Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
РелизAPI / Продукт · В работуTG: @neurogen_news (Neurogen)→ оригинал

Neurogen выпустила офлайн-студию озвучки: 16 голосов в диалоге и 8 ГБ видеопамяти

Облачная озвучка берёт деньги за каждый неудачный дубль и отправляет ваши тексты и голоса на чужие серверы. Neurogen выпустила программу для Windows на модели Fish Audio Drama 3, которая работает на вашем компьютере. Она клонирует голос по 5–15 секундам записи и ведёт диалог до 16 персонажей, а хватит видеокарты NVIDIA с 8 ГБ видеопамяти (VRAM). Интернет нужен лишь для загрузки моделей, дубли ничего не стоят.

AI-обработка оригинала TG: @neurogen_news (Neurogen); редакция Hamidun News
Neurogen выпустила офлайн-студию озвучки: 16 голосов в диалоге и 8 ГБ видеопамяти
Источник: TG: @neurogen_news (Neurogen). Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникTG: @neurogen_news (Neurogen) ↗
Главный редактор
Эмоции ставятся метками в текстешёпот, смех, вздох и паузы
Ключевой факт #2Экспорт в FLAC для монтажа, проекты сохраняются в файлах .drama3
Ключевой факт #3Нужны Windows 10/11, NVIDIA Turing+ и 32–64 ГБ оперативной памяти

Представьте, что вы делаете игру или обучающий курс и вам нужно озвучить сотни реплик. В облачных сервисах синтеза речи каждый неудачный дубль съедает кредиты, а сценарии и чужие голоса уходят на сторонние серверы. Команда Neurogen выпустила портативную студию озвучки, которая работает целиком на вашем компьютере. В её основе модель синтеза речи Fish Audio Drama 3 (она читает текст голосом, взятым с короткого образца), а встроенный движок ComfyUI отвечает за быстрый запуск. Студия собирает диалог до 16 персонажей в одном сценарии, а для работы ей хватит видеокарты NVIDIA с 8 ГБ видеопамяти (VRAM). Если озвучки у вас много, это способ перестать платить за каждый дубль и не отдавать голоса в облако.

Как устроена студия

Внутри приложения уже лежат Python, PyTorch и ComfyUI, поэтому ничего ставить вручную не нужно. Движок запускается автоматически или вручную, как удобнее. Модели скачиваются отдельно прямо из программы: загрузка продолжается после обрыва, а файлы проверяются. После этого студия работает без интернета, а тексты и образцы голосов никуда не отправляются.

Весь процесс собран в одном окне: подготовить голос, написать сценарий, попробовать подачу, послушать варианты, сохранить проект и выгрузить аудио для монтажа. Для монтажа есть экспорт в FLAC. Тем, кто привык работать с нодами, авторы дают workflow для совместимого ComfyUI.

Голоса, диалоги и эмоции

Клонирование устроено просто. Вы загружаете запись, выбираете в ней 5–15 секунд чистой речи и используете этот голос для нового текста. Голос вместе с расшифровкой можно сохранить в библиотеку и вернуться к нему в следующем ролике или для реплик одного персонажа. Авторы напоминают: использовать нужно только записи, на которые у вас есть права.

Для сцены с несколькими героями каждому персонажу назначают свой образец, и до 16 участников собираются в один сценарий. Можно начать и с обычного монолога. Подачу меняют прямо в тексте: выделяете фразу и добавляете шёпот, смех, вздох или подсказку радостной интонации, а паузы ставят метками.

Есть и поиск голоса без исходной записи. У модели есть стартовые варианты, а случайный выбор помогает находить новые. Понравившийся результат можно закрепить и сохранить в библиотеку. Но сохраняется seed удачной генерации (число, от которого зависит результат), поэтому на другом тексте тембр может измениться. Для постоянного героя надёжнее клонировать голос с записи.

Отдельный редактор образца показывает волну, даёт прослушивание, точные границы и обрезку. Через Demucs можно отделить речь от музыки, при этом исходник остаётся для сравнения. Текст образца вписывается вручную или распознаётся при генерации через Qwen3-ASR.

Проекты и требования к железу

Проект сохраняется в файле .drama3: в нём лежат сценарий, параметры и сами образцы голосов. Кнопка «Вернуть в студию» восстанавливает настройки выбранного результата, а автосохранение и архив черновиков позволяют продолжить работу позже. Для длинных текстов есть автоматическое разбиение, чтение целиком или по строкам, отдельные дубли и сокращение долгих пауз. В расширенном режиме открываются выбор модели, seed и параметры генерации.

Требования заметные. Нужна Windows 10 или 11 x64, видеокарта NVIDIA поколения Turing и новее с 8 ГБ VRAM, драйвер версии 580 и выше и SSD. Объём оперативной памяти зависит от варианта модели: около 32 ГБ для W4A8, 40 ГБ для W6A8 и 48 ГБ для FP8/INT8. Для тяжёлых вариантов авторы советуют 64 ГБ. Ноутбук без дискретной видеокарты и с 16 ГБ памяти не подойдёт.

Кому это пригодится

Практический смысл в экономике и приватности. Новые дубли не расходуют облачные кредиты: вы тратите только электричество и время своей видеокарты. Если вы работаете с закрытыми сценариями или чужими голосами по договору, они остаются на вашем компьютере. Игровым студиям и авторам курсов 16 голосов в одной сцене закрывают большую часть задач.

Ограничения тоже понятны. Сборка есть только под Windows и NVIDIA, а аппетиты по оперативной памяти высокие. Студию распространяют через Boosty (оплата картой) и Telegram (USDT, ЮMoney, Telegram Stars), так что бесплатной её не назвать. Качество результата зависит от Fish Audio Drama 3 и чистоты образца, поэтому перед серьёзным проектом стоит прогнать несколько тестовых дублей на своём железе.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: как устроена студия?

Внутри приложения уже лежат Python, PyTorch и ComfyUI, поэтому ничего ставить вручную не нужно. Движок запускается автоматически или вручную, как удобнее. Модели скачиваются отдельно прямо из программы: загрузка продолжается после обрыва, а файлы проверяются. После этого студия работает без интернета, а тексты и образцы голосов никуда не отправляются. Весь процесс собран в одном окне: подготовить голос, написать сценарий, попробовать подачу, послушать варианты, сохранить проект и выгрузить аудио для монтажа.

Что известно по теме: голоса, диалоги и эмоции?

Клонирование устроено просто. Вы загружаете запись, выбираете в ней 5–15 секунд чистой речи и используете этот голос для нового текста. Голос вместе с расшифровкой можно сохранить в библиотеку и вернуться к нему в следующем ролике или для реплик одного персонажа. Авторы напоминают: использовать нужно только записи, на которые у вас есть права. Для сцены с несколькими героями каждому персонажу назначают свой образец, и до 16 участников собираются в один сценарий. Можно начать и с обычного монолога.

Что известно по теме: проекты и требования к железу?

Проект сохраняется в файле .drama3: в нём лежат сценарий, параметры и сами образцы голосов. Кнопка «Вернуть в студию» восстанавливает настройки выбранного результата, а автосохранение и архив черновиков позволяют продолжить работу позже. Для длинных текстов есть автоматическое разбиение, чтение целиком или по строкам, отдельные дубли и сокращение долгих пауз. В расширенном режиме открываются выбор модели, seed и параметры генерации. Требования заметные.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Единое AI-пространство · Nomad

Протестируйте новые LLM и мультимодальные модели в одном окне

Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.

Открыть Nomad AI →Автономный Nomad Agent
Что вы думаете?
Загружаем комментарии…