Зачем персонажу голос
Голос — самый недооценённый актив AI-модели: говорящие видео конвертят в подписку лучше любых фото, а голосовые сообщения в переписке продаются как отдельный PPV-товар с себестоимостью в центы. Плюс мультиязычность: один персонаж озвучивается на десятках языков — выходишь на латам/азиатские рынки без пересоздания контента.
Стек голоса
- FishAudio (S2/S2-Pro) — фаворит приваток: zero-shot клонирование голоса по референсу 10–30 секунд, озвучка текста на десятках языков, есть готовые ComfyUI-ноды — встраивается прямо во флоу, в том числе мультиспикерные.
- ElevenLabs — западный стандарт: стабильное качество, эмоции, но дороже и строже модерация.
- Правило ниши: голос генерируется один раз как «эталон» и дальше клонируется — у персонажа всегда один и тот же голос, как и лицо.
Липсинк: InfiniteTalk и родня
InfiniteTalk (на базе Wan 2.1 / MultiTalk) — главный открытый липсинк-инструмент: подаёшь портрет персонажа + аудиодорожку, получаешь говорящее видео с точной артикуляцией и сохранением identity. Режимы:
- Image-to-video: говорящая голова из одного фото — формат «кружочков» и сторис-обращений.
- Video-to-video: липсинк поверх готового ролика — совмещается с аниматорами (персонаж танцует И говорит).
Комбо-флоу из приваток («LTX FishAudio Voice» и аналоги) делают всё одним проходом: клонируют голос → озвучивают текст на нужном языке → анимируют изображение по промпту → накладывают липсинк. Это флоу-комбайны: начинай с дефолтных настроек и разбирай по узлам (совет из чатов — «скорми флоу иишке, чтобы объяснила», работает: LLM хорошо расшифровывают JSON воркфлоу).
LTX-2: звук нативно
LTX-2 генерирует видео вместе со звуком одним проходом — речь, эмбиент, музыка. Для быстрых лайфстайл-роликов это экономит отдельный этап озвучки; для точного голоса персонажа поверх всё равно используется клон (FishAudio/ElevenLabs) + липсинк.
Пайплайн «голосовое для фана»
- Текст сообщения (LLM в характере персонажа — та же механика, что в нашей Студии).
- FishAudio: озвучка клоном голоса персонажа.
- Отправка как voice в Fanvue DM / Telegram — вручную или ботом.
Себестоимость: центы. Цена продажи: $3–15 за голосовое. Это одна из лучших маржинальностей во всей нише.
Ограничения и этика
- Клонируй только синтетический голос своего персонажа. Клонирование голосов реальных людей без согласия — deepfake-статьи и баны платформ.
- Помни про обязательную маркировку AI-контента (см. «Правила и риски») — говорящие видео попадают под неё в первую очередь.
Дальше: «Тренды ниши 2026» — что меняется прямо сейчас.