Озвучка для рекламы, автоответчика и курса

Что общего у всех трёх задач

Во всех трёх случаях речь короткая, повторяемая и должна звучать одинаково от раза к разу. Живой диктор здесь неудобен именно этим: поменялась цена в акции — нужна новая сессия записи, а голос уже слегка другой, потому что человек в тот день простужен.

Синтез снимает эту проблему целиком: один и тот же голос доступен через месяц и через год, правка текста стоит одну генерацию. В FatherGPT это Озвучка (ElevenLabs) — 200 токенов за генерацию, цена плоская и от длины не зависит.

Ключевая цифра для планирования: на одну генерацию до 1000 знаков, это примерно минута речи. Дальше считайте свой формат.

• Рекламный ролик 15 секунд — примерно 220–260 знаков.
• Ролик 30 секунд — 450–520 знаков.
• Приветствие автоответчика — обычно 150–350 знаков, укладывается с запасом.
• Урок курса на 5 минут — около 5 000 знаков, это 5–6 генераций.

Рекламный ролик

Главная ошибка — писать текст глазами, а не ушами. Фраза «широкий ассортимент качественной продукции по доступным ценам» читается нормально и звучит невыносимо: в ней нет ни одного места, где голос мог бы что-то сделать.

Работающий рекламный текст держится на трёх вещах: короткие предложения, один конкретный факт вместо трёх абстрактных, явный призыв в конце. Модель произносит ровно то, что написано, поэтому вся динамика закладывается на этапе текста.

1. Сократите до одной мысли. Не «у нас доставка, гарантия и рассрочка», а «доставим за день».
2. Разбейте длинное предложение на два-три коротких. Точка — это пауза, и она делает ритм.
3. Числа пишите словами, если хотите услышать их именно так: «две тысячи» надёжнее, чем «2000».
4. Призыв поставьте отдельным предложением в конце и не удлиняйте его.

В студии есть готовая заготовка «Записать рекламу» — она подставляет короткий образец текста, на котором сразу слышно темп. Удобно, чтобы сравнить два-три голоса до того, как писать свой сценарий.

Сам текст ролика можно собрать нейросетью: попросите GPT-5.6 Terra дать пять вариантов на 30 секунд с разными заходами. Это 16 токенов за запрос — на порядок дешевле озвучки, поэтому перебирать варианты дешевле, чем переозвучивать.

Автоответчик и голосовое меню

Здесь всё наоборот: динамика не нужна, нужна разборчивость. Человек слушает это в шумном месте, часто с плохой связью, и ему надо расслышать цифру.

• Пишите короткими законченными фразами: «Здравствуйте. Вы позвонили в компанию N».
• Пункты меню разделяйте абзацами — абзац даёт паузу длиннее, чем точка, и человек успевает нажать кнопку.
• Цифры пунктов ставьте в начало фразы: «Один — отдел продаж», а не «Отдел продаж — один».
• Не пытайтесь уместить всё меню в одну генерацию. Каждый пункт отдельным файлом удобнее: поменялся один — переозвучиваете один.

Голос лучше брать спокойный и низкий: на телефонной линии частоты режутся, и высокий голос теряет разборчивость сильнее. Из записанных демо для этой задачи обычно берут мужские варианты — послушать их можно прямо в студии, до оплаты и до генерации.

Обучающий курс и урок

Самый объёмный формат из трёх и единственный, где придётся резать текст. Пятиминутный урок — это пять-шесть генераций, и от того, как вы его разрежете, зависит, будет ли слышна склейка.

Режьте по смыслу, а не по счётчику символов. Граница куска должна совпадать с границей абзаца или законченной мысли. Разрез посреди предложения даёт провал интонации ровно в стыке, и это слышно даже неподготовленному уху.

1. Разложите сценарий урока на блоки по 800–950 знаков. Запас нужен: кириллица считается посимвольно, и «примерно тысяча» легко оказывается тысяча тридцать.
2. Все блоки озвучьте одним голосом. Смена голоса внутри урока читается как ошибка монтажа.
3. Склейте подряд с паузой в полсекунды между блоками. Перекрытия не нужны.

Разбивку удобно поручить нейросети — попросите разложить текст на части до 950 знаков, не разрывая предложения. Полный разбор длинных форматов есть в отдельной статье: аудиокнига и подкаст нейросетью.

И про экономику. Курс из десяти уроков по пять минут — это примерно 55 генераций, 11 000 токенов. Месячная подписка за 999 ₽ даёт 12 000 — то есть весь курс укладывается в один месяц, а не в бюджет студии звукозаписи.

Четыре ошибки, которые портят результат

• Гнать текст по одному предложению. Цена плоская: восемь коротких запросов стоят 1 600 токенов вместо 200. Собирайте в блок.
• Оставлять в тексте режиссёрские пометки. «(пауза)», «(бодро)», имена перед репликами — всё это будет произнесено вслух, поле читается буквально.
• Надеяться на настройки. Ползунков скорости, тембра и эмоций нет; интонация задаётся текстом и выбором голоса.
• Не проверять ударения. Омографы вроде «за́мок» и «замо́к» модель различает по контексту и иногда промахивается — прослушать перед публикацией обязательно.

Если генерация сорвалась, токены вернутся на баланс сами — за неудачную попытку платить не придётся.

Частые вопросы