---
title: Модели аудио и речи
description: Какие модели Clipia озвучивают текст и пишут музыку — разработчики, языки, голоса, цены в кредитах и советы по выбору модели и голоса.
icon: AudioWaveform
---

В Clipia со звуком работают модели нескольких разработчиков: Google и ElevenLabs — для речи, Suno — для музыки. Ниже — что умеет каждая модель, на каких языках, сколько стоит и как выбрать модель и голос под задачу. Сами режимы и пошаговые сценарии описаны на странице [«Аудиостудия»](/ru/docs/studios/audio).

## Все модели

| Модель | Разработчик | Назначение | Языки | Цена |
| --- | --- | --- | --- | --- |
| Gemini 3.1 Flash TTS | Google | Озвучка текста, быстрая и управляемая | Русский, английский | 4 кредита / 1000 символов |
| Gemini 2.5 Pro TTS | Google | Озвучка текста для финальной версии | Русский, английский | 4 кредита / 1000 символов |
| ElevenLabs v4 | ElevenLabs | Выразительная озвучка и диалоги | Русский, английский | 7 кредитов / 1000 символов |
| ElevenLabs v4 Turbo | ElevenLabs | Быстрая озвучка и диалоги | Русский, английский | 4 кредита / 1000 символов |
| Suno Music | Suno | Музыка и песни по описанию | — | 12 кредитов за запуск |

<Callout type="info" title="Цены">
Цены на этой странице берутся из прайсинга сервиса и обновляются вместе с документацией. Точная стоимость всегда видна на кнопке запуска до списания.
</Callout>

Озвучка текста и музыка работают в [аудиостудии](/ru/docs/studios/audio): озвучка — на [/create-audio](/ru/create-audio), музыка — на [/create-audio/sozdat-pesnyu](/ru/create-audio/sozdat-pesnyu). Расшифровка, перевод речи, очистка записи и личный голос пока в разработке.

## Модели озвучки: какую выбрать

Все четыре модели озвучки читают по-русски и по-английски. Язык определяется по тексту: если в нём есть кириллица, текст читается по-русски, иначе — по-английски.

<FeatureGrid cols={2}>
  <Feature icon="Zap" title="Gemini 3.1 Flash TTS">
    Модель по умолчанию в студии. Быстрая и управляемая: 30 голосов, стиль, темп, акцент и образ диктора. Хороший выбор для коротких роликов, рекламы и черновиков.
  </Feature>
  <Feature icon="Clapperboard" title="Gemini 2.5 Pro TTS">
    Те же 30 голосов и режиссура, но аккуратнее в манере исполнения. Берите для финальной версии озвучки, когда черновик на Flash уже утверждён.
  </Feature>
  <Feature icon="Sparkles" title="ElevenLabs v4">
    Самая выразительная подача: эмоции, подсказки вроде шёпота и смеха, диалоги нескольких голосов, тексты до 10 000 символов за запрос.
  </Feature>
  <Feature icon="Gauge" title="ElevenLabs v4 Turbo">
    Те же 21 голос и диалоги, но быстрее и почти вдвое дешевле v4. Подходит для больших объёмов, где важна скорость.
  </Feature>
</FeatureGrid>

| Задача | Рекомендуемая модель |
| --- | --- |
| Закадровый голос для короткого ролика или рекламы | Gemini 3.1 Flash TTS |
| Финальная озвучка с точной режиссурой подачи | Gemini 2.5 Pro TTS |
| Диалог нескольких персонажей | ElevenLabs v4 или v4 Turbo |
| Большой объём текста с минимальной ценой | ElevenLabs v4 Turbo или Gemini |

**Пределы текста за один запрос:** у Gemini — от 10 до 500 символов, у ElevenLabs — от 10 до 10 000. На странице «Аудио» длинный сценарий делится на фрагменты автоматически, поэтому предел запроса там не мешает.

**Пример цены:** цена указана за 1000 символов, поэтому текст в 10 000 символов стоит в 10 раз больше: в ElevenLabs v4 — 10 × 7 кредитов.

## Как выбрать голос

- **Слушайте образцы.** У каждого голоса есть образец; прослушивание не списывает кредиты. У Gemini можно выбрать язык образца — русский или английский, хотя сама модель берёт язык из текста.
- **Фильтруйте.** Библиотеку голосов можно отфильтровать по полу (мужские, женские, нейтральные) и характеру, а также найти голос по имени.
- **Подбирайте под жанр.** Для рекламы — энергичный и яркий голос, для обучения и аудиокниг — спокойный, ровный, с хорошей дикцией, для новостей — уверенный дикторский.
- **Проверяйте на своём тексте.** Озвучьте короткий фрагмент в 1–2 предложения и только потом запускайте весь текст.

**Голоса по моделям:**

- **Gemini** — 30 голосов: 16 мужских и 14 женских. Характер подачи задаётся режиссурой: стиль, темп, акцент, вариативность, образ диктора и сцена.
- **ElevenLabs v4 и v4 Turbo** — 21 голос, например George, Bella, Brian, Sarah, Alice, Daniel, Laura, Matilda. Подача — «Эмоционально», «Сбалансированно» или «Ровно», плюс настройка сходства с голосом.

## Музыка

**Suno Music** (Suno) создаёт трек по описанию: инструментальную подложку или песню с вокалом. Длительность трека выбирает модель. Один запуск стоит 12 кредитов и включает все варианты, которые вернула модель. Лучше всего работают описания с жанром, настроением, темпом, инструментами и сценой: «спокойное фортепиано, тёплые струнные, мягкий ритм, без вокала».

## Смотрите также

<FeatureGrid cols={3}>
  <Feature icon="AudioLines" title="Аудиостудия" href="/ru/docs/studios/audio">Озвучка и музыка по шагам: голоса, настройки, диалоги.</Feature>
  <Feature icon="Cpu" title="Как выбрать модель" href="/ru/docs/models">Обзор моделей изображений, видео и звука.</Feature>
  <Feature icon="Coins" title="Кредиты и тарифы" href="/ru/docs/product/credits">Как списываются и возвращаются кредиты.</Feature>
</FeatureGrid>