Озвучивает текст голосом из короткого аудиопримера и старается сохранить манеру речи диктора. За один запуск — до 700 символов, это около минуты речи. Цена - 3 ₽ за запуск.
Zonos2 — нейросеть Zyphra, которая читает любой текст голосом из короткой записи: загрузите файл или запишите до 30 секунд своей речи прямо в форме. Удобный способ клонировать голос онлайн без отдельного шага: голос не нужно сохранять заранее, образец идёт в каждый запуск вместе с текстом.
Для статьи мы сделали в Zonos2 девять записей: хотелось понять, насколько хорошо здесь получается клонировать голос онлайн по записи в полминуты. Голоса реальных людей не брали: образцами послужили записи, которые раньше озвучили другие нейросети сайта, а каждое слово результата сверили распознаванием речи. Тембр и подачу распознавание не оценит, их стоит послушать самим.
Первым образцом стала мужская речь на 23 секунды, которую мы когда-то получили в Inworld TTS 1.5 (голос Николай):
Inworld TTS 1.5 · образец голоса, 23 секунды · от 6 ₽ за 1000 символов
Этим голосом Zonos2 прочитала сообщение мастерской: номер заказа, даты, время, этаж, цена и телефон. Сначала цифрами, как пишут обычно, потом то же самое словами. Настройки по умолчанию, переключатель Дополнительные настройки выключен.
Добрый день! Это мастерская «Стружка». Ваш заказ № 318 готов: книжная полка из дуба и две табуретки. Забрать можно с 5 по 9 октября, с 10:00 до 19:00. Если удобнее доставка, она стоит 1500 рублей, привезём на 4-й этаж сами. Позвоните нам по номеру 8 912 407-15-63 или просто ответьте на это сообщение.
Русские слова в первой записи распознались все до одного, а вот числа модель прочитала по-английски: «three hundred and eighteen», «ten o'clock», «fifteen hundred», а «4-й этаж» превратился в «фор этаж». Во второй записи даты, время, этаж и телефон звучат по-русски, распознавание не нашло ни одной ошибки. Поэтому перед отправкой перепишите все числа словами, включая номера телефонов. Знак № модель сама прочитала как «номер».
Русский образец годится и для английского текста. Мы перевели сообщение на английский, включили Дополнительные настройки и выбрали язык «Английский (США)». Числа на этот раз оставили цифрами.
Hi, this is Stružka woodshop. Your order 318 is ready: an oak bookshelf and two stools. You can pick it up between October 5 and October 9, from 10 a.m. to 7 p.m. Delivery costs $20, and we'll carry everything up to the 4th floor ourselves.
Zonos2 · образец по-русски, язык «Английский (США)» · 3 ₽
Здесь всё прочитано верно: «October fifth», «ten a.m.», «twenty dollars», «fourth floor». Когда язык выбран вручную, модель сама превращает цифры в слова, а в режиме «Авто», по подсказке формы, этот шаг пропускается. Русского в списке языков нет, поэтому для русского текста цифры приходится расписывать самим.
Переключатель Точное совпадение голоса по умолчанию включён. Чтобы проверить, как он влияет на подачу, мы взяли образец поживее: реплику со вздохом и смехом, которую озвучила MiniMax Speech 2.8 (голос Валера).
MiniMax Speech 2.8 · образец голоса, 16 секунд · от 10 ₽ за 1000 символов
Zonos2 · «Точное совпадение голоса» включено · 3 ₽
Zonos2 · «Точное совпадение голоса» выключено · 3 ₽
Слушай, я честно пытался. Три раза перечитал инструкцию, собрал этот шкаф, а у меня осталось шесть лишних шурупов. Шесть! И дверца всё равно скрипит. Знаешь что? Пусть так и стоит. Я иду пить чай.
По длине записи почти равны, 16,5 и 17,3 секунды. С включённым переключателем модель делает заметные паузы между фразами, до секунды. Без него речь идёт плотнее, а «Шесть!» распознавание услышало как удивлённый вопрос. По подсказке формы первый вариант ближе к образцу, второй выразительнее. Решайте на слух.
Начало сказки на 582 символа мы прочитали мужским образцом из первой пробы и женским, тоже из Inworld TTS 1.5 (голос Светлана, 13 секунд). Обе записи вышли целиком, без пропусков.
Глава первая. Маяк на Сосновом мысе. Смотритель маяка Аркадий Ильич не любил гостей, но в тот ноябрьский вечер к нему постучали трижды. Сначала пришёл почтальон, промокший до нитки, и оставил толстый конверт без обратного адреса. Потом заглянул сосед с ведром мелкой рыбы: сказал, что шторм надвигается с запада и до утра лодки в бухту не вернутся. Третий стук раздался почти в полночь. На пороге стояла девочка лет десяти в жёлтом дождевике, с фонариком в одной руке и картой в другой. Карта была старая, с оборванным краем, и на ней красным карандашом кто-то обвёл именно их маяк.
Мужской голос уложился в 38 секунд, женский в 40. А вот длинный текст модель не дотянула. Ту же сказку на 864 символа она прочитала за 53 секунды и потеряла последнее предложение. Полную главу на 1418 символов оборвала на двадцатой секунде, а в первой фразе перепутала слова. По словам разработчиков, Zonos2 делает запись длиной до минуты, и наши пробы с этим сходятся.
В Zonos2 два обязательных поля. В поле Текст вставьте то, что нужно озвучить. В поле Голосовой пример загрузите файл до 30 секунд или запишите речь прямо в форме с микрофона. Нажмите Отправить: модель снимет с образца тембр и манеру речи и прочитает ваш текст этим голосом заново, слова из образца в результат не попадают. Голос берите свой или того, кто сам разрешил его повторить. Текст отправляйте частями до 600 символов: длинный модель обрывает на середине.
Отдельного шага «создать клон» здесь нет, и клон нигде не сохраняется. Для следующей записи тем же тембром образец загружают снова. Под готовым результатом есть кнопки Изменить (задание и настройки вернутся в форму, текст можно поправить) и Повторить (то же задание запустится ещё раз, если первый дубль не понравился). Стоимость зависит только от длины текста и видна на кнопке до запуска.
Готовая запись в формате WAV появится в ленте под формой и в разделе Мои результаты, где её можно прослушать и скачать. Там она хранится 7 дней, удачные дубли лучше сохранить в библиотеку. Наши записи были готовы за 25–50 секунд, первая шла почти четыре минуты.
В базовом режиме, с выключенными Дополнительными настройками, модель работает со своими значениями по умолчанию. Для русского текста этого достаточно. Если включить переключатель, откроются ещё семь полей:
От образца зависит больше, чем от любых ползунков. Нам хватило записей на 13–23 секунды. Важнее длины чистота: говорит один человек, ровно и разборчиво, без музыки, эха и уличного шума. Модель старается перенять и манеру речи, а отдельного поля эмоции у неё нет. Поэтому для делового сообщения выбирайте спокойный кусок записи, а для реплики персонажа поживее.
Повторяйте только свой голос или голос человека, который сам согласился, чтобы его голосом озвучили текст. Чужую запись без спроса не загружайте, даже ради шутки. Мы для статьи брали только речь, созданную другими нейросетями сайта.
С текстом три правила по нашим пробам:
Так выглядит текст, готовый к отправке: числа словами, одна мысль на фразу, около двухсот символов.
Привет! Это Оля из книжного клуба «Полка». Встречаемся в субботу, в шесть вечера, в кафе на Садовой. Обсуждаем «Мастера и Маргариту», так что дочитайте хотя бы до бала. Если опаздываете, напишите в общий чат.
Платите за каждую начатую тысячу символов текста. Образец и настройки цену не меняют. Подписки нет.
| Длина текста | Цена |
|---|---|
| до 1000 символов | 3 ₽ |
| от 1001 до 2000 символов | 6 ₽ |
Одна фраза в двадцать символов стоит как полная тысяча, так что выгоднее отправлять кусок побольше. Но помните про длину: за один запуск модель надёжно прочитала у нас около 600 символов, поэтому текст длиннее тысячи всё равно придётся делить.
Других версий Zonos на сайте нет. В таблице собраны нейросети, которые тоже озвучивают текст по вашей записи. Все озвучки сайта с общей фразой для сравнения собраны в обзоре «Озвучка текста», а по шагам клон описан в инструкции про клон голоса.
| Нейросеть | Цена | Образец голоса | Чем отличается |
|---|---|---|---|
| Zonos2 | 3 ₽ | 1–30 с, в каждый запуск | голос не сохраняется, читает по-русски, запись с микрофона |
| Qwen3 TTS | 10 ₽ за 1000 символов | лучше 5–15 с, в каждый запуск | ещё готовые голоса и голос по описанию |
| Chatterbox TTS | 5 ₽ за 1000 символов | 5–30 с, в каждый запуск | только английский текст |
| Мега | 13 ₽ за 1000 символов | 10–300 с, один раз | клон хранится в «Моих голосах», есть эмоции |
| Ультра | 2 ₽ за 1000 символов | 10–30 с, один раз | клон хранится в «Моих голосах», четыре языка |
Если нужно не озвучить новый текст, а заменить голос в готовой записи или песне, это задача для Замены голоса.
Описание обновлено 2 октября 2026 г.
Голос экскурсовода по записи 16 секунд
Голосовой пример 16 секунд, настройки по умолчанию.
Промпт: Добрый вечер! Сегодня мы пойдём по Невскому от Адмиралтейства к Аничкову мосту. Идти около часа, так что берите удобную обувь и зонт: погода в Петербурге меняется за пять минут.