Я в теме "ИИ для фотореализма" уже задавал вопрос знатокам про AI-софт для аудиоозвучки текста.

Дальнейшее развитие решил в отдельную тему выделить.

Изначально задался целью найти качественную локальную AI-прогу, которая могла бы сносно озвучивать текст, причем софтина должна быть адаптирована именно под русский язык.

Задал эту задачу в DeepSeek, он порылся в недрах интернета и предложил два варианта:

xVibePocketTTS - локальный AI-софт, адаптированный под русскую речь.
Voice.era2.ai - онлайн сервис (облачный гигант с могучим движком ElevenLabs под капотом), также адаптирован для RU-озвучки.
zvukogram.com - а этот вариант предложила Алиса Яндексовна. Типа хорош, если требуется озвучка большого количества диалогов разными голосами.

В общем, поставил я на комп этот xVibePocketTTS, попробовал озвучить фрагмент текста с какой-то фэнтези-книжки.

Затем тот же самый текст озвучил через платный Voice.era2.ai.

Результат:
озвученные фрагменты по паузам и интонированию отличаются друг от друга как небо и земля.

В xVibePocketTTS голос пластиковый, ужасное неестественное интонирование, он лепит паузы там, где они не нужны и не вставляет их там, где они требуются.

Voice.era2.ai прекрасно справился с тем же фрагментом текста. При этом я ничего не настраивал в интерфейсе и в самом тексте. Просто вставил текст и нажал кнопку "Render".
Ой, то есть "Озвучить".
Итог: абсолютно естественная почти живая речь с приятным правильным интонированием и паузами в нужных местах.

Я даже пошел дальше:
Взял аудиофрагмент, который выдал Voice.era2.ai и запихал его в xVibePocketTTS в качестве аудиосэмпла.
И снова отправил на генерацию.
Итог: все равно на выходе херня и сбоку бантик.

Результат в zvukogram.com получился средний.
Как говорится - труба пониже и дым пожиже: лучше чем xVibePocketTTS, но немного монотонный и не такой живой, как в Voice.era2.ai.
Правда в Zvukogram есть SSML-разметка, которая вроде как позволяет настраивать интонирование.
С ней я ещё не разбирался, возможно она позволит дотянуть качество аудиоподачи до Voice.era2.ai.

Результаты опытов:
Voice.era2.ai

xVibePocketTTS

Возможно, всё же получится найти локальную софтину со сносным качеством озвучания или качественный бесплатный онлайн-сервис, но пока что предварительный итог: платные аудиогенераторы рулят.