Озвучка текста нейросетью без подписки: как устроен ZAE AI и почему мы сделали его так
Привет, Spark! Мы — ZAE AI, сервис нейросетевой озвучки на русском языке. Вставляете текст, выбираете голос — и через несколько секунд забираете готовую запись в MP3 или WAV. Без студии, микрофона и диктора.
Что умеет сервис
- Озвучка текста. В каталоге 56 русских голосов: деловой диктор, ведущая новостей, бабушка-сказочница, «голос из фильмов 90-х», Дед Мороз, детские голоса. До 12 000 символов за один раз.
- Клонирование голоса. Загружаете 10 секунд своей речи — и нейросеть читает любые тексты вашим тембром. Пример можно послушать бесплатно и без регистрации.
- Говорящее фото. Загружаете портрет и озвучку — человек на фото начинает говорить: губы, мимика, взгляд, жесты.
- Не только сайт. Тем же аккаунтом можно пользоваться в мини-приложении в Telegram.
Почему без подписки
Большинство сервисов озвучки продают тариф на месяц с лимитом символов. Но для многих озвучка — задача от случая к случаю: ролик для соцсетей, урок, презентация, поздравление. Платить за месяц ради одной записи обидно, а неизрасходованный лимит сгорает.
Поэтому у нас баланс в рублях и простые цены: 40 ₽ за 1000 символов озвучки, 200 ₽ один раз за собственный голос, 19 ₽ за секунду видео. После регистрации на счёт сразу падает 30 ₽ — этого хватает примерно на 700 символов, чтобы проверить качество на своём тексте.
Рабочая форма вместо лендинга
Мы сознательно не стали делать главную в виде рекламной страницы с кнопкой «Попробовать». Гость сразу видит каталог, слушает образцы голосов, набирает текст и видит его стоимость. Вход нужен только в момент, когда пора озвучивать, — и после входа человек возвращается на ту же страницу с набранным текстом и выбранным голосом.
Паролей в сервисе нет: код из четырёх цифр на почту, вход через Яндекс или подтверждение в боте Telegram. Отдельной регистрации тоже нет — аккаунт создаётся при первом входе.
Клон голоса — главное «вау»
Сильнее всего на людей действует клонирование. На странице клонирования голоса можно записать себя прямо с микрофона в браузере и через 10–20 секунд услышать фразу, которую вы никогда не произносили, — своим голосом. Бесплатно и без регистрации. Именно после такого примера чаще всего и решают попробовать сервис всерьёз.
При этом мы помним, что голос — это личные данные. Клонировать можно только свой голос или голос человека, который на это согласился. Сама запись не сохраняется, а голос из бесплатного примера удаляется через три дня, если его не забрали в кабинет.
Говорящее фото
Самая свежая функция. Загружаете фото — снимок с телефона, рисунок или сгенерированную картинку, — добавляете озвучку голосом из каталога или своим клоном, и нейросеть оживляет портрет под звук. Ролик от 4 секунд до 5 минут, MP4 720p. Если видео не получилось, деньги возвращаются на баланс сами. 
Что дальше
В этом блоге будем рассказывать, как растим сервис: откуда приходят клиенты, какие гипотезы сработали, а какие нет. Следующий пост — о том, где мы неожиданно нашли спрос на нейросетевую озвучку.
Попробовать ZAE AI: zae-ai.ru. Будем рады вопросам и обратной связи в комментариях.
