Heygen Translate 2 — нейросеть HeyGen, которая помогает перевести видео на другой язык целиком: распознаёт речь, переводит её, озвучивает голосом того, кто в кадре, и перерисовывает губы под новые слова. Записывать голос и писать перевод не нужно, достаточно загрузить ролик и выбрать язык.
Коротко
- Разработчик
- HeyGen, американская компания, которая делает цифровых аватаров и перевод видео
- На входе
- одно видео MP4, MOV или WebM длиной от секунды до 6 часов, с речью на одном языке
- На выходе
- MP4 того же размера кадра, что исходник; в наших пробах 25 кадров в секунду, а длина 10-секундного ролика менялась меньше чем на секунду
- Звук
- новая речь голосом человека из ролика, у двоих собеседников — у каждого свой голос
- Языки
- 178 вариантов в списке, среди них региональные: английский для Канады, арабский для Египта и другие
- Русский язык
- переводит и на русский, и с русского; исходный язык указывать не нужно
- Цена
- от 8 ₽/сек.
Что умеет: перевод в обе стороны на трёх роликах
Чтобы перевести видео на другой язык вручную, речь нужно расшифровать, перевести текст, найти диктора и переозвучить, а потом ещё свести звук с картинкой так, чтобы рот не открывался невпопад. Здесь всё это делает одна нейросеть, вплоть до подгонки губ под новый язык (это называют липсинком). Жесты, взгляд, фон и свет остаются из исходника.
С английского на русский
Первый ролик — выдуманный влог на английском: лицо блогера создано в Nano Banana 2, речь и движение добавила Grok Video 1.5. Героиня делится привычкой читать по 20 минут в день. Мы отрезали первые 5 секунд, причём фраза в них обрывается на полуслове: «…every day just to». Тип генерации Speed, язык «Русский», остальное по умолчанию.
исходник, английский
Heygen Translate 2 · русский, Speed · от 8 ₽/сек.
Ролик пришёл через 2 минуты 20 секунд. Программа распознавания речи услышала в нём: «Всем привет! Расскажу о привычке, изменившей мою жизнь. Читаю по 20 минут ежедневно». Оборванное «just to» нейросеть просто выбросила и закончила фразу по смыслу. Голос остался женским и той же высоты: основной тон в исходнике и в переводе отличается на пару герц. Длина выросла с 5 до 5,3 секунды: включённая по умолчанию Динамическая длительность разрешила растянуть ролик, потому что русская фраза вышла длиннее английской.
Разговор двоих с русского на английский
Этот и следующий ролик — готовые примеры с этой страницы. Людей в них тоже нет на самом деле: кадры нарисовала GPT Image 2, а заговорили они в Grok Video 1.5. Двое в кафе обмениваются репликами про Казань и чак-чак. В форме выбран английский, а в поле Количество спикеров стоит 2.
исходник, русский
Heygen Translate 2 · английский, Speed, 2 спикера · от 8 ₽/сек.
Все три реплики переведены близко к тексту, вплоть до «Now I understand why everyone brings it home». Голоса не перепутались: вопрос задаёт женский голос, отвечает мужской, ниже по тону. Чак-чак остался чак-чаком. Ролик стал длиннее на 0,8 секунды.
Вертикальное селфи-видео
Второй пример — вертикальный ролик 720×1280, снятый как будто на фронтальную камеру. Девушка на кухне рассказывает, как за пять минут собирает обеды на неделю.
Heygen Translate 2 · с русского на английский, Speed · от 8 ₽/сек.
В английской версии слышно: «Hi! Today I'll show you how I pack lunches for the whole week in five minutes. All you need are some containers and a little bit of patience». Формат кадра не изменился, рука у плеча и покачивание камеры на месте. Здесь ролик, наоборот, сократился: с 10 до 9,1 секунды.
Только голос, без губ
Тот же влог мы обрезали до 3 секунд и включили Только перевод аудио. Новая речь снова звучит голосом героини, но картинка не меняется: на кадре ниже рот в этом режиме совпадает с исходником.
Слева исходник, в середине «Только перевод аудио», справа обычный перевод из первой пробы. В обычном режиме рот уже открыт под русскую речь, а в режиме без губ героиня улыбается, как в оригинале. Длина ролика тут не изменилась. А вот приветствие в нашей пробе пропало: распознавание нашло только «Сегодня расскажу о простой привычке, изменившей мою жизнь».
Как это работает
В поле Видео загрузите ролик, где человек говорит. В списке Язык перевода выберите, на какой язык переводить; русский стоит там по умолчанию. Язык оригинала нейросеть определит сама.
Дальше она расшифровывает речь, переводит её, озвучивает голосом говорящего и подгоняет губы. Образец голоса не нужен. Если включить Только перевод аудио, последний шаг пропускается и меняется только звук.
Цена зависит от длины ролика и типа генерации. Она появится на кнопке Отправить, как только видео загрузится, так что до запуска видно, во что обойдётся и короткий кусок, и часовая лекция. Наши ролики на 3–10 секунд приходили за 2–2,5 минуты. Готовое видео появится в ленте под формой и 7 дней пролежит в Моих результатах; чтобы оно не пропало, сохраните его в библиотеку или скачайте.
Настройки: что менять, а что оставить
| Поле | Что делает | Когда менять |
|---|---|---|
| Тип генерации | Speed стоит по умолчанию и дешевле, Precision дороже за секунду | HeyGen советует Speed для лица, повёрнутого к камере не больше чем на 45°, и одного говорящего. Precision — для съёмки в профиль, рта под рукой или микрофоном и разговора нескольких людей |
| Язык перевода | язык и вариант озвучки | для зрителей из конкретной страны выберите региональный вариант, например испанский для Мексики |
| Только перевод аудио | меняет голос, лицо не трогает | много людей в кадре, частые склейки, лицо мелкое или далеко |
| Количество спикеров | сколько человек говорит в ролике, от 1 до 20 | когда собеседников двое и больше: так нейросети проще раздать реплики разным голосам |
| Динамическая длительность | разрешает растянуть или сжать фразы под темп нового языка | выключайте, если длина ролика должна совпасть с оригиналом до кадра, например под готовый монтаж |
Precision мы в этот раз не запускали, поэтому про разницу режимов пишем со слов HeyGen. По её описанию, Precision ещё и дольше обрабатывается.
Каким должен быть исходник
- Говорят на одном языке. Если в ролике смешаны русский и английский, HeyGen предупреждает, что перевод может не получиться.
- Лицо крупно и смотрит в камеру, рот ничем не закрыт. Так губам проще попасть в новую речь даже в Speed.
- Под голосом нет громкой музыки и шума: нейросеть сначала должна разобрать слова.
- Склеек мало. Человек, который то появляется, то исчезает из кадра, мешает подгонке губ.
- Длинную запись сначала проверьте куском на 10–20 секунд: по нему слышно, как переводятся имена, цифры и термины.
Сколько стоит
Платите за секунды исходного видео, неполная секунда считается целой. Precision дороже Speed за секунду, а язык и переключатели на цену не влияют.
| Тип генерации | Длина видео | Цена |
|---|---|---|
| Speed | 10 секунд | 80 ₽ |
| Speed | 1 минута | 480 ₽ |
| Speed | 10 минут | 4 800 ₽ |
| Precision | 10 секунд | 160 ₽ |
| Precision | 1 минута | 960 ₽ |
Для проверки голоса и перевода хватит короткого куска в Speed. Готовый ролик для зрителей мы бы запускали в Precision, если в кадре несколько людей или лицо снято сбоку.
Для чего подойдёт
- Сделать английскую версию ролика о своём деле или товаре для покупателей из других стран.
- Перевести обучающее видео или запись вебинара на русский для коллег, которые не знают языка.
- Выпустить одно видеообращение сразу на нескольких языках: каждый язык — отдельный запуск.
- Перевести интервью или разговор двоих, указав число говорящих.
- Сделать русскую озвучку лекции, где лицо лектора мелкое: в режиме Только перевод аудио картинка останется прежней.
- Отправить семейное видео родственникам за границей на их языке.
Где перевод подводит
- Текст перевода заранее не увидеть и не поправить: поля для него в форме нет. Если нужно точное слово, переведите текст сами, озвучьте его в разделе «Озвучка текста» и подгоните губы в Heygen Lipsync V3.
- Надписи в кадре и вшитые субтитры не переводятся. Внутри файла есть отдельная дорожка субтитров на языке перевода (её показывают VLC и QuickTime), но во всех наших роликах в ней не хватало последней фразы. Надписи прямо в кадре добавит VEED Subtitles.
- Песни, по словам HeyGen, переводятся плохо. Для клипа лучше подходит липсинк под готовую запись, например Sync Lipsync 3.0.
- Короткие оборванные фразы нейросеть может выбросить или досказать по-своему, как в первой пробе. Режьте ролик по паузам.
- Ролик по ссылке не принимается, только файл. Переводить чужое видео без согласия автора не стоит: голос и лицо принадлежат человеку в кадре.
Чем отличается от других нейросетей для видео с речью
Heygen Translate 2 делает всё сама, от расшифровки до новой речи. У соседей другой порядок: вы приносите готовую запись, а нейросеть только подгоняет под неё губы. Это дольше, зато текст и голос под вашим контролем. Остальные нейросети HeyGen собраны на странице линейки, а другие способы переделать готовый ролик — в разделе «Изменение видео».
| Нейросеть | Цена | Что делает | Когда брать |
|---|---|---|---|
| Heygen Translate 2 | от 8 ₽/сек. | сама переводит и озвучивает голосом говорящего, 178 языков, до 20 говорящих, ролик до 6 часов | перевести ролик целиком, когда точная формулировка не важна |
| Heygen Lipsync V3 | от 8 ₽/сек. | губы под вашу запись, в исходнике должна звучать речь; режимы «Быстро» и «Точно», отрезок по секундам | свой текст перевода или замена одной фразы |
| InfiniteTalk Video | от 3 ₽/сек. | губы и мимика под новую запись, видео и аудио до 10 минут, 480p или 720p | новая озвучка чужим или синтетическим голосом |
| VEED Subtitles | от 15 ₽/мин. | вшивает субтитры в кадр на языке речи, сама не переводит | ролик для просмотра без звука |
Вопросы о переводе видео
Описание обновлено 20 октября 2026 г.