусок:

[excited] Знаете, сколько времени я тратил на одну минуту голоса для видео?
Полчаса, каждый раз.
[calm] А теперь пишу текст, нажимаю одну кнопку, и через десять секунд готово.
Голос мой. Интонации мои. А я в это время пью кофе.

Второй полезный промт – проверка готового текста на места, где нейросеть может ошибиться:

Прочитай текст глазами нейросети, которая будет его озвучивать.
Найди слова с неоднозначным ударением, редкие фамилии и термины,
цифры и аббревиатуры, слишком длинные предложения.
Для каждого места предложи, как переписать, чтобы озвучка
прозвучала правильно с первого раза.

Если вы ещё не работали с Claude, зарегистрироваться можно на claude.ai. Из России нужен VPN с локацией в Европе или США и нероссийская почта: Gmail или Apple iCloud. Почты на Яндексе, Mail.ru и Rambler регистрацию не проходят. Если такой почты нет, заведите новую сразу с включённым VPN, чтобы аккаунт не был связан с Россией. Подробная схема – в статье Claude из России, а готовые формулы запросов собраны в промтах для Claude.

Раздел 15Права, этика и защита голоса

Голос – часть личности, и с клонами есть несколько правил, которые лучше знать заранее.

• Коммерческое использование – только на платном тарифе. Озвучка с бесплатного тарифа не подходит для рекламы, платных курсов и монетизируемых видео. С тарифа Starter коммерческие права есть.
• Клонируйте только свой голос или голос с письменного согласия. Голос коллеги, диктора или знаменитости без разрешения клонировать нельзя: это нарушает правила ElevenLabs, и за такие клоны блокируют аккаунт. А в случае обмана людей это уже история про мошенничество.
• Честность с аудиторией. Говорить в каждом рилсе «это мой клон» не обязательно, но если клиент платит за живую консультацию, подменять себя нейросетью нельзя. Аудиоуроки, озвучка гайдов и переводы – нормальная практика, многие авторы прямо пишут, что видео озвучено нейросетью их голосом.
• Защитите свой голос. Мошенники тоже умеют клонировать голоса по записям из соцсетей и звонят родственникам с просьбой срочно перевести деньги. Договоритесь с близкими о кодовом слове, которое знают только свои, и предупредите их о таком сценарии.

Если тема прав на контент из нейросетей вам интересна шире, в статье кому принадлежит текст нейросети разобрано, что можно и что нельзя по закону.

Раздел 16Аналоги ElevenLabs

ElevenLabs – эталон по качеству голоса, но он платный, на английском интерфейсе и требует VPN из России. Вот с чем его сравнивают.

Мой вывод простой. Если голос идёт в продающий контент и вы готовы на VPN и зарубежную оплату, берите ElevenLabs: разница в живости заметна с первой фразы. Если нужно строго из России и без VPN, смотрите в сторону Яндекса и Сбера. Полный обзор того, что сейчас стоит внимания, – в подборке лучших нейросетей 2026, а бесплатные варианты собраны в статье про бесплатные нейросети.

Раздел 17Если что-то пошло не так

Раздел 18Весь путь за минуту

1. Включите VPN с локацией в Европе или США и зарегистрируйтесь на elevenlabs.io через Google.
2. Попробуйте голоса на бесплатном тарифе: 10 минут озвучки в месяц хватит, чтобы понять, ваше ли это.
3. Для рилсов, рекламы и курсов оформите Starter за $6, нужен для коммерческих прав и клона голоса. Для больших объёмов и профессионального клона – Creator за $22.
4. Запишите 1–2 минуты своей речи в тихой комнате с живой интонацией и сделайте Instant Voice Clone.
5. Готовьте текст под ухо: цифры словами, буква ё, короткие фразы. Попросите Claude переписать пост для озвучки.
6. Финальную озвучку делайте на Eleven v4 с аудиотегами, черновики – на Flash.
7. Переводите видео на английский и испанский через Dubbing или через перевод в Claude и свой клон.
8. Длинные гайды и уроки озвучивайте в Studio, правьте отдельные фразы без переозвучки целиком.

Начните с малого: возьмите сегодняшний пост, озвучьте его своим клоном и выложите как рилс на нарезке. Через неделю вы будете удивляться, как раньше сидели у микрофона по полчаса 🎙️