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
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.
- 28 окт. 2026 г.Агент собирает моушн-студию из 20 открытых библиотек: от Remotion до Whisper
- 19 июл. 2026 г.ElevenLabs воссоздала голос актёра Майкла Кейна для аудиокниги «Одиссея» Гомера
- 2 мая 2026 г.Нейросеть для озвучки: сравнение Yandex SpeechKit и CosyVoice
- 12 нояб. 2026 г.Qwen 4 за 30 минут собрал приложение для обмена файлами ПК и телефона
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.
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.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.