
РазборЕвгений14 мин чтения
ElevenLabs: модели, озвучка русского текста, клонирование голоса с согласием и тарифы
Как выбрать модель ElevenLabs для русской озвучки, поправить произношение и проверить результат. Клонирование голоса с согласием, тарифы и лицензия.
Содержание · 13 разделов
ElevenLabs озвучивает текст, распознаёт речь, дублирует видео и клонирует голоса. 28 сентября 2026 года компания выпустила модели Eleven v4 и Eleven v4 Turbo, и настройки v4 отличаются от прежних моделей. Ниже порядок работы по документации, условиям и тарифной странице ElevenLabs, сверенным 5 ноября 2026 года: какую модель выбрать, как подготовить русский текст, когда можно клонировать голос и как проверить готовую озвучку. Статья собрана по первоисточникам, собственных замеров в ней нет.
Коротко
- Модели
eleven_v4иeleven_v4_turboвыпущены 28 сентября 2026 года, обе заявлены для 90+ языков, русский в списке есть. - Для длинного текста за один запрос подходят Flash v2.5 (до 40 000 знаков) и Multilingual v2 (до 10 000 знаков, производитель называет её самой стабильной на длинных генерациях).
- Чужой голос клонируют только с явного и информированного согласия человека. Профессиональный клон (PVC) можно сделать только из своего голоса, и сервис это проверяет.
- Бесплатный тариф не даёт коммерческой лицензии, а при публикации требует указать elevenlabs.io или 11.ai в названии.
- Готовую озвучку стоит прослушать целиком и сверить с исходником через распознавание речи: числа, сокращения и ударения требуют отдельной проверки.
Что умеет ElevenLabs
У сервиса две большие части. ElevenCreative: веб-приложение без кода, где авторы, продюсеры и монтажёры делают озвучку, музыку, дубляж и студийные проекты прямо в браузере. ElevenAgents: платформа для голосовых агентов. В ней есть визуальный конструктор без программирования и полное управление из кода для разработчиков. Для разработчиков у сервиса есть API.
| Задача | Инструмент | Что знать заранее |
|---|---|---|
| Озвучить текст | Text to Speech | Модель выбирают под язык, длину текста и задержку |
| Расшифровать запись | Speech to Text (Scribe v2) | 90+ языков, метки времени по словам, до 32 дикторов |
| Перевести видео с голосом | Dubbing | Дорожки на 90+ языков, несколько дикторов определяются сами |
| Изменить голос в записи | Voice Changer | Меняет и преобразует голос |
| Убрать фоновый шум | Voice Isolator | Отделяет голос от фона |
| Свой голос | Voices | Клонирование и создание собственных голосов |
| Звуки для видео | Sound Effects | Кинематографичные звуковые эффекты |
Какую модель выбрать
| Модель | Языки | Знаков за запрос (около минут звука) | Как её описывает ElevenLabs |
|---|---|---|---|
eleven_v4 | 90+ | 10 000 (~10) | Самая эмоциональная и выразительная модель синтеза речи |
eleven_v4_turbo | 90+ | в таблице лимитов нет | Самая выразительная модель для работы в реальном времени, около 100 мс; для голосовых агентов документация советует её ради самой выразительной подачи |
eleven_v3 | 70+ | 5 000 (~5) | Человечная выразительная речь |
eleven_multilingual_v2 | 29 | 10 000 (~10) | Ровное качество, самая стабильная на длинных генерациях |
eleven_flash_v2_5 | 32 | 40 000 (~40) | Быстрая и недорогая, около 100 мс, в API цена за знак на 50% ниже |
Eleven v4 и Eleven v4 Turbo стали доступны 28 сентября 2026 года. По словам ElevenLabs, v4 даёт более качественную и выразительную речь и улучшенное клонирование голоса на 90+ языках.
Цифры задержки производитель приводит как медиану (p50) для потоковых запросов через WebSocket с «тёплым» голосом, то есть голосом, которым уже генерировали. Это условия замера ElevenLabs, у вашего приложения задержка будет своя.
Модели eleven_turbo_v2_5 и eleven_turbo_v2 по возможностям совпадают с eleven_flash_v2_5 и eleven_flash_v2, только Flash в среднем отвечает быстрее. Вместо этих двух Turbo-моделей документация рекомендует соответствующие Flash во всех сценариях. К eleven_v4_turbo эта рекомендация не относится.
Как выбрать под задачу:
- Ролик, подкаст, аудиокнига, озвучка видео: для профессионального контента документация советует
eleven_v4илиeleven_multilingual_v2. - Голосовой агент, где важна скорость ответа:
eleven_v4_turbo,eleven_flash_v2_5,eleven_flash_v2илиeleven_multilingual_v2, а для самой выразительной подачиeleven_v4_turbo. - Крупный фрагмент длинного текста: Flash v2.5 берёт до 40 000 знаков (около 40 минут звука), Multilingual v2 до 10 000 (около 10 минут). Книгу или лекцию длиннее лимита придётся разбить на части.
Русский язык (код ru) явно указан в списке языков семейства Eleven v4. Для других моделей сверяйте список языков на странице Models перед работой.
Как подготовить русский текст
Модели по-разному понимают разметку, поэтому инструкцию от одной модели нельзя переносить на другую без проверки.
Паузы. Eleven v4 и Eleven v3 не поддерживают тег break из SSML, паузы в них задают приёмами из раздела о промптинге v4. В моделях, которые поддерживают SSML break, тег вида break time="1.5s" в угловых скобках даёт естественную паузу до 3 секунд.
Эмоции. Документация описывает аудиотеги в квадратных скобках, которые управляют подачей и эмоцией: [whispers] (шёпот), [sighs] (вздох), [laughs] (смех), [curious], [excited], [sarcastic] и другие. Перед использованием проверьте, что описание тегов относится к выбранной модели.
Числа и сокращения. За то, как модель читает цифры и сокращения, отвечает параметр apply_text_normalization с режимами auto (по умолчанию), on и off. Страница советов по озвучке пишет, что нормализация включена по умолчанию во всех моделях. Страница Models уточняет: у Flash v2.5 она по умолчанию выключена ради низкой задержки, номера телефонов, даты и суммы могут прозвучать неясно, а включить её для моделей v2.5 через on могут только Enterprise-клиенты. Для телефонов и других случаев, где важны числа, ElevenLabs рекомендует Multilingual v2. В любой модели проверяйте даты, суммы, номера и сокращения на слух, а в важных местах пишите словами так, как их нужно прочитать: «двадцать пятого мая», «сто двадцать рублей».
Язык. Параметр language_code (ISO 639-1) задаёт язык для модели и нормализации текста. Если модель такой язык не поддерживает, код игнорируется, а модели multilingual_v2 этот параметр не принимают вовсе.
Ударения и произношение. Для слов, которые модель читает неверно, есть словари произношения. Теги phoneme в них работают только с eleven_v4, eleven_v4_turbo, eleven_flash_v2 и eleven_v3, остальные модели пропускают их и читают слово по умолчанию. Для других моделей документация советует теги alias: слово или фраза подменяется написанием, которое модель произносит как нужно. Словари поддерживают фонетические алфавиты IPA и CMU, но для языков кроме английского такая разметка работает только в eleven_v4 и eleven_v4_turbo. В использованных разделах документации нет готового примера для русских ударений, поэтому каждую замену проверяйте на слух.
Настройки голоса
В Eleven v4 остаются два главных регулятора:
- Stability управляет тем, насколько одинаково звучит речь от генерации к генерации. Ниже значение, выразительнее и разнообразнее подача; выше, ближе к фиксированной манере.
- Similarity задаёт, насколько точно результат держится исходного голоса.
Ползунков Style и Speed в Eleven v4 нет, SSML она тоже не поддерживает.
В моделях, где скорость регулируется, значение Speed по умолчанию 1.0. Ниже 1.0 голос замедляется, минимум 0.7; выше ускоряется, максимум 1.2. Крайние значения могут ухудшить качество речи.
Настройка Style exaggeration пытается усилить манеру исходного диктора. Speaker Boost немного повышает сходство с исходным голосом, но требует больше вычислений и увеличивает задержку; разница обычно едва заметна. Для Eleven v3 эта настройка недоступна.
Формат файла по умолчанию mp3_44100_128: имя формата составлено из кодека, частоты дискретизации и битрейта, здесь MP3, 44,1 кГц и 128 кбит/с.
Клонирование голоса и согласие
В ElevenLabs два вида клонов:
| Instant Voice Cloning (IVC) | Professional Voice Cloning (PVC) | |
|---|---|---|
| Сколько записи рекомендуют | 1–2 минуты хорошего аудио | 30–180 минут хорошего аудио |
| Чей голос | Свой или чужой, если у вас есть право и согласие владельца; голоса знаменитостей и другие голоса высокого риска сервис блокирует | Только ваш собственный |
| Проверка | Подтверждение права и согласия при сохранении | Обязательная проверка, что голос принадлежит вам |
| Публикация в Voice Library | Нельзя | Можно |
Запись. Документация советует думать о качестве записи: чистый звук без фонового шума, эха комнаты и нескольких дикторов, ровная громкость и тон, без длинных пауз.
IVC. При сохранении клона вы называете голос, ставите метки и подтверждаете, что у вас есть право и согласие клонировать этот голос.
PVC. Профессиональный клон делается только из собственного голоса. Даже с согласием другого человека клонировать его голос через PVC нельзя: каждый такой клон проходит проверку, что голос принадлежит владельцу аккаунта. Проверка Voice CAPTCHA сравнивает голос из загруженного образца с записью, где пользователь в реальном времени читает сгенерированный текст.
Что запрещают правила. Политика запрещённого использования ElevenLabs не разрешает клонировать, синтезировать или имитировать голос, личность или облик живого человека без его явного и информированного согласия или иного действительного полномочия. Там же запрещено выдавать себя за организацию, делать обманную рекламу и намекать на одобрение, спонсорство или связь, которых нет. Условия сервиса добавляют: нельзя загружать материалы и создавать результат, если у вас нет всех нужных на это прав. Клонирование голосов знаменитостей и других голосов высокого риска сервис блокирует.
Перед записью чужого голоса договоритесь письменно и зафиксируйте:
- чей голос и кто его владелец;
- для чего нужен клон: ролики, реклама, голосовой бот;
- где голос будет звучать и сколько времени;
- как человек отзывает согласие и что происходит с уже готовыми записями.
Требования закона к такому согласию в вашей стране проверьте отдельно: здесь описаны только правила ElevenLabs.
Voice Library: что происходит с расшаренным голосом
Voice Library работает как площадка, где пользователи делятся профессиональными клонами и получают вознаграждение, когда другие их используют. Расшарить можно только PVC: клоны IVC и голоса, созданные через Voice Design, в библиотеку не попадают.
Другие пользователи могут генерировать результат с голосом, которым вы поделились. Если вы снимаете голос с публикации, действует выбранный срок уведомления (Notice Period): например, при 30 днях голос остаётся в чужих аккаунтах 30 дней с даты удаления. Всё, что создали с вашим голосом до конца этого срока, продолжает существовать и остаётся доступным для использования.
Перед публикацией своего голоса заранее выберите срок уведомления: созданные за это время записи останутся у пользователей.
Тарифы и коммерческое использование
Цены и кредиты по тарифам за месяц, как их показывает страница Pricing на 5 ноября 2026 года:
| Тариф | Цена в месяц | Кредиты | Места |
|---|---|---|---|
| Free | $0 | 10 000 | |
| Starter | $6 | 30 000 | |
| Creator | $22 (первый месяц $11) | 121 000 | |
| Pro | $99 | 600 000 | |
| Scale | $299 | 1 800 000 | 3 |
| Business | $990 | 6 000 000 | 10 |
| Enterprise | по договорённости |
Цены и акции меняются, перед оплатой сверяйте страницу Pricing.
Кредит не всегда равен знаку. Для моделей V2 Multilingual один знак текста стоит один кредит. Для V2 Flash/Turbo English и V2.5 Flash/Turbo Multilingual в API действует скидка: от 0,5 до 1 кредита за знак. Расход для других моделей смотрите на той же странице.
Лицензия. Бесплатный тариф не включает коммерческую лицензию, и для коммерческих целей его использовать нельзя. Если вы публикуете контент, созданный на бесплатном тарифе или без входа в аккаунт, укажите elevenlabs.io или 11.ai в названии. Все платные тарифы включают коммерческую лицензию, если вы не пользуетесь бета-сервисами (Beta Services). Коммерческое использование допускается, когда у вас есть права на созданный контент и он соответствует закону, условиям сервиса и политике запрещённого использования.
Одновременные запросы. Лимит считают по числу параллельных запросов, а не в минуту:
| Тариф | Multilingual v2 | Flash | Распознавание | Распознавание в реальном времени |
|---|---|---|---|---|
| Free | 2 | 4 | 8 | 6 |
| Starter | 3 | 6 | 12 | 9 |
| Creator | 5 | 10 | 20 | 15 |
Speech to Text и дубляж
Scribe v2 расшифровывает речь на 90+ языках: точные метки времени по словам, разделение до 32 дикторов, аудиотеги событий, автоопределение языка и список терминов-подсказок, до 1000 штук. Файлы принимаются до 3 ГБ, в стандартном режиме запись может длиться до 10 часов. Многоканальный режим обрабатывает до 5 каналов: каждый канал распознаётся отдельно и получает идентификатор диктора по номеру канала. Лимит длительности для этого режима на одной странице указан двумя способами: в ответе FAQ сказано, что суммарная длительность всех каналов должна быть меньше 10 часов, а в блоке ключевых фактов указан максимум 1 час. Пока страница не согласована, планируйте многоканальные записи короче часа. Подробно процесс расшифровки разобран в статье о транскрибации видео.
Dubbing сам определяет нескольких дикторов, даже если речь перекрывается, и делает локализованные дорожки на 90+ языков. Лимиты загрузки: в приложении до 1 ГБ и 180 минут, через API до 3 ГБ на исходный файл. Dubbing Studio даёт точную правку: редактирование расшифровки, переназначение дикторов и перегенерацию отдельных фрагментов. Работает она только с моделью v1, лимит до 1 ГБ и 45 минут.
API: параметры запроса
Ключ API передают в HTTP-заголовке xi-api-key. Держите его в переменной окружения или менеджере секретов и не кладите в код и репозиторий. Официальные библиотеки: пакет elevenlabs для Python (клиент ElevenLabs импортируется из elevenlabs.client) и @elevenlabs/elevenlabs-js для Node.js.
Озвучка идёт запросом POST /v1/text-to-speech/:voice_id на хост api.elevenlabs.io, в официальном примере формат файла передаётся параметром output_format в адресе, а ключ передаётся заголовком xi-api-key. Обязательное поле тела только text. Поле model_id необязательное, по умолчанию eleven_multilingual_v2, поэтому модель лучше указывать явно. Тело запроса для русского текста на Eleven v4:
{
"text": "Двадцать пятого мая в десять утра начинается вебинар.",
"model_id": "eleven_v4",
"language_code": "ru",
"apply_text_normalization": "auto"
}
Параллельные запросы ограничены лимитом тарифа из таблицы выше.
Данные и хранение
- История генераций по умолчанию сохраняется. Через API генерацию можно удалить в любой момент: аудио и текст сразу исчезают из базы, но данные о генерации могут остаться в журналах отладки и модерации.
- Режим нулевого хранения (Zero Retention Mode) ElevenLabs предлагает части Enterprise-клиентов для отдельных продуктов: большинство данных запроса и ответа удаляется сразу после его завершения. Действует режим только для подходящих API-эндпоинтов, трафик через веб-интерфейс он не покрывает.
- На данных Enterprise-клиентов ElevenLabs по умолчанию не обучает модели, кроме того, что нужно для оказания им услуг. Отказаться от использования своих данных может любой пользователь в любой момент.
Записи и тексты, которые нельзя передавать третьей стороне, в сервис не загружайте.
Как проверить готовую озвучку
- Прослушайте файл целиком на обычной скорости.
- Прогоните аудио через распознавание речи, например Scribe, и сравните расшифровку с исходным текстом: сравнение помогает заметить пропуски и расхождения, но прослушивание не заменяет.
- Отдельно проверьте числа, даты, суммы, сокращения, имена и ударения.
- Послушайте паузы и интонацию на стыках абзацев.
- Проверьте права: чей голос, есть ли согласие, есть ли коммерческая лицензия на вашем тарифе и нужна ли атрибуция на бесплатном.
- Запишите модель, голос, настройки и формат файла, чтобы повторить озвучку при правке текста.
Проверить, могла ли запись быть сделана в ElevenLabs, помогает Audio Detector. Он ищет в аудио неслышимые водяные знаки, которые ElevenLabs встраивает в свои генерации, а если знака нет, использует AI Speech Classifier, ответ которого остаётся оценкой. Для пользователей, вошедших в аккаунт, инструмент бесплатен. Компания также пишет, что использует сторонние стандарты вроде C2PA.
Если озвучка нужна для видео, пригодится разбор нейросетей для видео.
Частые вопросы
Есть ли в ElevenLabs русский язык?
Да, русский (ru) указан в списке языков Eleven v4.
Можно ли пользоваться ElevenLabs бесплатно?
Тариф Free даёт 10 000 кредитов в месяц. Коммерческой лицензии на нём нет, а при публикации контента нужно указать elevenlabs.io или 11.ai в названии.
Можно ли клонировать чужой голос?
Через Instant Voice Cloning, если у вас есть право и явное информированное согласие владельца голоса: при сохранении клона сервис просит это подтвердить. Профессиональный клон (PVC) можно сделать только из своего голоса.
Как поставить ударение в ElevenLabs?
Через словари произношения. Можно попробовать тег alias: проблемное слово заменяется написанием, которое модель читает с нужным ударением. Фонетическая разметка IPA или CMU для неанглийских языков работает только в eleven_v4 и eleven_v4_turbo. Результат в обоих случаях проверяйте на слух.
Когда вышла Eleven v4?
Eleven v4 и Eleven v4 Turbo стали доступны 28 сентября 2026 года, так написано в журнале изменений ElevenLabs.
Сколько текста можно озвучить за один запрос?
Eleven v4 и Multilingual v2 до 10 000 знаков, Eleven v3 до 5 000, Flash v2.5 до 40 000, Flash v2 до 30 000.
Как проверить, могла ли запись быть сделана в ElevenLabs?
Через Audio Detector: он ищет водяной знак ElevenLabs в аудио, а без знака использует AI Speech Classifier. Ответ классификатора остаётся оценкой и не доказывает происхождение записи.
Читайте также
- Транскрибация видео: как получить текст с таймкодами и проверить ошибки
- Нейросеть для видео: как выбрать генератор по задаче и управлению кадром
- Как пользоваться ИИ: пять правил из 800 сессий с ИИ за месяц
- Нейросеть для написания текста: черновик по источникам и проверка
- ИИ для создания приложений: как работать с агентами и проверять результат
Источники
- Text to Speech (product guide) · ElevenLabs Docs
- Zero Retention Mode (Enterprise) · ElevenLabs Docs
- Text to Speech & Voice Agent APIs · ElevenLabs Docs
- Models · ElevenLabs Docs
- API Authentication · ElevenLabs Docs
- September 28, 2026 · ElevenLabs Docs
- How ElevenLabs latency figures are measured · ElevenLabs Docs
- Best practices · ElevenLabs Docs
- ElevenLabs - The ElevenLabs Voice Library Addendum
- Eleven v4 · ElevenLabs Docs
- Create speech · ElevenLabs Docs
- Using pronunciation dictionaries · ElevenLabs Docs
- Voice Cloning overview · ElevenLabs Docs
- Instant Voice Cloning · ElevenLabs Docs
- Professional Voice Cloning · ElevenLabs Docs
- ElevenLabs: Strengthening and protecting elections
- ElevenLabs Terms of Service (non-EEA)
- ElevenLabs Prohibited Use Policy
- Safety
- Audio detector · ElevenLabs Docs
- Voice Library · ElevenLabs Docs
- Can I publish the content I generate on the platform? · ElevenLabs Docs
- ElevenLabs Pricing for Creators & Businesses of All Sizes
- Transcription · ElevenLabs Docs
- Dubbing · ElevenLabs Docs
- Is my data used to improve ElevenLabs’ AI models? · ElevenLabs Docs