Які платні клони голосу тестувати далі
Перевірено 1 жовтня 2026 року. Для першого порівняння рекомендую ElevenLabs v4 + MiniMax Speech 2.8 HD. Якщо брати один сервіс — ElevenLabs. Fish S2.1 Pro та Cartesia Sonic 3.6 — наступні кандидати. Це мій порядок тестування за можливостями й доступністю, а не виміряний рейтинг схожості з Васею: ці чотири сервіси на його записах ще не тестувалися.
Поточне аудіо й попередні проби · Голосова ДНК · Сценарій для порівняння
Короткий вибір
| Сервіс | Для чого беру в тест | Вхідні записи | Опублікована ціна |
|---|---|---|---|
| ElevenLabs v4 | Перший кандидат на тембр, живу подачу та характерні мікрофрази; окремо є Voice Changer | Для швидкого клону документація радить приблизно 1–2 хв. Для професійного — від 30 хв, краще 2–3 год | Starter $6/міс зі швидким клонуванням; Creator $22/міс, перший місяць $11, додає професійне |
| MiniMax Speech 2.8 HD | Другий незалежний кандидат: короткий референс, керування емоцією, темпом і звуковими вставками | API приймає 10 с – 5 хв | $1,50 за клон при першому синтезі; HD $100 / 1 млн символів |
| Fish Audio S2.1 Pro | Детальні словесні вказівки всередині репліки; кілька референсів і приватний профіль | Рекомендація: від 10 с на фрагмент, 1–2 хв чистого мовлення покращують результат | $15 / 1 млн UTF-8 байтів; той самий S2.1 доступний у безкоштовному тестовому режимі з обмеженнями |
| Cartesia Sonic 3.6 | Розмовна манера, темп, акцент; дешевий незалежний контрольний варіант | Швидкий клон 10–60 с; професійний 30+ хв | Pro $5/міс зі швидким клоном; Startup $49/міс із професійним |
Джерела для таблиці: Eleven v4, Eleven PVC, Eleven тарифи; MiniMax Clone API, MiniMax тарифи; Fish клонування, Fish тарифи; Cartesia швидкий клон, професійний клон, тарифи.
Ціни — з відкритих сторінок, у USD; податки, мінімальне поповнення й доступ конкретного акаунта можуть відрізнятися. Місячний план, плата за створення голосу та використання API — різні статті витрат. Не купував підписок і не списував коштів у цьому дослідженні.
Чому ElevenLabs — перша спроба
V4 вийшов 28 вересня 2026 року; для змонтованого рілса обираю звичайний eleven_v4, орієнтований на якість. Це новіша версія, ніж v3 із багатьох старих порівнянь. Офіційний випуск.
Українська прямо є в переліку v4. Модель має налаштування схожості й стабільності та текстові вказівки подачі. Виробник заявляє краще відтворення тембру, ритму й манери; це ще не доказ переваги на Васі. Для першої проби використаємо українські записи з однією манерою, а не суміш тихого інтерв'ю та гучного влогу. Документація v4.
Доступ до клону має значення перед оплатою. Сторінка v4 вказує перевірену згоду власника голосу. Для професійного клону документація ще конкретніша: Вася створює та верифікує власний голос у своєму акаунті, після чого може приватно поділитися ним. Наш API-ключ сам по собі цього не замінює. Умови v4, порядок PVC.
Чому потрібен ще й speech-to-speech
У завданні є два критерії: хто звучить і як сказано конкретну фразу. Для другого корисно передати вже зіграну репліку з потрібними паузами, підйомами й закінченнями та замінити тембр. ElevenLabs Voice Changer має API, підтримує українську й призначений для збереження подачі вхідного запису. Це окрема модель, не режим v4. Документація Voice Changer.
Мій наступний експеримент: порівняти прямий TTS із перетворенням контрольної української репліки, зіграної за нашим інтонаційним планом. Донор має вимовляти саме новий текст. Конвертація не може автоматично перенести всі особливості Васі на будь-які слова; якість виконання до перетворення залишається важливою.
Що перевірятимемо в інших трьох
MiniMax: українська є в документації та має окрему демонстраційну сторінку. Speech 2.8 додає звукові вставки на кшталт вдиху й сміху. Для Васі цікаві короткі запитання, числові уточнення та перехід до спокійної особистої історії. Успіх на англійських демонстраціях не гарантує українських наголосів. Українська, Speech 2.8.
Fish: S2.1 Pro — поточна рекомендована модель з 83 мовами й довільними описами подачі в квадратних дужках. Безкоштовна API-версія має ту саму модель, але без гарантій затримки та DPA. Оплата йде за байти: українська кирилична літера зазвичай займає два UTF-8 байти, тому «мільйон байтів» не дорівнює мільйону українських літер. Моделі, білінг.
Українська перевірялася у звіті авторів попереднього S2. У їхньому тесті показники правильності слів та схожості голосу давали різних лідерів. Це аргумент перевіряти обидва критерії; той березневий тест не порівнює сьогоднішні v4 та S2.1 і не є незалежним тестом нашого матеріалу. Першоджерело, таблиця 2.
Cartesia: Sonic 3.6 прямо підтримує українську; рекомендований стабільний знімок — sonic-3.6-2026-08-27. Швидкий клон переймає настрій, темп та акцент референсу. Професійний потребує 30+ хв якісного мовлення однієї людини; його швидкість і гучність задаються навчальними записами. Наші 65 хв різних відео не можна автоматично вважати таким набором: там є гості й музика. Модель, правила професійного клону.
Що не купувати першим
Respeecher цікавий для окремого замовлення: має український TTS і явне керування наголосом. Проте його публічний API не пропонує самостійне клонування; індивідуальні голоси узгоджуються з командою. Звичайного ключа буде недостатньо. Мови й наголоси, межі публічного API.
Resemble AI залишаю в резерві: сторінка Voice Creation вказує Business або вищий план для API клонування. Таблиця мовних кодів містить українську, але сама по собі не підтверджує її якість і доступність для конкретного клону. Перед оплатою дорожчого плану потрібне підтвердження цього сценарію. Voice Creation, SSML та мовні коди.
Які ключі потрібні
- ElevenLabs: API-ключ із доступом до генерації, голосів і Voice Changer. Якщо вже є підтверджений клон — також його
voice_id. Для першої короткої проби достатньо почати зі Starter; Creator потрібен для шляху професійного клону. Ключі та дозволи. - MiniMax: звичайний Open Platform API-ключ із балансом для Speech і доступом до Voice Cloning. Для цього тесту обираємо pay-as-you-go ключ. Де створити ключ, документація доступу.
- Fish, за бажанням: ключ із кабінету API; спочатку перевіримо безкоштовний S2.1 Pro, потім платний за потреби. Підписка вебредактора для API не потрібна. Порядок доступу.
Для першого проходу я б узяв ElevenLabs та MiniMax; Fish можна додати без великої попередньої покупки. Значення ключів залишаються у приватній конфігурації, а в звіті з'являться лише результати й витрати.
Як визначимо, що стало краще
На однаковому тексті зробимо щонайменше три дублі кожного кандидата. Окремо перевіримо спокійне інтерв'ю, наполегливе уточнення та енергійне влогове завершення. Гучність вирівняємо; спочатку порівняємо сухий голос без музики.
Контрольні фрази: «Скільки?», «Ні, ну конкретно», «За місяць?», «ну і де я?», «дев'ять місяців», «шість мільйонів переглядів», «тому малому», «Вася, ти молодець», «Поїхали!». Перевірятимемо схожість тембру, наголоси, тривалість пауз, мелодику запитань, цілісність слів та стабільність між дублями. Порівняння завершиться повним сценарієм, бо в попередньому проході короткі проби не завжди передбачали якість довгого дубля.
Поки що не доведено: який із цих сервісів найкраще відтворює саме Васю; чи конкретний акаунт має доступ до всіх функцій; як моделі виконують наші наголоси. Ключі й нові генерації — наступний етап, а не приховано виконана частина цього огляду.