Готовое решение: аудиовыпуск из текста, без микрофона. Берёшь статью/главу/заметки — ИИ превращает их в подкаст-сценарий (можно диалогом двух ведущих), синтезируешь естественную озвучку, добавляешь интро/музыку и выкладываешь. Голос — синтетический, студия не нужна.
Что получишь на выходе
- Готовый аудиофайл выпуска (моно-озвучка или диалог двух «ведущих»).
- Подкаст-сценарий из твоего текста: разговорный, с интро и аутро.
- Интро/джингл и сведение (голос громче музыки).
- Шоуноты (описание + таймкоды) для площадок и обложку.
- Повторяемый конвейер: следующий выпуск — за час.
Что понадобится
Инструменты из базы (по названию): ChatGPT/Claude (сценарий, шоуноты), ElevenLabs (естественная озвучка, в т.ч. несколько голосов) или Kokoro TTS/Chatterbox/Fish Audio (OpenAudio) (open-source, локально/бесплатно), DaVinci Resolve или OpenCut (свести голос + музыку, экспорт аудио), Descript (опц. — редактировать аудио «как текст», убрать мычание), Nano Banana Pro/Canva (обложка). Аккаунты/деньги/железо:
- Бесплатный путь: ChatGPT/Claude (free), Kokoro/Chatterbox (локально, для локального синтеза желателен GPU), OpenCut (в браузере). Любой ПК.
- Быстрый путь: ElevenLabs (~$5–22/мес — самые естественные голоса и мультиголос-диалог), Descript (free-лимит, дальше ~$12–24/мес).
Пошагово
- Сценарий из текста. Инструмент: ChatGPT/Claude. Действие: преврати материал в разговорный аудио-сценарий (моно или диалог). Готовый промт:
Преврати этот текст в сценарий подкаст-выпуска на 5–8 минут: <вставь текст>.
Формат: диалог двух ведущих (Ведущий А — задаёт вопросы, Ведущий Б — объясняет).
Структура: короткое интро (о чём выпуск) → 3–4 смысловых блока разговорно →
итог и аутро с призывом подписаться. Живая речь, без канцелярита, без воды.
Помечай реплики «А:» и «Б:».
Как понять, что ок: читается как живой разговор, а не зачитка статьи; есть интро и аутро; реплики помечены. 2. Озвучка. Инструмент: ElevenLabs (мультиголос — разные голоса на А и Б) или Kokoro TTS/Fish Audio (бесплатно/локально). Действие: назначь голос каждому ведущему, синтезируй по репликам, скачай аудио. Совет: скорость 1.0, паузы по пунктуации. Как понять, что ок: голоса различимы между собой, звучат ровно, без неверных ударений (переслушай). 3. Чистка (опц.). Инструмент: Descript. Действие: если есть живые вставки или нужно подрезать — редактируй аудио «как текст», убери паузы/слова-паразиты. Как понять, что ок: дорожка без длинных пауз и «эээ», темп бодрый. 4. Сведение. Инструмент: DaVinci Resolve или OpenCut. Действие: положи озвучку + интро-джингл + тихую фоновую музыку (−18…−24 дБ под голос), нормализуй громкость, экспортируй в MP3. Как понять, что ок: голос отчётливо громче музыки, нет скачков громкости между репликами, на выходе MP3. 5. Шоуноты + обложка. Инструмент: ChatGPT/Claude (описание/таймкоды) + Nano Banana Pro/Canva (обложка). Готовый промт для шоунотов:
Напиши шоуноты к выпуску по этому сценарию: <сценарий>.
Дай: 1) цепляющее описание на 3–4 предложения; 2) список таймкодов по блокам;
3) 5 тегов/ключевых слов для площадок.
Как понять, что ок: есть описание, таймкоды и обложка, читаемая миниатюрой. 6. Публикация. Действие: залей MP3 на хостинг подкастов (он раздаёт RSS на Spotify/Apple/Яндекс Музыку) или выложи как аудио в Telegram/соцсети. Как понять, что ок: выпуск доступен по ссылке/в приложении, обложка и описание на месте.
Бесплатный путь vs быстрый (платный)
| Шаг | Бесплатный путь | Быстрый (платный) |
|---|---|---|
| Озвучка | Kokoro / Chatterbox / Fish Audio (локально) | ElevenLabs (~$5–22/мес, мультиголос) |
| Чистка | вручную в редакторе | Descript (правка «как текст») |
| Сведение | OpenCut / DaVinci Resolve | DaVinci Resolve (та же, бесплатна) |
| Обложка | Canva free | Nano Banana Pro / Canva Pro |
Весь выпуск реально собрать бесплатно (Kokoro + OpenCut). Платный ElevenLabs покупает естественность голоса и удобный диалог двух ведущих — это слышно, но и бесплатные TTS уже звучат прилично.
Частые проблемы и решения
- Голос звучит «роботом». Короче предложения, расставь знаки препинания для пауз; в ElevenLabs снизь stability до ~40–50%; бери модель TTS поновее.
- Два ведущих звучат одинаково. Назначь явно разные голоса (тембр/пол/темп) и придерживайся ролей: А спрашивает коротко, Б объясняет.
- Неверное ударение/бренд. Пиши слово «как слышится» (транслит) или с дефисами между слогами.
- Музыка глушит голос. Опусти фон до −18…−24 дБ, включи нормализацию; голос всегда первым планом.
- Звучит как зачитка статьи. На шаге 1 проси «живой разговор, диалог, без канцелярита» и режь воду; добавь вопросы-связки между блоками.
Сколько времени и денег займёт
- Время: первый выпуск — 2–4 часа (пока осваиваешь); далее по шаблону — ~1 час на выпуск.
- Деньги: бесплатно (Kokoro/Chatterbox + OpenCut) или ~$5–25/мес за ElevenLabs (+ Descript при желании).
- Честно: синтез-голос уже звучит хорошо, но живую харизму ведущего пока не заменяет полностью; зато выпуск собирается без студии, микрофона и монтажёра.