Модели
Модели аудио и речи
Какие модели Clipia озвучивают текст и пишут музыку — разработчики, языки, голоса, цены в кредитах и советы по выбору модели и голоса.
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».
Все модели
| Модель | Разработчик | Назначение | Языки | Цена |
|---|---|---|---|---|
| Gemini 3.1 Flash TTS | Озвучка текста, быстрая и управляемая | Русский, английский | 4 кредита / 1000 символов | |
| Gemini 2.5 Pro TTS | 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 |
Цены
Цены на этой странице берутся из прайсинга сервиса и обновляются вместе с документацией. Точная стоимость всегда видна на кнопке запуска до списания.
Озвучка текста и музыка работают в аудиостудии: озвучка — на /create-audio, музыка — на /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.
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.
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.
ElevenLabs v4
Самая выразительная подача: эмоции, подсказки вроде шёпота и смеха, диалоги нескольких голосов, тексты до 10 000 символов за запрос.
ElevenLabs v4 Turbo
Те же 21 голос и диалоги, но быстрее и почти вдвое дешевле v4. Подходит для больших объёмов, где важна скорость.
| 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
Модели видео
Паспорта видеомоделей Clipia — Veo, Kling, Seedance, Wan, HappyHorse, Hailuo, Grok и другие: режимы, длительность, качество, звук, цены и выбор по задаче.
Быстрый старт
Первая генерация изображения через Clipia API за четыре шага — от создания ключа до готового результата, с примерами на cURL, TypeScript и Python.