ИИ-дубляж видео: инструменты, цена за минуту и где всё ломается

Коротко

ИИ-дубляж — конвейер из трёх шагов: распознавание речи с таймкодами, перевод с укладкой в длительность реплики, синтез речи поверх исходной дорожки. Липсинк — необязательный четвёртый шаг, он переставляет губы под новую фонетику и тарифицируется отдельно.

Цены на июль 2026. У HeyGen тариф Creator стоит $29 в месяц и даёт 600 кредитов; дубляж без липсинка списывает 2 кредита за минуту (около 300 минут), полный перевод видео с липсинком — 5 кредитов за минуту (около 120 минут). У Rask AI тариф Creator — $60 за 25 минут в месяц, то есть $2,4 за минуту готового дубляжа. ElevenLabs из России без VPN недоступен: сервис официально блокирует доступ с российских IP. Бесплатно послушать перевод чужого ролика можно закадровым переводом Яндекс Браузера, но выгрузить дорожку он не даёт.

Автомат уверенно тянет одного спикера, чистый звук и говорящую голову. Ломается на перебивающих друг друга голосах, музыке под речью, терминах, числах и всём, где важна интонация. Час правки после генерации закладывайте всегда.

Этот разбор — про деньги и границы применимости: пересчёт тарифов в цену за минуту, места, где качество проваливается, и правовая сторона клонирования голоса. Если нужен общий обзор сервисов, языков и синхрона губ, он собран отдельно — ИИ-дубляж видео: перевод и озвучка 2026.

Как устроен ИИ-дубляж

Под кнопкой «перевести видео» всегда одна и та же цепочка. Знать её нужно ровно затем, чтобы понимать, на каком шаге сломалось.

1. ASR — распознавание речи. Из дорожки достаётся текст с таймкодами и, если сервис умеет, с разметкой «кто говорит» (диаризация). Ошибка здесь протекает во все следующие шаги: не расслышанный термин будет переведён неправильно и озвучен уверенным голосом.
2. Перевод с укладкой. Это не обычный перевод: реплика должна уложиться в тот же интервал времени. Русская фраза почти всегда длиннее английской, поэтому движок либо сокращает текст, либо ускоряет речь. Отсюда берётся тот самый эффект «диктор тараторит».
3. TTS — синтез. Готовые реплики озвучиваются либо стоковым голосом, либо клоном голоса исходного спикера, и подмешиваются под музыку и шумы, если сервис умеет разделять дорожки.
4. Липсинк (опционально). Отдельная модель перерисовывает область рта под новую фонетику. Дороже всех остальных шагов вместе взятых и работает только на крупных планах с фронтальным лицом.

Вывод: говорящая голова на однотонном фоне — автомат справится. Интервью с двумя микрофонами, подложкой и вставками с экрана — получите заготовку, которую придётся доводить руками. Как из такой заготовки собирается ролик целиком — в гайде про видео без лица.

Инструменты и цена за минуту

Единственная осмысленная метрика при выборе — сколько стоит минута готового дубляжа на вашем объёме. Тарифы в минутах и в кредитах напрямую не сравниваются, поэтому вот пересчёт.

Разброс в двадцать раз объясняется не качеством, а тарификацией: HeyGen продаёт общий пул кредитов на все функции, и на аватарах те же кредиты сгорают в разы быстрее. Цифры проверяйте сами — тарифы HeyGen и тарифы Rask AI меняются несколько раз в год.

Три вещи, которых нет в обзорах-подборках:

ElevenLabs из России просто не открывается. Компания пишет в справке, что обязана ограничить доступ для России, Беларуси, Кубы, Ирана, КНДР, Сирии и ряда территорий Украины. Попытка открыть страницу тарифов с российского IP редиректит на эту самую справку. Под блокировку попадают и серверы в других странах, если провайдер помечен как связанный с этими регионами.

Оплата — отдельная задача. Карты российских банков не принимает ни один зарубежный сервис. Варианты: карта иностранного банка, виртуальная карта посредника с комиссией 5–15%, счёт от российского реселлера. На дешёвом тарифе комиссия посредника съедает больше, чем сама подписка.

Бесплатный путь есть, но он про просмотр, а не про производство. Закадровый перевод в Яндекс Браузере переводит на русский с восьми языков и работает даже на трансляциях. Отличный способ посмотреть чужую конференцию. Но забрать дорожку и вставить в свой ролик нельзя — экспорта нет by design.

Свой пайплайн собирается из Whisper (MIT) для распознавания и локального TTS для озвучки. Софт бесплатный, но есть подвох с лицензиями весов: XTTS-v2, самая популярная модель с клонированием голоса по короткому сэмплу, распространяется под Coqui Public Model License, а не под обычной опенсорсной, — коммерческое использование ограничено. Что ещё есть в этой категории — в подборке инструментов.

Где качество проваливается

Список составлен по повторяющимся местам, которые приходится править руками почти в каждом ролике.

• Перебивающие друг друга спикеры. Диаризация путает реплики: два человека говорят одним голосом или меняются голосами посреди диалога. Подкаст с живым спором — худший материал для автомата.
• Музыка и шум под речью. Если сервис не разделяет дорожки, музыка либо исчезает вместе с оригинальным голосом, либо остаётся с ним. Оба варианта слышны сразу.
• Термины, названия, аббревиатуры. ASR слышит незнакомое слово как похожее знакомое, перевод добросовестно переводит ошибку. Названия продуктов и фамилии проверяйте вручную всегда.
• Числа и единицы. «1,5 K» может прозвучать и как «полторы тысячи», и как «один запятая пять ка». В финансовых и медицинских роликах это критично.
• Длина реплики. Где русский текст не влез, движок ускоряет речь — часть фраз звучит на полторы скорости. Лечится только тем, что перевод ужимаете вы сами.
• Эмоция и пауза. Сарказм и драматическая пауза не выживают: синтез выравнивает интонацию, и стендап превращается в лекцию.
• Липсинк на средних и общих планах. Артефакты вокруг рта заметны, когда лицо занимает мало кадра или повёрнуто. На крупном фронтальном плане результат приличный.
• Экранный текст. Дубляж не трогает надписи в кадре. Русская озвучка поверх английских титров на слайде — самый частый признак халтуры.

Честная оценка трудозатрат: десятиминутный ролик с одним спикером — примерно час на вычитку транскрипта, правку перевода и пересборку двух-трёх реплик. Интервью с двумя спикерами — половина рабочего дня.

Клонирование голоса: что законно

Технически клон голоса делается по сэмплу в несколько секунд. Юридически в России ситуация промежуточная, и её стоит знать точно, а не по слухам.

Отдельной статьи об охране голоса в Гражданском кодексе пока нет. Законопроект № 718834-8, который вводит статью 152.3 по аналогии с охраной изображения (ст. 152.1 ГК РФ), внесён в Госдуму в сентябре 2024 года и на июль 2026 всё ещё находится на стадии первого чтения — последнее событие в карточке датировано январём 2025 года. То есть специальной нормы «голос нельзя использовать без согласия» в кодексе сейчас нет.

Из этого не следует, что можно клонировать кого угодно. Работают другие механизмы:

• Договор с исполнителем. Право на создание и использование синтезированной копии голоса прописывается явно. «Он же согласился озвучить ролик» не покрывает создание модели его голоса.
• Смежные права. Запись исполнения защищена как объект смежных прав исполнителя: брать чужую дорожку как обучающий материал без разрешения — риск.
• 152-ФЗ. Запись голоса становится биометрическими персональными данными только там, где по ней устанавливают личность. Для дубляжа это обычно не так, но если сэмпл лежит в системе идентификации, требования к согласию совсем другие.
• Правила сервисов. У всех крупных платформ клонирование чужого голоса без подтверждённого согласия — нарушение условий использования, аккаунт блокируют без возврата денег.

Рабочее правило: клонируйте только свой голос или голос человека, с которым подписана бумага, где слово «синтез» стоит явно. Всё остальное — это ставка на то, что законопроект так и останется в первом чтении.

Пошагово: дубляж одного ролика

1. Приведите исходник в порядок. Чистая дорожка без музыки под речью даёт больше прироста, чем смена сервиса. Есть проект монтажа — выгрузите отдельную дорожку голоса.
2. Сначала транскрипт, потом дубляж. Почти все сервисы дают отредактировать распознанный текст до перевода. Пропустить этот шаг — главная ошибка новичка.
3. Правьте перевод на длину. Сократите реплики, которые не влезают в тайминг: так вы уберёте ускоренную речь ещё до синтеза.
4. Проверьте имена, числа, термины. Отдельным проходом, глазами, по списку.
5. Липсинк — в последнюю очередь и только если нужен. Он самый дорогой и необратимый: правка одной реплики после него означает пересчёт фрагмента.
6. Прослушайте целиком на скорости 1x. Дефекты стыков и скачки громкости слышны только на сквозном прослушивании.
7. Замените экранный текст. Титры и надписи на слайдах — руками в монтажке.

Если дубляж — часть производственного конвейера, посмотрите обзор нейросетей для создания видео: дубляж на сгенерированных исходниках работает заметно чище, чем на съёмке.

Частые вопросы

Сколько стоит продублировать один десятиминутный ролик?

На тарифе HeyGen Creator ($29 в месяц за 600 кредитов на июль 2026) десять минут без липсинка — это 20 кредитов, около $1 в пересчёте; с липсинком 50 кредитов, около $2,4. На Rask AI тариф Creator даёт 25 минут за $60, то есть тот же ролик обойдётся примерно в $24. Разница не в качестве, а в том, что HeyGen продаёт общий пул кредитов на все функции, а Rask — минуты именно дубляжа.

Можно ли сделать дубляж бесплатно?

Для просмотра — да, закадровый перевод Яндекс Браузера бесплатен. Для производства — только своим пайплайном на Whisper и локальном TTS, где «бесплатно» означает «вместо денег платите временем», плюс придётся разбираться с лицензиями весов. Бесплатные тарифы сервисов дают несколько минут на пробу и водяной знак.

Сохранится ли мой голос при переводе на другой язык?

Да, кросс-язычное клонирование умеет большинство сервисов: голос узнаётся, но акцент и манера речи меняются. Носитель языка почти всегда слышит, что это синтез, — не потому что тембр плохой, а из-за ровной интонации и неестественных пауз. Для обучающего контента это нормально, для рекламы обычно нет.

Что делать, если сервис не принимает российскую карту?

Легальные пути: карта иностранного банка, виртуальная карта сервиса-посредника (комиссия обычно 5–15%), счёт от российского реселлера. Учитывайте, что ElevenLabs блокирует доступ по IP независимо от способа оплаты — там не поможет и работающая карта. Если возиться не хочется, остаются локальный пайплайн или российские сервисы озвучки с оплатой по счёту.

Заменит ли ИИ-дубляж профессиональную студию?

На обучающем, обзорном и корпоративном контенте — уже практически заменил: разница в цене двузначная, а качества хватает. На художественном, рекламном и любом, где играют голосом, — нет. Автомат ровно проговаривает смысл, но не играет; именно поэтому дубляж сериала за минуты стоит дешевле, а смотреть его невозможно.