# Озвучка презентации webrtc-komaroff — 17.09.2026

Каждая карточка показывает, **что действительно запускалось**, на какой машине и сколько занял синтез. Если времени нет, это написано прямо: длительность MP4 не равна времени генерации. «ОЗУ» у локальных моделей — измеренный пик процесса, а 15 GiB — объём установленной памяти компьютера, **не минимальное требование**. Цены и квоты проверены 17.09.2026; перед новым запуском их нужно сверить снова.

[Подробный разбор лицензий и лимитов удалённых сервисов](</experiments/voice-ai/archive/c/videos/webrtc-explainer-2026-09-17/tts-remote-services-terms-2026-09-17.md>) охватывает Fish Audio, TTSMaker, TeraTTS Space, Edge Read Aloud, Google TTS/STT, Azure и ElevenLabs. Включён также [отдельный опыт полного Fish-ролика из связанного чата](#archive-availability): 50 фраз, разовый голосовой референс и явная пометка о синтетическом голосе. При копировании/публикации этого варианта право на голос и запись требует самостоятельной проверки; сообщение пользователя о разрешении не равно такой проверке.

Локальный стенд: Ubuntu x86_64, AMD Ryzen 7 7730U (16 логических CPU, AVX2), 15 GiB RAM, без NVIDIA GPU. Короткие замеры сделаны на одинаковой русской фразе: два запуска каждого движка с загрузкой модели и записью WAV, CPU ограничен четырьмя потоками. Речь в 10-секундных пробах дополнена тишиной; для скорости берётся длительность **сырого** аудио без этой тишины. Исходная сборка полных роликов по времени синтеза не протоколировалась. [Слушать все пять проб](</experiments/voice-ai/archive/c/videos/webrtc-explainer-2026-09-17/voice-comparison-2026-09-17/index.html>), [скрипт теста](</experiments/voice-ai/archive/c/videos/webrtc-explainer-2026-09-17/voice-comparison-2026-09-17/synthesize_local.py>), [журнал установки](</experiments/voice-ai/archive/c/videos/webrtc-explainer-2026-09-17/VOICE_SETUP.md>) и [QC основных версий](</experiments/voice-ai/archive/c/videos/webrtc-explainer-2026-09-17/QC.md>).

## Озвучка, которая дала готовые ролики

-----

<a id="piper"></a>
*Piper — Denis* ([сайт и модель](<https://huggingface.co/rhasspy/piper-voices>), [GitHub движка](<https://github.com/OHF-Voice/piper1-gpl>))

локальный

**Ресурсы:**

- Процессор: Ryzen 7 7730U, 4 потока CPU; GPU не использовалась.
- ОЗУ: пик процесса ≈257 MiB; компьютер с 15 GiB RAM.
- Веса: `ru_RU-denis-medium.onnx`, 63 201 294 байта (≈60 MiB); размер Python-среды не измерен.

**Скорость:** 8,440 с речи за 1,69 и 1,62 с подготовки (≈5,0–5,2× реального времени). Это короткий повторный тест, не замер полной сборки.

**Условия:** без аккаунта, сети после загрузки весов и лимита символов. Датасет голоса — [CC0](<https://huggingface.co/rhasspy/piper-voices/blob/main/ru/ru_RU/denis/medium/MODEL_CARD>); у движка отдельная GPL-3.0.

**Демо:** первоначальный объясняющий ролик, 19 сцен, 199,633 с; короткая проба нормализована и дополнена тишиной до 10 с.

**Файлы:** [полный MP4](#archive-availability), [10-секундный WAV](#archive-availability).

-----

<a id="silero-xenia"></a>
*Silero v5.5 RU — Xenia* ([сайт](<https://silero.ai/>), [GitHub моделей](<https://github.com/snakers4/silero-models>))

локальный

**Ресурсы:**

- Процессор: Ryzen 7 7730U, 4 потока CPU; GPU не использовалась.
- ОЗУ: пик процесса ≈632 MiB; компьютер с 15 GiB RAM.
- Веса: общий `v5_5_ru.pt`, 145 420 684 байта (≈139 MiB); Python-среда с CPU PyTorch 2.8 и NumPy ≈800 MiB на диске.

**Скорость:** 8,488 с речи за 3,64 и 3,13 с подготовки (≈2,3–2,7×). Полный ролик в этой метрике не измерялся.

**Условия:** после скачивания работает без TTS-сервиса и квот. [Лицензия модели CC BY-NC-SA 4.0](<https://github.com/snakers4/silero-models/blob/master/LICENSE>): коммерческое применение не следует считать разрешённым.

**Демо:** основная полная версия, 19 сцен, 188,133 с. `output/webrtc-komaroff-explainer.mp4` — её копия, не новая озвучка.

**Файлы:** [полный MP4](#archive-availability), [30-секундный фрагмент](#archive-availability), [10-секундный WAV](#archive-availability).

-----

<a id="silero-aidar"></a>
*Silero v5.5 RU — Aidar* ([сайт](<https://silero.ai/>), [GitHub моделей](<https://github.com/snakers4/silero-models>))

локальный

**Ресурсы:**

- Процессор: Ryzen 7 7730U, 4 потока CPU; GPU не использовалась.
- ОЗУ: пик процесса ≈641 MiB; компьютер с 15 GiB RAM.
- Веса: те же `v5_5_ru.pt` ≈139 MiB; среда ≈800 MiB на диске, повторное скачивание для этого голоса не нужно.

**Скорость:** 9,700 с речи за 3,08 и 3,09 с подготовки (≈3,1×). Полный ролик в этой метрике не измерялся.

**Условия:** без API-квоты и передачи текста в облако; та же [CC BY-NC-SA 4.0](<https://github.com/snakers4/silero-models/blob/master/LICENSE>).

**Демо:** мужской голос, полный ролик из 19 сцен, 224,433 с.

**Файлы:** [полный MP4](#archive-availability), [30-секундный фрагмент](#archive-availability), [10-секундный WAV](#archive-availability).

-----

<a id="silero-eugene"></a>
*Silero v5.5 RU — Eugene* ([сайт](<https://silero.ai/>), [GitHub моделей](<https://github.com/snakers4/silero-models>))

локальный

**Ресурсы:**

- Процессор: тот же Ryzen 7 7730U, CPU в 4 потока; GPU не использовалась.
- ОЗУ: отдельный пик процесса для Eugene не записан; компьютер с 15 GiB RAM.
- Веса: тот же `v5_5_ru.pt` ≈139 MiB и среда ≈800 MiB на диске.

**Скорость:** не измерялась отдельно; 174,300 с — длительность ролика, **не время синтеза**.

**Условия:** без API-квоты; та же [CC BY-NC-SA 4.0](<https://github.com/snakers4/silero-models/blob/master/LICENSE>).

**Демо:** третий голос на том же 19-сценном сценарии.

**Файлы:** [полный MP4](#archive-availability), [30-секундный фрагмент](#archive-availability).

-----

<a id="fish-female"></a>
*Fish Audio `s2.1-pro-free` — женский голос* ([сайт](<https://fish.audio/>), [GitHub официального SDK](<https://github.com/fishaudio/fish-audio-python>))

сторонний

**Ресурсы:**

- Процессор: синтез на сервере Fish, характеристики не раскрыты; наш Ryzen использовался только для сборки MP4.
- ОЗУ: серверный расход не раскрыт; локальная GPU не требовалась.
- Веса: на сервере, локально не скачивались; нужны сеть и API-ключ.

**Скорость:** время API-запросов не фиксировалось; 20,000 с — видео с паузами и заставкой, не время генерации. После получения MP3 применён FFmpeg `atempo 1.14`.

**Условия:** [модель $0 за 1 млн UTF-8 байт](<https://docs.fish.audio/developer-guide/models-pricing/pricing-and-rate-limits>) — это ставка, не предел объёма; 5 одновременных запросов на начальном уровне, fair use без жёсткого месячного предела. [Бесплатный период заявлен до 30.11.2026](<https://fish.audio/ru/blog/s2-1-pro-free-api/>); SLA нет, запросы могут использоваться для улучшения модели. [Общие условия Fish](<https://fish.audio/terms/>) ограничивают бесплатное использование некоммерческими сценариями; подробности и пересчёт на русскую речь — в [разборе](</experiments/voice-ai/archive/c/videos/webrtc-explainer-2026-09-17/tts-remote-services-terms-2026-09-17.md#fish-audio>).

**Демо:** 20 секунд объяснения по первым двум сценам, готовый женский русскоязычный голос; четыре API-запроса вернули MP3. Сохранён и первоначальный более медленный вариант.

**Файлы:** [ускоренный MP4](#archive-availability), [первоначальный темп](#archive-availability).

-----

<a id="fish-male"></a>
*Fish Audio `s2.1-pro-free` — мужской голос* ([сайт](<https://fish.audio/>), [GitHub официального SDK](<https://github.com/fishaudio/fish-audio-python>))

сторонний

**Ресурсы:**

- Процессор: синтез на сервере Fish; наш Ryzen использовался для сборки MP4, не TTS.
- ОЗУ: серверный расход не раскрыт; локальная GPU не требовалась.
- Веса: на сервере; локально нужны сеть и API-ключ.

**Скорость:** время четырёх API-запросов не записано; 20,000 с — длина видео, не задержка сервиса. После получения MP3 применён `atempo 1.04`.

**Условия:** те же [$0 за 1 млн UTF-8 байт и 5 одновременных запросов](<https://docs.fish.audio/developer-guide/models-pricing/pricing-and-rate-limits>), fair use, [срок до 30.11.2026 без SLA](<https://fish.audio/ru/blog/s2-1-pro-free-api/>); текст передаётся Fish. Бесплатность не даёт коммерческих прав: [подробный разбор](</experiments/voice-ai/archive/c/videos/webrtc-explainer-2026-09-17/tts-remote-services-terms-2026-09-17.md#fish-audio>).

**Демо:** тот же 20-секундный сюжет мужским голосом; сохранена более медленная первоначальная версия.

**Файлы:** [ускоренный MP4](#archive-availability), [первоначальный темп](#archive-availability).

-----

<a id="fish-reference"></a>
*Fish Audio `s2.1-pro-free` — синтетический голос по референсу* ([сайт](<https://fish.audio/>), [GitHub официального SDK](<https://github.com/fishaudio/fish-audio-python>))

сторонний

**Ресурсы:**

- Процессор: синтез на сервере Fish; локальный Ryzen использовался для подготовки и видеосборки.
- ОЗУ: серверный расход неизвестен; локальный пик не измерен.
- Веса: на сервере; использован 19,4-секундный звуковой образец и `fish-audio-sdk 1.3.0`.

**Скорость:** 50 фраз → 50 MP3; время этих API-вызовов не записано. 224,900 с — длительность готового видео, **не длительность генерации**.

**Условия:** те же [бесплатная модель и fair use](<https://fish.audio/ru/blog/s2-1-pro-free-api/>) без SLA; текст и образец отправлены Fish. Пользователь заявил о разрешении на использование записи и голоса; независимой проверки прав не было. Создавалась разовая имитация без постоянной модели голоса. [Права, ограничения и противоречие условий Free](</experiments/voice-ai/archive/c/videos/webrtc-explainer-2026-09-17/tts-remote-services-terms-2026-09-17.md#fish-audio>).

**Демо:** полный 19-сценный ролик, 50 субтитров; постоянная надпись сообщает, что голос синтетический и это не реальное выступление или поддержка проекта.

**Файлы:** [полный MP4](#archive-availability), [30-секундный пилот](#archive-availability), [проверка](</experiments/voice-ai/archive/c/videos/webrtc-explainer-2026-09-17/voice-variants/fish-pupkin/QC.md>).

## Короткие пробы и варианты без собственного демо

-----

<a id="teratts"></a>
*TeraTTSv2 — `ru_f1`* ([сайт и модель](<https://huggingface.co/TeraSpace/TeraTTSv2>), GitHub: официальная ссылка не подтверждена)

сторонний

**Ресурсы:**

- Процессор: проба сделана на сервере [Space автора](<https://huggingface.co/spaces/TeraTTS/TTS>); его CPU/GPU неизвестны.
- ОЗУ: расход сервера неизвестен; на нашем компьютере модель не запускалась.
- Веса: на стороне Space; размер используемого набора не измерен.

**Скорость:** время удалённого вызова не записано; WAV дополнен тишиной до 10 с.

**Условия:** публичный Space ответил без аккаунта. В текущем [коде Space](<https://huggingface.co/spaces/TeraTTS/TTS/blob/main/app.py>) — максимум 4000 символов на вызов и одна одновременная генерация; доступность не гарантирована. Лицензия весов для публикации не прояснена; MIT приложения Space её не заменяет. [Подробности](</experiments/voice-ai/archive/c/videos/webrtc-explainer-2026-09-17/tts-remote-services-terms-2026-09-17.md#teratts>).

**Демо:** одна и та же тестовая фраза, что у Piper и Silero; в полный ролик не вошла.

**Файл:** [10-секундный WAV](#archive-availability).

-----

<a id="edge"></a>
*Microsoft Edge Read Aloud — Dmitry* ([сайт](<https://explore.microsoft.com/en-us/edge/features/read-aloud>), [GitHub неофициального клиента](<https://github.com/rany2/edge-tts>))

сторонний

**Ресурсы:**

- Процессор: синтез выполнялся удалённо у Microsoft; параметры сервера неизвестны.
- ОЗУ: серверный расход неизвестен; локальный клиент не измерялся.
- Веса: на стороне Microsoft; локально не скачивались.

**Скорость:** время запроса не измерялось; голос `ru-RU-DmitryNeural` запрошен с `--rate +14%` для короткой пробы.

**Условия:** ключ не потребовался, но `edge-tts` обращается к потребительскому Read Aloud, **не** к официальному Azure Speech API. Контракт, квота и права на автоматизированный выпуск аудио по этому пути не подтверждены; [подробности](</experiments/voice-ai/archive/c/videos/webrtc-explainer-2026-09-17/tts-remote-services-terms-2026-09-17.md#edge>).

**Демо:** короткая тестовая фраза в WAV с тишиной до 10 с; в полный ролик не вошла.

**Файл:** [10-секундный WAV](#archive-availability).

-----

<a id="chatterbox"></a>
*Chatterbox Multilingual V3* ([сайт и модель](<https://huggingface.co/ResembleAI/chatterbox>), [GitHub](<https://github.com/resemble-ai/chatterbox>))

локальный

**Ресурсы:**

- Процессор: авторы допускают CPU, но на нашем Ryzen без NVIDIA GPU **не проверялось**.
- ОЗУ: минимум и пик процесса неизвестны; наши 15 GiB не подтверждают пригодность.
- Веса: модель на 500 млн параметров; размер скачивания и занимаемая память здесь не измерены.
- Среда: разработчики тестировали Debian 11/Python 3.11; текущие зависимости включают [PyTorch/Torchaudio 2.6.0](<https://github.com/resemble-ai/chatterbox/blob/master/pyproject.toml>), не нашу Silero-среду с 2.8.

**Скорость:** локального синтеза и замера не было. Заявленную скорость англоязычных Turbo/Nano нельзя переносить на русский V3.

**Условия:** русский `ru` поддерживается, [модель и код помечены MIT](<https://huggingface.co/ResembleAI/chatterbox>). При локальном запуске нет посимвольного API-лимита, но нужны собственные вычисления и права на любой чужой голосовой референс.

**Демо:** нашего файла нет; [официальная интерактивная проба V3](<https://huggingface.co/spaces/ResembleAI/Chatterbox-Multilingual-TTS-V3>) не содержит наш сценарий.

**Файл:** отсутствует — модель не была установлена или протестирована в этой серии.

-----

<a id="ttsmaker"></a>
*TTSMaker — Lukin 567* ([сайт](<https://ttsmaker.com/>), GitHub: официального репозитория API не найдено)

сторонний

**Ресурсы:**

- Процессор: синтез на сервере TTSMaker, характеристики неизвестны.
- ОЗУ: серверный расход неизвестен; локальная GPU не нужна.
- Веса: на стороне сервиса; нужен браузер и сеть либо платный API-ключ.

**Скорость:** не измерялась — аудио не получено.

**Условия:** веб-Free — [20 000 символов/неделю, CAPTCHA, без API](<https://pro.ttsmaker.com/pricing>); общий текущий лимит 500 символов/конвертацию расходится с показанными ранее 1000 для голоса 567. Четыре подготовленных фрагмента длиннее 500. Прямой вызов внутреннего endpoint получил HTTP 403/Cloudflare challenge; [обход и боты запрещены](<https://ttsmaker.com/terms-of-service>). Официальный [API v2](<https://pro.ttsmaker.com/api-platform/api-docs-v2>) требует Pro/Studio: пример Pro Mini — $23,99/месяц, 600 000 символов/месяц, максимум 20 000 символов/запрос и 1 запрос/с; «Unlimited» на сайте не даёт безлимитного API. [Детальный разбор лицензии, очереди и срока хранения](</experiments/voice-ai/archive/c/videos/webrtc-explainer-2026-09-17/tts-remote-services-terms-2026-09-17.md#ttsmaker>).

**Демо:** четыре текстовых фрагмента (865/780/897/551 символ) готовы, но MP3/SRT/MP4 нет; блокер — CAPTCHA и отсутствие API на Free.

**Файл:** аудиодемо отсутствует; [описание заготовок](</experiments/voice-ai/archive/c/videos/webrtc-explainer-2026-09-17/voice-variants/ttsmaker-lukin/README.md>).

-----

<a id="google-tts"></a>
*Google Cloud Text-to-Speech — Chirp 3 HD* ([сайт и цены](<https://cloud.google.com/text-to-speech/pricing>), [GitHub примеров Google](<https://github.com/GoogleCloudPlatform/python-docs-samples>))

сторонний

**Ресурсы:**

- Процессор: вычисления Google, характеристики не раскрыты.
- ОЗУ: серверный расход неизвестен; клиентский не измерялся.
- Веса: на сервере; нужны GCP-проект, сеть и включённый биллинг.

**Скорость:** запросов не делали; времени генерации нет.

**Условия:** [1 млн символов/месяц без платы, затем $30/млн](<https://cloud.google.com/text-to-speech/pricing>); превышение тарифицируется, нужен включённый биллинг. [До 5000 байт/запрос и 200 запросов Chirp3 в минуту на проект](<https://docs.cloud.google.com/text-to-speech/quotas>). [Детальный разбор](</experiments/voice-ai/archive/c/videos/webrtc-explainer-2026-09-17/tts-remote-services-terms-2026-09-17.md#google-tts>).

**Демо:** не подготовлено: не было согласованного GCP-проекта и режима передачи текста.

**Файл:** отсутствует.

-----

<a id="azure-tts"></a>
*Azure AI Speech — Neural TTS* ([сайт и цены](<https://azure.microsoft.com/en-gb/pricing/details/speech/>), [GitHub примеров Microsoft](<https://github.com/Azure-Samples/cognitive-services-speech-sdk>))

сторонний

**Ресурсы:**

- Процессор: вычисления Azure; параметры сервера неизвестны.
- ОЗУ: серверный расход неизвестен; клиентский не измерялся.
- Веса: на сервере; нужны Azure Speech ресурс, сеть и ключ.

**Скорость:** запросов не делали; времени генерации нет.

**Условия:** F0 — [0,5 млн символов/месяц](<https://azure.microsoft.com/en-gb/pricing/details/speech/>); [20 операций/60 с, не более 10 минут выходного аудио за запрос](<https://learn.microsoft.com/en-us/azure/ai-services/speech-service/speech-services-quotas-and-limits>). Это ограниченная бесплатная квота, не право на любой способ использования. [Детальный разбор](</experiments/voice-ai/archive/c/videos/webrtc-explainer-2026-09-17/tts-remote-services-terms-2026-09-17.md#azure-tts>).

**Демо:** не подготовлено: не было подключённого ресурса/ключа.

**Файл:** отсутствует.

-----

<a id="elevenlabs"></a>
*ElevenLabs* ([сайт и цены](<https://elevenlabs.io/pricing>), [GitHub официального SDK](<https://github.com/elevenlabs/elevenlabs-python>))

сторонний

**Ресурсы:**

- Процессор: вычисления ElevenLabs, параметры сервера неизвестны.
- ОЗУ: серверный расход неизвестен; клиентский не измерялся.
- Веса: на сервере; нужны учётная запись, сеть и API-ключ.

**Скорость:** запросов не делали; времени генерации нет.

**Условия:** Free — [10 000 общих кредитов/месяц](<https://elevenlabs.io/pricing>), расход на символ зависит от модели. [Бесплатный план только для некоммерческого использования](<https://elevenlabs.io/terms-of-use>), а публикация Free-аудио требует атрибуции; коммерческая лицензия начинается с Starter. [Детальный разбор](</experiments/voice-ai/archive/c/videos/webrtc-explainer-2026-09-17/tts-remote-services-terms-2026-09-17.md#elevenlabs>).

**Демо:** не подготовлено: не было разрешённого доступа. Бесплатная квота не означает безлимит.

**Файл:** отсутствует.

<a id="video-tools"></a>
## Инструменты видеосборки и проверки — не TTS-движки

-----

<a id="anything2explainer"></a>
*anything2explainer* ([описание проекта](<https://github.com/Vincentwei1021/anything2explainer#readme>), [GitHub](<https://github.com/Vincentwei1021/anything2explainer>))

локальный

**Ресурсы:**

- Процессор: сборка на Ryzen 7 7730U, а не синтез в самом toolkit.
- ОЗУ: пик отдельно не измерялся; компьютер с 15 GiB RAM.
- Веса: модель TTS не входит; видеозависимости проекта `node_modules` ≈364 MiB на диске.

**Скорость:** не применимо — это шаблон и компоненты ролика, а не генератор голоса; общее время изготовления не записано.

**Условия:** [лицензия исходного toolkit](#archive-availability) сохранена отдельно; использованы шаблон, часть компонентов и [Codex-навык](#archive-availability).

**Демо:** сцены и предметные схемы всей серии; сценарий создан отдельно по исходникам проекта.

**Файл:** [основной MP4 с Xenia](#archive-availability).

-----

<a id="remotion"></a>
*Remotion, React и TypeScript* ([сайт](<https://www.remotion.dev/>), [GitHub](<https://github.com/remotion-dev/remotion>))

локальный

**Ресурсы:**

- Процессор: Ryzen 7 7730U для рендера, Chrome 152, Node 22.14, pnpm 11.19.
- ОЗУ: пик рендера не измерен; компьютер с 15 GiB RAM.
- Веса: TTS-модели нет; `node_modules` всей видеосборки ≈364 MiB на диске.

**Скорость:** к синтезу голоса не относится; время рендера не записано.

**Условия:** Remotion 4.0.507, React 19.2.8, TypeScript 5.9.3; у Remotion [собственные условия лицензии](<https://www.remotion.dev/license>).

**Демо:** анимация 19 сцен, 1920×1080, 30 кадров/с, с синхронизацией по длительности каждого голоса.

**Файл:** [полный MP4](#archive-availability).

-----

<a id="ffmpeg"></a>
*FFmpeg / ffprobe* ([сайт](<https://ffmpeg.org/>), [GitHub-зеркало](<https://github.com/FFmpeg/FFmpeg>))

локальный

**Ресурсы:**

- Процессор: Ryzen 7 7730U; использована версия FFmpeg 6.1.1.
- ОЗУ: пик операций не измерен; компьютер с 15 GiB RAM.
- Веса: модель отсутствует; размер установленного FFmpeg не измерен.

**Скорость:** время декодирования, сведения и кодирования не записано; это не время TTS.

**Условия:** локальная обработка без API-квот; `atempo`, паузы, нормализация и упаковка H.264/AAC. Условия сборки FFmpeg зависят от включённых кодеков.

**Демо:** Fish Audio MP3 приведены к общему 20-секундному таймлайну, темп увеличен без изменения высоты голоса.

**Файл:** [женский Fish MP4 после ускорения](#archive-availability).

-----

<a id="faster-whisper"></a>
*faster-whisper `small`* ([страница пакета](<https://pypi.org/project/faster-whisper/>), [GitHub](<https://github.com/SYSTRAN/faster-whisper>))

локальный

**Ресурсы:**

- Процессор: Ryzen 7 7730U, режим CPU/int8; GPU не использовалась.
- ОЗУ: пик распознавания не записан; компьютер с 15 GiB RAM.
- Веса: модель `small`; фактический размер скачивания здесь не измерен.

**Скорость:** не записана; это распознавание речи, **не озвучка**.

**Условия:** локальная проверка без облачного API; ASR-сопоставление не доказывает на слух качество голоса. Для полной Fish-версии 48/50 фраз достигли word-match ≥0,70, но человеческое прослушивание не проводилось.

**Демо:** проверены образец голоса и 50 блоков полной Fish-версии.

**Файлы:** [полный MP4](#archive-availability), [отчёт ASR/QC](</experiments/voice-ai/archive/c/videos/webrtc-explainer-2026-09-17/voice-variants/fish-pupkin/QC.md>).

-----

<a id="google-stt"></a>
*Google Cloud Speech-to-Text* ([сайт и цены](<https://cloud.google.com/speech-to-text/pricing>), [GitHub примеров Google](<https://github.com/GoogleCloudPlatform/python-docs-samples>))

сторонний

**Ресурсы:**

- Процессор: облако Google; локально не использовался.
- ОЗУ: не измерено.
- Веса: на сервере; нужны проект, сеть и биллинг.

**Скорость:** вызовов не было. Это сервис **распознавания аудио в текст**, не синтеза голоса.

**Условия:** [V1 — первые 60 аудиоминут/месяц бесплатно; V2 — от $0,016/мин, dynamic batch от $0,003/мин](<https://cloud.google.com/speech-to-text/pricing>). Не путать эти тарифы с Google TTS; [разбор версий и квот](</experiments/voice-ai/archive/c/videos/webrtc-explainer-2026-09-17/tts-remote-services-terms-2026-09-17.md#google-stt>).

**Демо:** отсутствует; для проверки Fish использован локальный faster-whisper.

**Файл:** отсутствует.

-----

Две самостоятельные HTML-презентации были сделаны **16.09.2026**, до этой серии озвучки: [webrtc-komaroff](</experiments/voice-ai/archive/c/presentations/technical-2026-09-16.html>) и [py_faster_whisper](</experiments/voice-ai/archive/y/presentations/technical-2026-09-16.html>). Они без TTS, поэтому не приписаны голосам выше. Содержание MP4 основано на снимке `webrtc-komaroff` `772de4a`, а не на подтверждённом текущем состоянии кластера.