ElevenLabs V4 или Gemini 3.8: какую нейросеть выбрать для озвучки на русском

Главная сила V4 — ремарки. Вы ставите [whispers] перед фразой, и шёпотом звучит именно она, а остальной текст остаётся как был. Так же работают смех, вздох, сарказм, восторг. В студии ремарки вставляются чипами из панели разметки, их не нужно помнить наизусть.

Это удобно, когда текст живой и меняет настроение по ходу: рекламный ролик с «секретом» в начале, UGC-распаковка, монолог персонажа. Для ровного чтения у V4 есть ползунки: «Стабильность» делает голос спокойнее и предсказуемее, «Экспрессия» — ярче.

Текст примера: «[whispers] Секрет, который знают только местные. [excited] В пекарне „Колос“ на Садовой хлеб достают из печи каждые два часа! [laughs] Да, мы проверяли. Корочка хрустит, мякиш ещё тёплый. [happy] Заходите после восьми — круассаны тоже успеют.»

Gemini 3.8 ремарки не отыгрывает. Зато она понимает описание подачи — так, как вы объяснили бы его диктору: «спокойно, как преподаватель, цифры — чётко». Один удачный промпт потом переносится на следующую главу или следующий ролик серии, и подача повторяется.

Ниже — тот же текст пекарни, но без ремарок. Подача: «Тепло и доверительно, начало чуть тише, на детали — улыбка, финал — бодрее».

Вторая сильная сторона — диалог. Пишете реплики в формате «Имя: текст», и студия раздаёт их двум голосам, у каждого своя манера. Сцена озвучивается одним запуском, без склейки отдельных файлов.

Текст диалога: «Мама: Ты уроки сделал? Сын: Почти! Осталась одна задача — про поезд. Мама: Тот, который выехал из пункта А? Сын: Он самый. Мам, он до сих пор едет. Мама: Значит, и ты до сих пор делаешь уроки.» Мама — голос Kore, «устало, но с теплом»; сын — Puck, «быстро, с азартом».

Больше всего ошибок в русской озвучке дают не голоса, а цифры: «2,5%», «15 марта», телефон, который читается как сумма. Это не зависит от модели. В zvook студия переводит цифры, даты и телефоны в слова до синтеза, поэтому обе модели читают их правильно. Ударение в спорном слове ставится знаком «+» перед гласной, и это тоже работает в обеих.

Текст примера: «Откройте раздел „Заказы“ и найдите строку 2048. Если оплата прошла 15 марта, а товар не отгружен, статус должен быть „В сборке“. Скидка 12,5% применяется автоматически — проверять её вручную не нужно. Вопросы — по телефону 8 800 555 12 34.»

Рекламный ролик — обе подходят. Gemini 3.8 быстрее: подача задаётся одной фразой. V4 — если нужна эмоция в конкретном месте, например шёпот в начале.

Аудиокнига — Gemini 3.8, когда в сцене два героя или нужна одна подача на всю главу. V4 — когда хочется точечных эмоций в репликах. Подробнее — на странице про озвучку книги.

Курс и урок — чаще Gemini 3.8: «спокойно, как преподаватель» задаёт ровный темп на весь урок. Подробнее — про озвучку курсов.

Рилс, UGC, персонаж — ElevenLabs V4: смех и вздох в нужной фразе делают голос живым.

Другие языки — обе. У Gemini 3.8 их больше: 130+ против 90+.

Подробнее о каждой модели — на страницах ElevenLabs V4 на русском и Google Gemini 3.8, а все модели рядом — на странице моделей.

В zvook модель переключается в том же проекте. Можно озвучить абзац на V4, переключиться на Gemini 3.8 и сравнить на своём тексте. Если после правки нужно переозвучить одно место, Smart Fix перегенерирует только его, а не весь текст — это работает на обеих моделях.