Inworld TTS 2.0

Самый маленький выбор в голосовом каталоге — четыре голоса — на шестнадцати языках, с контролем скорости и без выбора эмоции. Она создана для синтеза в реальном времени, и вытекающая из этого черта — отзывчивость, а не диапазон.

Четыре голоса — реальное ограничение, и его первым стоит сверить с задачей. Для одного рассказчика или диалога двоих этого хватает; для вещи, которой нужен состав из разных голосов, — нет, и тогда путь к тридцати голосам Gemini 3.1 Flash TTS или тридцати трём у Kokoro.

Свой премиальный уровень она оправдывает постоянством: небольшой настроенный набор обычно лучше держит характер на длинном сценарии, чем большой, а это важно, когда закадровый текст разбит на множество отдельных рендеров, которые должны звучать как один человек. Если вещь — это один длинный голос через дюжину клипов, такое постоянство ценнее выбора.