Видео с русской озвучкой

Наведите курсор на вкладку «Видео». Над карточками стоят кнопки отбора, и две из них про звук:

• «Со звуком» — модель выдаёт ролик со звуковой дорожкой;
• «Русская озвучка» — в ролике звучит русская речь.

Это разные вещи, и разница существенная: «со звуком» может означать шум улицы, музыку или речь на другом языке. Если нужен русский голос, жмите вторую кнопку.

Увеличить

После фильтра в каталоге останутся модели, которые это умеют. На дату сверки гайда среди них:

• Veo 3.1 Fast — «Видео с русской озвучкой и качеством до 4K», от 41 ₽ за секунду;
• Grok Video — «Бюджетная видео нейросеть от xAI с русской озвучкой, длительность до 30 секунд», от 14 ₽ за секунду;
• MiniMax H3 и Kling 3.0 — тоже со звуком.

Список меняется: модели добавляются, поэтому источник правды — сам каталог, а не этот перечень.

Увеличить

Если модель умеет говорить, ей нужно сказать, что именно произносить. Реплику пишите прямой речью, в кавычках — так модель понимает, что это текст для озвучивания, а не описание сцены.

Девушка в кафе смотрит в камеру и говорит:
«Привет! Сегодня расскажу, как я собираю заказы за десять минут».
Тёплый дневной свет, камера статична

Держите реплику короткой. Речь идёт в реальном времени: две длинные фразы — это уже секунд десять, а платите вы за каждую.

Модели со звуком в среднем дороже немых, а речь ещё и удлиняет ролик. Считайте так же, как везде в видео: ставка за секунду × длительность.

Дешевле выходит короткий ролик с одной фразой, чем длинный монолог. И надёжнее: чем длиннее реплика, тем выше шанс, что модель споткнётся на середине.

Цены указаны на дату сверки гайда; актуальные — на странице тарифов.

Бывает, что видео уже есть, а нужен только голос. Тогда видеомодель не нужна — идите во вкладку «Аудио»: там живут ElevenLabs и Gemini TTS, они делают озвучку из текста заметно дешевле.

А если нужно, чтобы человек на фотографии говорил вашим аудиофайлом, — в каталоге «Видео» есть «Липсинк (Kling Avatar)»: он просит картинку и аудио, а на выходе даёт говорящее видео.