Voice.ai — голосовая платформа американской компании Voice AI, Inc., объединяющая работающий на видеокарте изменитель голоса реального времени, синтез речи более чем на пятнадцати языках, мгновенное клонирование голоса и телефонных голосовых агентов в единой системе кредитов с документированным API.
Пользовались этим инструментом? Оцените его
Пользовались этим инструментом? Оцените его
Voice.ai — это платформа голосовых технологий, которой управляет американская компания Voice AI, Inc., чьи зарегистрированные товарные знаки Voice.ai® и Voice Universe® указаны в нижней части каждой страницы сайта. Продукт начинался в куда более узком виде, чем существует сегодня: это было настольное приложение, позволявшее игрокам и стримерам подменять тембр собственного голоса прямо во время разговора в Discord или в игровом голосовом канале. Тот самый первоначальный изменитель голоса реального времени никуда не делся и по-прежнему остаётся причиной, по которой большинство людей попадает на этот домен. Однако сегодня платформа продаёт из одной учётной записи четыре разные вещи, и понять, какая из четырёх нужна именно вам, — самое полезное, что стоит выяснить до регистрации.
Четыре продуктовые линии — это изменитель голоса реального времени, синтез речи, мгновенное клонирование голоса и телефонные голосовые агенты. Заголовок главной страницы ставит две из них рядом, представляя сервис одновременно как бесплатный изменитель голоса и как платформу голосовых агентов. Сочетание необычное, потому что у этих двух аудиторий почти нет ничего общего. С одной стороны — подросток, желающий звучать как мультипликационный персонаж на сервере Minecraft. С другой — руководитель операционного отдела, которому нужно, чтобы входящие коммерческие звонки принимали и в три часа ночи. Voice.ai обслуживает обе группы из одной кодовой базы и одного баланса кредитов, и эта двойственность объясняет многое в том, как продукт ощущается в работе.
Техническая позиция, которую заявляет компания, уже и интереснее, чем утверждение о способности скопировать любой голос. Основатель и генеральный директор Heath Ahrens сформулировал её для TechCrunch так: ключевая ценность их искусственного интеллекта преобразования речи в речь не в том, чтобы идеально воспроизвести конкретного человека, а в том, чтобы сохранить основные элементы речи пользователя — эмоцию, темп и расстановку ударений, — заменив при этом звучание голоса и создав в реальном времени совершенно новый результат. Это осознанное размежевание с теми компаниями голосовой конверсии, чей аргумент целиком строится на точности воспроизведения конкретного целевого диктора. Voice.ai оптимизирует естественность преобразования и его работу в прямом эфире, а не неотличимость клона при экспертизе.
Биография основателя помогает читать эти утверждения. Ahrens основал iSpeech в 2007 году, который страница о компании описывает как первую облачную платформу синтеза речи, и вывел на рынок DriveSafe.ly в 2009 году — первое приложение, зачитывавшее текстовые сообщения вслух. Ранее он также построил Haystack, компанию распознавания лиц. Перед нами основатель, выпускающий речевые интерфейсы почти два десятилетия, и на этом фоне недавний поворот к программным интерфейсам для разработчиков и корпоративным голосовым агентам выглядит не сменой курса, а возвращением на привычную территорию.
Две цифры дают представление о масштабе, но обе привязаны к конкретному моменту. Когда TechCrunch освещал первое внешнее финансирование в июне 2023 года, у Voice.ai было более 480 000 пользователей и библиотека из более чем 50 000 голосовых фильтров, а рост шёл исключительно за счёт сарафанного радио на базе трёх миллионов долларов собственных вложений, при сообществе в Discord численностью свыше 120 000 человек. Mucker Capital и M13 тогда возглавили раунд на шесть миллионов долларов; M13 до сих пор указывает компанию как инвестицию посевной стадии. Нынешняя же страница в App Store описывает сообщественную библиотеку из более чем 20 000 созданных пользователями голосов. Эти цифры считают разные вещи в разные моменты времени, и сшивать их в одну линию тренда не следует.
Что действительно отличает Voice.ai от обычного поставщика синтеза речи, так это то, что его голосовая библиотека в значительной части ему не принадлежит. Voice Universe — это библиотека сообщества, куда пользователи загружают созданные ими голоса и откуда другие их берут. Регистрация этого названия как товарного знака показывает, насколько центральное место занимает данный элемент в самоощущении компании. По устройству это ближе к торговой площадке или сообществу модификаций, чем к выверенному каталогу официальных тембров, и именно отсюда происходят одновременно главное преимущество платформы и её самая щекотливая проблема.
Преимущество — в широте и скорости. Каталог, который наполняют десятки тысяч участников, растёт быстрее и покрывает больше ниш, чем способна любая внутренняя студия звукозаписи. Трудности касаются разброса качества и происхождения материала. Поскольку вносить вклад может каждый, качество неоднородно: независимый рецензент отмечал, что звук стабильно прерывается, а многие модели, поданные как голоса девушек в стиле аниме, по сути представляли собой лишь смещение высоты тона. А так как загрузки создаются пользователями, вопрос о согласии носителя каждого голоса ложится на загружающего, а не на платформу, — именно поэтому условия использования уделяют этому вопросу так много места.
Изменение голоса в реальном времени — исходный продукт и по-прежнему самый требовательный. В настольном приложении он работает под названием Live Mode: обработка речи выполняется локально на видеокарте компьютера, после чего преобразованный звук направляется в другие приложения через то, что Ahrens описал как виртуальный аудиокабель. Именно локальная обработка объясняет достаточно низкую задержку для живого разговора, и она же объясняет, почему требование к оборудованию здесь реальное, а не формальное.
Официальный раздел частых вопросов в этом месте необычно откровенен. Там есть отдельный пункт с вопросом о том, какая минимальная видеокарта нужна для работы Live Mode, и отдельный пункт о предупреждении, сообщающем, что видеокарта не поддерживает Live Mode. Поставщик не пишет документированное сообщение об ошибке для случая аппаратного сбоя, если с ним не сталкивается заметное число пользователей. Независимый обзор сообщает, что машины с видеокартами ниже класса Nvidia GTX 980 или AMD RX 580 выдают рывки и обрывы, и приводит слова пользователя, обнаружившего, что приложение занимает восемьдесят семь процентов ресурсов его видеокарты. Live Mode следует воспринимать как функцию с аппаратным порогом, а не как универсально доступную возможность.
Синтез речи — это направление, в которое в последнее время вложено больше всего разработки, и одновременно основная расчётная единица тарифной модели. Сайт заявляет поддержку более 15 языков и перечисляет их поимённо: американский английский, французский, хинди, украинский, японский, корейский, шведский, латиноамериканский испанский, бразильский португальский, китайский, нидерландский, турецкий, немецкий и итальянский. Заявленная цель — локализовать заданный тембр под любой акцент или язык, то есть голосовая идентичность и язык рассматриваются как две разделимые оси.
Платные уровни возвращают практические необходимости, которые бесплатный уровень удерживает. Бесплатный ограничивает каждое преобразование 500 символами, что примерно соответствует короткому абзацу; уровень Starter поднимает планку до 5 000 символов и, что важнее всего, открывает саму возможность скачивать созданные файлы. Кроме того, есть облегчённая точка входа под названием TTS Lite, помеченная в навигации как новинка, а начиная с уровня Starter доступна и студия синтеза речи.
Клонирование голоса оформлено как квота по уровням, а не как безлимитная возможность, и это позволяет прямо прочитать, какой объём использования компания ожидает от каждого типа клиентов. На бесплатном уровне прямо указано отсутствие мгновенных клонов голоса. Starter включает пять, Launch десять, Core пятьдесят, Scale двести, а Business две тысячи двести. Эта лестница квот — один из самых наглядных сигналов о том, для кого спроектирован каждый уровень.
Одна деталь заслуживает отдельной пометки, поскольку собственные страницы компании противоречат друг другу. Главная страница утверждает, что всего десяти секунд аудио достаточно для воспроизведения голоса с поразительной достоверностью, тогда как специальная страница о клонировании указывает, что клонирование выполняется всего за пятнадцать секунд. Оба утверждения официальны и опубликованы одновременно, ни одно не ссылается на другое, и объяснения расхождению не даётся. Планируйте по большему значению, а меньшее считайте маркетинговым минимумом, а не технической характеристикой.
Линия голосовых агентов — самая новая и сегодня несущая наибольшую коммерческую нагрузку: она стоит первой в навигации и помечена как новинка. Обещание состоит в том, что агенты берут на себя входящие и исходящие звонки, чтобы бизнес перестал их терять. Компания описывает агентов, которые автоматизируют звонки, отвечают на вопросы, назначают встречи и ведут разговоры от начала до конца. Среди названных целей интеграции — Salesforce, HubSpot, Zendesk и Slack.
Убедительной как продукт, а не как рекламная страница, эту линию делает то, что она тарифицируется в единицах, характерных для телефонии. Тарифы различаются числом одновременных вызовов и количеством телефонных номеров: Starter даёт два одновременных вызова и один номер, Launch четыре и три, Core восемь и десять, Scale шестнадцать и двадцать, а Business тридцать одновременных вызовов и пятьдесят номеров. Это ограничения настоящей телефонной платформы, а не демонстрационного образца.
Помимо четырёх основных линий сайт размещает девять бесплатных браузерных аудиоинструментов: синтез речи, изменитель голоса в браузере, улучшение звука, удаление вокала, удаление эха, разделение дорожек с помощью искусственного интеллекта, определение тональности и темпа, удаление реверберации и конвертер форматов. Они работают скорее как канал привлечения, чем как отдельное направление бизнеса, и расходуют те же кредиты: бесплатный уровень ограничивает их пятью минутами на одно преобразование, а с ростом уровня предел поднимается до ста восьмидесяти минут.
Программный интерфейс — это настоящая продуктовая линия, а не обещание, и доказательство лежит в деталях, а не в заявлениях. Страница для разработчиков раскрывает три интерфейса — для синтеза речи, голосовых агентов и клонирования — с реальной конечной точкой по адресу dev.voice.ai/api/v1/tts/speech и именованным идентификатором модели voiceai-tts-v1-latest в исполняемом примере на Python. Комплекты разработки для Python и TypeScript дополняются примерами REST, охват включает веб, а также iOS и Android, и заявлена совместимость с LiveKit и с Pipecat — двумя открытыми каркасами, которыми инженеры голосовых систем реального времени действительно пользуются.
Платформа рекламирует время отклика менее 150 миллисекунд для диалоговых взаимодействий. Это показатель самого поставщика, опубликованный без условий испытания и без независимых замеров, поэтому его следует считать проектной целью, а не проверенным измерением. Развёртывание предлагается в четырёх видах: размещённый в облаке интерфейс, установка на собственных серверах, частное облако в виртуальной сети заказчика и локальный вариант с низкой задержкой. Интерфейс также поддерживает совместимые с протоколом MCP рабочие процессы агентов, подключение генерации с поиском по внешним источникам для динамического доступа к знаниям, вызов инструментов и обратные вызовы по HTTP, срабатывающие при завершении генерации аудио, при ответах агента, при обновлении состояния разговора и при уведомлениях об ошибках и повторных попытках.
Одно предварительное условие легко упустить, и обнаружить его поздно обходится дорого. Условия использования указывают, что деловое, корпоративное, программное или иное коммерческое использование требует отдельного соглашения с Voice.ai. Получить ключ доступа через самостоятельную регистрацию не означает получить договорное право выпускать на его основе продукт.
Игры, стриминг и виртуальное вещание. Это исторический центр платформы и до сих пор её крупнейшая реальная аудитория. TechCrunch описывал распространение среди игроков, авторов контента и виртуальных ведущих в TikTok, Zoom, Discord, Minecraft, GTA5, Fortnite, Valorant, League of Legends, Among Us, Skype и WhatsApp. Официальные частые вопросы подкрепляют это разборами проблем подключения отдельно для Discord, Skype, WhatsApp, Zoom, PUBG, Fortnite, Google Meet, League of Legends, World of Warcraft, Among Us, Minecraft, TeamSpeak, Telegram и Viber. Если ваш сценарий есть в этом перечне, кто-то уже задокументировал возможные сбои за вас.
Обработка входящих и исходящих звонков. Линия голосовых агентов нацелена на компании, теряющие обращения из-за неотвеченных звонков. Разбивка по одновременным вызовам и номерам позволяет честно оценить масштаб: единственная торговая точка на этапе пробы спокойно укладывается в два одновременных вызова уровня Starter, а бизнесу, которому нужны пятьдесят номеров, соответствует уровень Business.
Озвучивание и закадровый текст. Страница клонирования называет подкасты, видеоигры и профессиональное озвучивание и описывает возможность создавать тысячи часов голосового контента, не произнося ни слова. Практически это становится возможным с уровня Starter, где впервые появляются скачивание файлов и коммерческая лицензия: без скачивания бесплатный уровень не способен питать ни один реальный производственный процесс.
Многоязычная локализация. Поскольку голосовая идентичность и язык считаются разделимыми, один и тот же тембр можно локализовать под другой акцент или язык среди четырнадцати названных языков. Для автора, поддерживающего единый образ канала на нескольких рынках, это куда полезнее, чем подбирать под каждый язык отдельный шаблонный голос.
Доступность и самовыражение. Страница об этике прямо называет две группы. Она описывает инструмент как дающий трансгендерным людям возможность получить желаемый голос без голосовых тренировок и медицинского вмешательства и указывает, что для людей с инвалидностью или заболеванием, таким как рак горла, боковой амиотрофический склероз или болезнь Паркинсона, продукт представляет собой возможное улучшение по сравнению с обычным синтезом речи. TechCrunch независимо подтвердил первую из этих групп наряду с пользователями, заботящимися о приватности, и теми, кто примеряет новые сетевые образы.
Сокрытие голоса ради приватности. Сценарий, отличный от развлекательного: участвовать в голосовых чатах, не раскрывая собственный настоящий голос. Подход компании, сохраняющий эмоцию и темп при замене тембра, подходит для этой цели лучше механического фильтра.
Записывайте чистый исходный материал для клонов. Качество клона ограничено исходником. Тихая комната, постоянное расстояние до микрофона и чтение естественных предложений вместо списков слов дают заметно лучшие модели, чем короткий фрагмент, записанный на фоне шума.
Давайте клону больше материала, чем заявленный минимум. Поскольку две собственные цифры сайта расходятся между десятью и пятнадцатью секундами, относитесь к обеим как к нижней границе. Более длинный и разнообразный по содержанию образец даёт модели более полный фонетический охват.
Осознанно решайте, публиковать ли клон собственного голоса. Загрузка делает голос доступным в библиотеке, из которой берут другие. Ключевая рекомендация Comparitech по безопасности — не загружать модель, обученную на собственном голосе, поскольку её могут использовать другие в голосовом мошенничестве. При этом та же публикация отмечает, что это общее свойство платформ клонирования, а не особенность данного продукта. Прежде чем считать какой-либо клон приватным, проверьте настройки видимости своей учётной записи.
Проверьте настройку обучения метамодели. Условия указывают, что, пользуясь сервисом, вы соглашаетесь на использование компанией вашего оборудования для обучения метамодели и вычислений и что все пользователи могут в любой момент отключить эту функцию. При этом не сказано, включена ли она по умолчанию, поэтому проверьте сами, а не полагайтесь на предположение.
Оставляйте запас видеокарты, если играете и преобразуете одновременно. Live Mode конкурирует с игрой за одну и ту же видеокарту. На впритык подобранной карте результатом станут одновременно падение частоты кадров в игре и артефакты в преобразовании.
Проверяйте до оформления подписки, а не после. Несколько независимых обозревателей критикуют одно и то же: цены не видны, пока не завершена установка. Поскольку страница тарифов публична и подробна, прочитайте её в браузере, прежде чем что-либо устанавливать.
Сохраняйте подтверждения согласия для чужих голосов. Если вы клонируете чужой голос, условия требуют явного законного разрешения от этого человека, а положение о возмещении убытков возлагает последствия ошибки на вас. Сохранённое письменное разрешение — практическая форма выполнения этого требования.
Не стройте на результатах конкурирующий голосовой продукт. Условия прямо запрещают использовать выходные данные для обучения, разработки или улучшения голосовых моделей, для создания новых синтетических голосов или производных продуктов, а также для поддержки конкурирующего продукта.
Игрокам, стримерам и виртуальным ведущим с подходящим оборудованием этот продукт подходит лучше всего в части реального времени. Если у вас игровая видеокарта среднего уровня или выше и вы проводите время в Discord либо в многопользовательском голосовом чате, вы на домашней территории продукта, и библиотека сообщества здесь наиболее насыщенна.
Авторам с умеренным объёмом озвучивания подходит уровень Starter и выше, где появляются скачивание и коммерческая лицензия. Четырнадцать названных языков делают инструмент жизнеспособным для авторов, публикующихся на нескольких рынках.
Малому бизнесу, теряющему входящие звонки, адресована линия голосовых агентов. Нижние уровни делают настоящий пилот доступным: один номер и два одновременных вызова за пять долларов в месяц — реалистичный способ проверить, подходит ли автоматическая обработка звонков конкретному делу, прежде чем брать на себя обязательства.
Разработчикам, создающим голосовые функции реального времени, доступен документированный интерфейс с именованными комплектами разработки и совместимостью с каркасами при условии заключения отдельного коммерческого соглашения, которого требуют условия.
Людям, которым другой голос нужен по причинам идентичности или доступности, страница об этике адресована прямо, и TechCrunch независимо определил эту категорию как растущую.
Кому стоит поискать другое решение: всем, кто работает на встроенной графике или старом ноутбуке и хочет преобразования в реальном времени, поскольку аппаратный порог не компенсирует ни один тариф; всем, кому нужна договорная определённость относительно принадлежности результатов и отсутствия нарушений прав, поскольку условия исключают именно это; и всем, кто не готов мириться со строгой политикой невозврата средств.
Настольное приложение — наиболее полнофункциональный клиент и единственное место, где работает преобразование в реальном времени через Live Mode; оно распространяется через собственный установщик сайта. Его возможности ограничены видеокартой компьютера не меньше, чем уровнем подписки.
Веб-платформа охватывает синтез речи, консоль голосовых агентов и девять сетевых аудиоинструментов и работает без требований к локальному оборудованию, поскольку обработка идёт на стороне сервера. Это правильная точка входа для предварительной оценки.
На мобильных устройствах приложение для iOS публикует Voice AI Inc. По данным официального интерфейса Apple, у него оценка 4,0 на основе 189 оценок, возрастной рейтинг от 12 лет, бесплатная загрузка, требование iOS 18.0 или новее, первый выпуск в мае 2023 года и версия 2.0.5 от июля 2026 года. Важный разрыв в возможностях задокументирован в собственных частых вопросах компании: там есть пункты о том, можно ли использовать мобильное приложение для изменения голоса в реальном времени и почему такой функции в нём пока нет, то есть мобильная и настольная версии не равнозначны. Публикация TechCrunch 2023 года описывала приложения для Mac, PC, Android и iOS; нынешние варианты загрузки на сайте показывают установщик для Windows и ссылку на App Store, а положение дел с Android на момент подготовки материала подтвердить по официальным источникам не удалось, поэтому проверяйте непосредственно на сайте.
Для программного доступа интерфейс охватывает веб, iOS и Android, а развёртывание возможно в размещённом облаке, на собственных серверах, в частном облаке внутри вашей виртуальной сети или локально с низкой задержкой.
Цены опубликованы на странице тарифов сайта и построены как семь уровней, измеряемых месячным объёмом кредитов; годовая оплата рекламируется как дающая два месяца бесплатно.
| Уровень | Цена в месяц | Кредитов в месяц | Мгновенные клоны | Одновременные вызовы | Номера |
|---|---|---|---|---|---|
| Free | 0 $ | 5k | нет | — | — |
| Starter | 5 $ | 15k | 5 | 2 | 1 |
| Launch | 24 $ (первый месяц 12 $) | 200k | 10 | 4 | 3 |
| Core | 99 $ | 1M | 50 | 8 | 10 |
| Scale | 330 $ | 4M | 200 | 16 | 20 |
| Business | 880 $ | 22M | 2 200 | 30 | 50 |
| Enterprise | по запросу | по запросу | — | — | — |
Система кредитов — та часть, которую действительно стоит понять как следует, потому что кредиты представляют собой общую единицу, расходуемую по разным ставкам в зависимости от функции. На уровне Core тот же миллион кредитов покупает либо 1 000 минут синтеза речи, либо 1 000 минут разговоров голосового агента, либо 15 000 минут обработки аудиоинструментами. Синтез речи и минуты агента оценены между собой одинаково, тогда как обработка аудиоинструментами обходится примерно в пятнадцать раз дешевле за минуту. На бесплатном уровне лимит на практике весьма скромен: 5 000 кредитов дают либо пять минут синтеза речи, либо три обращения к аудиоинструментам.
Другие привязанные к уровню ограничения влияют на опыт не меньше, чем количество кредитов. Число символов на преобразование растёт с 500 на бесплатном уровне до 5 000 начиная со Starter. Предел длительности одного преобразования аудиоинструментами поднимается с пяти минут на бесплатном уровне через десять, двадцать и шестьдесят вплоть до ста восьмидесяти минут. Число одновременных генераций синтеза речи увеличивается с трёх на Starter до пятнадцати на Scale и Business. Уровень Enterprise добавляет индивидуальные условия по соглашениям об обработке данных и уровню обслуживания, отдельные соглашения для клиентов, подпадающих под требования HIPAA, индивидуальную единую аутентификацию, повышенные пределы одновременности и приоритетную поддержку.
Два момента об оплате стоит подчеркнуть до оформления подписки. Условия указывают, что, если при покупке не оговорено иное и если этого не требует применимое право, все платежи не подлежат возврату — как абонентская плата, так и плата за использование и разовые покупки, — а исключения остаются на усмотрение компании, которая не обязана их предоставлять. Кроме того, несколько независимых обозревателей сообщают, что цены становятся видны только после установки; наличие публичной страницы тарифов делает согласие с таким порядком излишним: прочитайте её заранее.
ElevenLabs служит ориентиром по точности клонирования и выразительности синтеза речи, и публикация TechCrunch относила Voice.ai к той же широкой категории, отмечая при этом репутацию ElevenLabs в части пугающе качественного клонирования. Если вам нужен синтетический закадровый голос наивысшего качества и не нужно преобразование в прямом эфире, это более прямой выбор.
Respeecher занимает профессиональный полюс преобразования речи в речь и имеет опыт в кино- и телепроизводстве. Это более уместное сравнение, когда задача — воспроизвести конкретного целевого диктора на эфирном уровне, а не преобразовать голос вживую.
Voicemod — самый прямой конкурент на стороне игрового реального времени, и блок с похожими сервисами на Trustpilot ставит их рядом, показывая Voicemod с оценкой 1,7 из 5 при 456 отзывах против 2,0 при 233 отзывах у Voice.ai. Обе оценки низкие, и обе карточки несут оговорки о выборке, описанные ниже.
Murf и Acapela названы в TechCrunch среди устоявшихся поставщиков голосовой симуляции и стоят ближе к традиционному производству озвучки, чем к преобразованию в прямом эфире.
Специализированные платформы голосовых агентов — уместное сравнение исключительно для телефонного направления. Если нужна только автоматизация звонков, а изменение голоса не имеет значения, сравнивайте агентский уровень Voice.ai со специализированными диалоговыми платформами по одновременности, телефонным функциям и документации о соответствии требованиям, а не по размеру голосовой библиотеки.
У преобразования в реальном времени есть аппаратный порог. Live Mode зависит от локальной обработки на видеокарте. Компания документирует и минимальное требование, и отдельное предупреждение для неподдерживаемых карт, а независимые испытания сообщают о рывках на оборудовании примерно ниже класса GTX 980 или RX 580, причём один пользователь сообщил о загрузке видеокарты на 87 %. Ни один уровень подписки это ограничение не снимает.
Мобильная версия не равна настольной. Официальные частые вопросы сами задают и разъясняют, почему в мобильном приложении до сих пор нет изменения голоса в реальном времени. Тем, для кого это ключевой сценарий на телефоне, стоит уточнить текущее состояние до оплаты.
Две официальные цифры о времени клонирования противоречат друг другу. Десять секунд на главной странице, пятнадцать на странице клонирования, опубликованы параллельно и не согласованы.
Оценки сообщества низкие, а выборка не нейтральна. Trustpilot показывает 2,0 из 5 при 233 отзывах с заметно двухвершинным распределением: 82 % одной звезды, 14 % пяти звёзд и почти ничего между ними. Карточка подтверждена компанией с августа 2023 года, компания активно приглашает клиентов оставлять отзывы и ответила на 100 % отрицательных отзывов. Выборка, сформированная приглашениями, систематически отличается от стихийной, поэтому эту оценку следует читать вместе с другими каналами, а не вместо них. Оценка в App Store, 4,0 при 189 оценках, заметно благоприятнее при сопоставимом объёме выборки, а сводка Trustpilot по 59 недавним отзывам посвящена автоматическим подпискам, неожиданным списаниям при продлении и отсутствию ответа поддержки, а не собственно качеству звука.
Жалобы на выставление счетов совпадают у независимых источников. Comparitech называет скрытые до установки цены и строгую, громоздкую процедуру возврата, требующую отдельной регистрации. Onerep сообщает о неясных ценах и пределах пробного периода, а также о пользователях, с которых списывали средства после отмены. Сами условия подтверждают, что невозврат является правилом по умолчанию.
Продукт по-прежнему описывается как бета-версия. Оценка Onerep от января 2026 года указывает, что по состоянию на 2026 год Voice.ai остаётся в бете, и приводит это как объяснение встречающихся у пользователей сбоев.
Коммерческие права изложены непоследовательно. Страница тарифов указывает коммерческую лицензию начиная со Starter, тогда как условия дважды утверждают, что сервис предоставляется только для личного некоммерческого использования и что деловое, корпоративное или программное использование требует отдельного соглашения. Сайт не объясняет, как эти положения сочетаются. Тому, кто планирует коммерческое развёртывание, стоит получить позицию письменно.
Никаких гарантий на результаты и голосовые активы. Условия указывают, что компания не гарантирует ни отсутствия нарушений прав, ни разрешения на предполагаемое использование, ни пригодности для конкретной цели, и что все голоса созданы пользователями, за что компания ответственности не несёт. Положение о возмещении убытков возлагает претензии третьих лиц на пользователя.
Ваши материалы обучают модели. Загруженные материалы предоставляют бессрочную, безотзывную, всемирную, безвозмездную и сублицензируемую лицензию, прямо охватывающую обучение и доработку моделей компании и разработку новых продуктов. Компания обязуется не коммерциализировать ваш голос обособленно без явного разрешения, но это обязательство существенно уже обещания не использовать его для обучения.
Предоставление вычислительных ресурсов входит в условия использования. Пользование сервисом сопровождается согласием на применение вашего оборудования для обучения метамодели; отключить это можно в любой момент, но состояние по умолчанию не указано.
Документам о приватности не хватает конкретики. Onerep сообщает об отсутствии указанного метода шифрования, отсутствии срока хранения и отсутствии возможности удаления данных за пределами Калифорнии. Comparitech отмечает, что сервис не учитывает сигнал Do Not Track. Тем не менее общий вывод Comparitech состоит в том, что при соблюдении мер предосторожности продукт безопасен, поскольку утечек данных и судебных разбирательств обнаружено не было.
Заявления о соответствии требованиям ничем не подкреплены. Сайт заявляет полное соответствие Общему регламенту по защите данных, а также стандартам SOC 2 и HIPAA и всем основным корпоративным нормам, не публикуя при этом ни отчётов аудита, ни номеров сертификатов. Корпоративным закупщикам стоит запросить подтверждающие документы.
Возраст и юрисдикция. Для использования требуется возраст не менее 18 лет. Применимое право — право штата Делавэр с исключительной подсудностью судам этого штата, что существенно для пользователей за пределами Соединённых Штатов.
Действительно бесплатный уровень существует, но он узкий. Он даёт 5 000 кредитов в месяц, что соответствует примерно пяти минутам синтеза речи или трём обращениям к аудиоинструментам; ограничивает преобразования 500 символами; не включает ни одного мгновенного клона голоса; и не позволяет скачивать созданные файлы. Платные уровни начинаются с пяти долларов в месяц. Несколько независимых обозревателей критиковали разрыв между рекламой бесплатного изменителя голоса и объёмом того, что находится за платным барьером, поэтому рассматривайте бесплатный уровень как средство оценки, а не как рабочий тариф.
Этот вопрос действительно неоднозначен, и его стоит прояснить письменно, прежде чем на него полагаться. Страница тарифов указывает коммерческую лицензию как входящую в состав уровня начиная со Starter. Условия использования при этом в двух отдельных местах утверждают, что сервис предоставляется только для личного некоммерческого использования и что деловое, корпоративное или программное использование требует отдельного соглашения с компанией. Сайт эти формулировки не примиряет. Кроме того, условия снимают всякую гарантию того, что результаты не нарушают прав или разрешены для предполагаемого применения.
Нужно. Условия допускают загрузку или создание аудиоматериалов только при трёх обстоятельствах: вы используете собственный голос, у вас есть явное законное разрешение человека, чей голос используется, либо ваше применение прямо допускается применимым правом, например как пародия или сатира. Использование программы для выдачи себя за реальных людей, живых или умерших, с намерением обмануть, ввести в заблуждение или совершить мошенничество запрещено и может повлечь немедленное прекращение доступа, юридические меры и содействие правоохранительным органам. Обратите внимание на расхождение с описанием в App Store, которое рекламирует возможность звучать как кто угодно, от знаменитостей до вымышленных персонажей: обязательную силу имеют условия, а не текст магазина.
Нет, и на этом многие спотыкаются. В условиях есть пункт с заголовком «No License to Voices», где сказано, что пользователю не предоставляется никаких прав на любые голоса, голосовые модели, клоны или голосовые идентичности, доступные через сервис, включая голоса, загруженные другими пользователями, и что публичная доступность голосового актива не даёт разрешения использовать, воспроизводить, распространять или коммерциализировать его. Видимость в Voice Universe лицензией не является.
Дискретная видеокарта, причём достаточно производительная. Live Mode обрабатывает звук локально на видеокарте, и официальные частые вопросы документируют и минимальное требование, и явное предупреждение для неподдерживаемых карт. Независимые испытания сообщают, что оборудование примерно ниже класса Nvidia GTX 980 или AMD RX 580 даёт рывки и обрывы на выходе, а один пользователь сообщил о загрузке видеокарты на 87 %. Серверные же функции — синтез речи, аудиоинструменты и голосовые агенты — таких требований не предъявляют.
Сайт заявляет более 15 языков и перечисляет поимённо американский английский, французский, хинди, украинский, японский, корейский, шведский, латиноамериканский испанский, бразильский португальский, китайский, нидерландский, турецкий, немецкий и итальянский, а также заявляет возможность локализовать заданный тембр под другой акцент или язык.
Компания напрямую отвечает на оба обвинения на своей странице о безопасности, указывая, что приложение регулярно передаётся антивирусным производителям, включая McAfee, Google и Avast, с публикацией результатов VirusTotal, и что функция распределённых вычислений не имеет отношения к криптовалютам или майнингу, поскольку предоставленные мощности используются только для создания голосов, обучения моделей и обработки речи пользователей со слабыми устройствами. Две независимые оценки в целом согласны: Comparitech заключил, что при соблюдении мер предосторожности продукт безопасен, не обнаружив утечек данных и судебных разбирательств, а Onerep заключил, что это ни вирус, ни майнер и что пользование им не противозаконно. При этом обе публикации высказывают отдельные опасения относительно прозрачности выставления счетов и документов о приватности, а основная рекомендация Comparitech по безопасности — не загружать модель, обученную на собственном голосе.
Загруженные материалы предоставляют компании бессрочную, безотзывную, всемирную, безвозмездную, сублицензируемую и неисключительную лицензию, охватывающую работу сервиса, обучение и доработку её моделей, а также разработку новых функций и продуктов. Компания заявляет, что не будет коммерциализировать ваш голос обособленно без явного разрешения. Отдельно, пользование сервисом сопровождается согласием на применение вашего оборудования для обучения метамодели, и эту функцию можно отключить в любой момент. Независимые обозреватели отмечают, что политика приватности не указывает ни методов шифрования, ни сроков хранения и что право на удаление предоставляется только жителям Калифорнии.
По умолчанию нет. Условия указывают, что, если при покупке не оговорено иное и если этого не требует применимое право, все платежи не подлежат возврату, включая абонентскую плату, плату за использование и разовые покупки, а исключения остаются исключительно на усмотрение компании, которая не обязана их предоставлять. Независимые обозреватели описывают процедуру возврата как строгую и требующую отдельной регистрации, а жалобы на подписку и продление составляют самую частую тему в сводке недавних отзывов на Trustpilot.
Главным образом тем, на что он оптимизирован. Ahrens сформулировал различие прямо: ключевая ценность не в идеальном воспроизведении конкретного человека, а в сохранении эмоции, темпа и ударений говорящего при замене тембра, причём в реальном времени. ElevenLabs и Respeecher построены вокруг точности воспроизведения целевого голоса для готового контента. Voice.ai построен вокруг преобразования в прямом эфире, голосовой библиотеки, наполняемой сообществом, и теперь ещё телефонных агентов. Если нужно воспроизвести одного конкретного говорящего на эфирном уровне, лучше подойдут специализированные поставщики; если нужно вживую звучать иначе в игре или в разговоре, здесь домашняя территория этого продукта.
