Fish Audio опубликовала веса Drama 3 — третьей версии своей модели синтеза речи, — и теперь нейросеть для голоса управляет интонацией обычными словами, вплоть до смены подачи посреди предложения. Если коротко: ты даёшь текст и по-человечески объясняешь, как его сыграть, а модель ведёт строку по твоей режиссуре. Веса лежат на Hugging Face, примеры и описание — в блоге Fish Audio, но лицензия тут Fish Audio Community License, а не неограниченная open-source.
Что вообще произошло
Fish Audio представила Drama 3 и опубликовала её веса. «Веса» — это, если совсем по-простому, начинка модели, которую можно запускать и изучать отдельно, а не только дёргать чужое приложение через кнопку. Главная фишка Drama 3 — управление исполнением обычным языком. Ты не подбираешь ползунки наугад, а пишешь что-то вроде «начни устало, к середине разозлись, последнюю фразу почти шёпотом» — и получаешь не ровную дикторскую читку, а живое исполнение. Причём подачу можно менять прямо посреди предложения: одна часть фразы звучит одним образом, другая — уже иначе.
Это сразу поднимает неудобный вопрос: долго ли премиальные закрытые модели вроде ElevenLabs будут удерживать преимущество, если открытые веса подбираются к выразительному диалогу всё ближе. И второй вопрос, ещё неприятнее: что это значит для голосовых актёров. Даже если такие модели не заменят сильное исполнение главной роли, дешёвая и легко редактируемая речь может поджать мелкие заказы, с которых люди обычно начинают.
Что это даёт лично тебе
Маме двоих детей — аудиосказку на ночь. Она пишет короткую историю, просит начать тепло и медленно, а на словах героя сменить подачу на хитрую и шёпотную. Получается не робот из навигатора, а почти домашний спектакль, который можно переслушивать.
Владельцу кофейни — объявления и сторис. Утреннее меню можно озвучить бодро, вечернее — мягко, а фразу про новинку выделить другой интонацией прямо внутри записи. Не нужно каждый раз искать человека, чтобы переписать одну строку.
Фрилансеру-дизайнеру — черновую озвучку роликов. Клиент просит «сделать посерьёзнее, но не занудно» — и ты правишь не весь текст заново, а формулировку режиссуры. Это экономит время на согласованиях.
Студенту — озвучку конспекта или презентации. Можно попросить речевой синтезатор читать термины медленно, а выводы — с паузой. Для повторения перед экзаменом такая озвучка иногда полезнее, чем ещё раз перечитать те же слайды.
Автору мини-курса или подкаста — проверку сценария. Сначала собираешь черновую дорожку, слушаешь, где провисает, и только потом идёшь в студию или к актёру. Если хочется сгенерировать голос с помощью нейросети под конкретную задачу, такой черновик помогает понять, что вообще нужно.
Небольшому бизнесу — быстрые тесты рекламы. Один и тот же текст можно сыграть по-разному и посмотреть, какая подача лучше держит внимание. Не факт, что это заменит продакшн, но для проверки гипотез — удобно.
Как попробовать прямо сейчас
1. Начни с бесплатного и простого: открой блог Fish Audio и посмотри, как описывают Drama 3 и что она умеет. Это лучший первый шаг, если не хочешь сразу лезть в технику.
2. Если умеешь запускать модели, забери веса на Hugging Face. Перед скачиванием прочитай Fish Audio Community License — это не безлимитная open-source лицензия, условия надо знать заранее.
3. Подготовь короткий текст на несколько строк. Прямо в нём пометь режиссуру обычными словами: где начать спокойно, где ускориться, где сделать паузу, где сменить подачу посреди фразы.
4. Для разметки и идей открой DeepSeek и попроси разложить текст по интонациям. Это отдельный помощник для работы с текстом, он не заменяет саму модель озвучки, но помогает быстро придумать, как сыграть строку.
5. Сгенерируй, послушай, поправь формулировки. Одна и та же мысль, сказанная чуть иначе, может звучать совсем по-другому.
Плюсы и что изменится
Главный плюс — режиссура становится текстовой. Ты объясняешь задачу человеческим языком, а не угадываешь, какой ползунок даст нужную эмоцию. Для обычного человека это снижает порог входа: не нужно быть звукорежиссёром, чтобы получить не плоскую читку.
Второй плюс — открытые веса. Когда начинка модели доступна, вокруг неё быстрее появляются эксперименты, а закрытым сервисам приходится двигаться. Для тебя это в перспективе означает больше вариантов, а конкуренция будет давить на цены и удобство. Если ищешь бесплатную нейросеть для озвучки, сначала всё равно проверь лицензию и условия: доступ к весам — это не то же самое, что полная свобода делать что угодно.
Что изменится в перспективе: черновую озвучку можно будет делать самому, а студию или актёра оставлять для финала, где нужна сильная игра. Но демо — это ещё не продакшн. Хороший короткий пример не гарантирует, что модель так же ровно отработает целый проект.
Минусы и ограничения честно: лицензия Fish Audio Community License, а не неограниченная open-source; качество, скорость, надёжность и удобство всё ещё надо проверять на своих задачах; а голосовым актёрам часть мелких заказов может стать заметно сложнее получить. Это не конец профессии, но повод следить за рынком.
Итог и что сделать сегодня
Drama 3 — это про то, что управление интонацией перестаёт быть магией за закрытыми дверями. Ты можешь взять несколько строк, описать исполнение простыми словами и услышать результат. Сегодня сделай один маленький тест: возьми свою фразу, напиши к ней режиссуру и попробуй получить хотя бы два разных варианта звучания. Если хочешь разобраться быстрее — сохрани статью.
🎁 Бонус
Вот промпт для DeepSeek, который помогает разметить сценарий под Drama 3. Скопируй и замени текст в квадратных скобках.
```
Ты — режиссёр озвучки. Вот мой текст: [вставь сюда несколько строк]. Разметь его простыми русскими словами для модели синтеза речи: где начать спокойно, где ускориться, где сделать паузу, где сменить подачу прямо посреди фразы. Не используй сложные термины и не переписывай сам текст без необходимости. После разметки подскажи, какие несколько мест стоит проверить на слух в первую очередь.
```
И короткий чек-лист перед генерацией:
• проверь, что в тексте нет двусмысленных фраз, которые можно прочитать двумя способами;
• отметь хотя бы одну смену подачи внутри предложения;
• прочитай вслух свою режиссуру — если звучит как инструкция роботу, перепиши человечнее;
• послушай результат на обычных колонках или в наушниках, а не только в одном приложении.
Комментарии 0