Условия удалённых сервисов из исследования озвучки

Проверено 17.09.2026 по официальным тарифам, условиям и документации провайдеров. Это исследовательская сводка, не юридическое заключение и не подтверждение условий конкретного аккаунта. Цены, квоты и страницы условий могут измениться. Фактические демо и локальные замеры — в основном обзоре; этот файл подробно раскрывает именно удалённые сервисы. Секреты и API-ключи сюда не включены.

Как читать условия

Цена, квота, скорость запросов и право использования — четыре разных вопроса. Бесплатная ставка не обещает бессрочный доступ; большая месячная квота не устраняет предел одного запроса; технически доступное аудио нельзя автоматически считать разрешённым для любой публикации. Для каждой службы ниже разделены договорные условия, опубликованные лимиты и результат нашего опыта. UNKNOWN означает, что публичного подтверждения не найдено; оно не превращается в «без ограничений».

Fish Audio: готовые голоса и голосовой референс {#fish-audio}

Наш опыт. Официальный API POST /v1/tts с моделью s2.1-pro-free вернул MP3 для двух 20-секундных демонстраций: четыре фразы на каждый голос, всего восемь успешных запросов. Второй опыт из связанного чата — 19-сценный ролик с разовым 19,4-секундным голосовым референсом: 50 MP3, 224,9 секунды готового видео. Подробности, включая отсутствие человеческого прослушивания, — в QC этой версии. Это наблюдения об отдельных запросах, не тест пропускной способности.

• Цена и объём. s2.1-pro-free: $0 за 1 млн входных UTF‑8 байт. Это единица тарифа, не квота на 1 млн байт. Fish заявляет отсутствие жёсткого месячного предела текста только в рамках fair use. Официальный анонс бесплатной модели указывает срок до 30.11.2026, отсутствие SLA и гарантий задержки, право ограничивать злоупотребляющую нагрузку. После этой даты бесплатность не подтверждена.
• Количество запросов. Для уровня Starter опубликовано 5 одновременно выполняемых запросов, после суммарного пополнения счёта на $100 — 15, на $1000 — 50. Это не «5 запросов в минуту»: запрос освобождает слот после завершения. Универсального QPS/QPM для бесплатного режима документация не обещает; он зависит от длительности запроса и возможного throttling. Жёсткий публичный предел байт на один запрос в проверенной тарифной странице не указан; отсутствие такого числа не означает неограниченную длину тела запроса. Тарифы и concurrency.
• Право использования. Общие Terms of Use говорят об использовании бесплатных Services для собственного внутреннего, личного, некоммерческого применения; коммерческая лицензия привязана к Paid Services. Анонс бесплатного API формулирует мягче: «некоторые коммерческие сценарии могут иметь ограничения», а продуктам с ARR > $1 млн предлагает связаться с Fish. Это противоречие по смыслу; безопасно считать коммерческое использование бесплатной модели неразрешённым без письменного уточнения Fish, а порог ARR не считать общим разрешением до него.
• Текст, голос и публикация. В бесплатном режиме запросы могут использоваться для улучшения модели. Для голосового референса дополнительно нужны права на запись и голос, согласие и раскрытие синтетического происхождения по применимым правилам; Fish прямо возлагает эту проверку на пользователя. Пользователь в прошлом чате сообщил о разрешении, но независимой проверки не было. В полном демо постоянно указано, что голос синтетический и ролик не является выступлением или поддержкой проекта человеком, чей голос имитируется. Не отправлять закрытый сценарий или чужой голос без отдельного решения о данных и правах.
• Вывод для нашего проекта. Подходит для ограниченного некоммерческого эксперимента и сравнения тембра; постоянный отдельный TTS-сервис на Free не имеет подтверждённых SLA, устойчивой бесплатной цены после 30.11.2026 и однозначных коммерческих прав. Платный s2.1-pro на той же странице тарифов указан как $15 за 1 млн UTF‑8 байт, но договорный SLA и условия данных нужно проверять по выбранному плану.

Сколько речи соответствует 1 млн UTF‑8 байт {#fish-bytes}

Для русского текста считать нужно байты, а не «символы»: кириллическая буква обычно занимает два байта UTF‑8, пробел — один, некоторые знаки — больше. Наш исходный 19-сценный сценарий содержит 5379 UTF‑8 байт, 2916 Unicode-символов и 393 слова при соединении текстов сцен пробелами (без завершающего перевода строки). Готовый Fish-ролик длится 224,9 с, включая монтажные паузы. Если механически масштабировать только этот сценарий и такой же темп, 1 000 000 / 5379 ≈ 186 таких роликов, или ≈73 тыс. русских слов и ≈697 минут (11,6 часа) готовой речи с паузами. Это оценка, не API-лимит и не гарантированная длительность: фактическое количество байт зависит от текста, языка, разбиения на запросы и переданных полей. Страница Fish приводит другую приблизительную оценку — 180 тыс. английских слов / 12 часов; её нельзя переносить на русский текст без пересчёта.

TTSMaker Free и платный API {#ttsmaker}

• Веб-форма. Тарифная страница на дату проверки показывает Free: 20 000 символов в неделю, максимум 500 символов на конвертацию, CAPTCHA, без API. Отдельные голоса помечены «Unlimited», но это не отменяет веб-ограничений и не распространяется на API. Ранее интерфейс голоса 567 показывал 1000 символов за конвертацию; текущее публичное описание Free ему противоречит. Для планирования используйте более строгие 500 и проверяйте интерфейс непосредственно перед ручной конвертацией.
• «Unlimited». Специальные правила допускают очередь и снижение приоритета после исчерпания скоростного объёма, динамическое изменение политики и прямо исключают Unlimited из API. Это режим веб-конвертера, не обещание бесконечной скорости или бесплатной автоматизации.
• Официальный API. Нужны Pro Mini/Max или Studio; Lite и Free его не дают. На дату проверки Pro Mini указан от $23,99/месяц с 600 000 символов/месяц, максимум 20 000 символов за веб-конвертацию. API v2 ограничен 1 запросом в секунду на ключ, указывает максимум 20 000 символов в Create TTS Order, расходует обычную символьную квоту даже для «Unlimited»-голоса и возвращает временный URL вместо аудиопотока. Внутри той же API-страницы есть расхождение: обзор обещает URL на 24 часа, описание endpoint — удаление файла через 2 часа. Без проверки на платном аккаунте считать файл краткоживущим и скачивать немедленно.
• Права и автоматизация. Лицензия на сгенерированное аудио разрешает личное и коммерческое использование результата при соблюдении закона и прав третьих лиц; права на модели и технологию не передаются. Terms of Service запрещают доступ ботами, обход ограничений и защит. Следовательно, внутренний /api/create-tts-order веб-формы не является разрешённой заменой платного API. В нашем опыте прямой вызов получил HTTP 403 / Cloudflare challenge; MP3 и MP4 с Lukin не созданы.
• Вывод. Для разового ручного некоммерческого демо возможна веб-форма с CAPTCHA. Для отдельного автоматизированного сервиса нужен официальный платный API и проверка голоса 567, квот и допустимого текста на конкретном тарифе. Четыре ранее подготовленных фрагмента (865/780/897/551 символ) сейчас длиннее опубликованного общего предела Free в 500 символов.

TeraTTSv2 через публичный Hugging Face Space {#teratts}

У нас есть один удалённо полученный 10-секундный WAV; замера задержки нет. По текущему коду Space вход ограничен 4000 символами, очередь настроена на одну одновременную генерацию. Текущий Space работает на cpu-basic (это снимок метаданных 17.09.2026); очередь, доступность и индивидуальный лимит вызовов чужого Space не гарантированы. Hugging Face объясняет, что бесплатный CPU Space может засыпать, а публичный Space остаётся чужим сервисом, даже если модель можно скачать.

Лицензии различаются. Карточка Space помечает MIT для приложения Space. Карточка самой модели на дату проверки не содержит явного поля лицензии или файла LICENSE для весов; не выводите из MIT приложения право коммерческого использования весов и результата. До внедрения нужна явная лицензия модели/голосовых данных от автора. Возможность локальной установки из модели не меняет статус нашего WAV: он сгенерирован в чужом Space.

Microsoft Edge Read Aloud через edge-tts {#edge}

Демо Dmitry получено неофициальным клиентом потребительской функции Edge. Edge Read Aloud не является Azure Speech API и не публикует для такого стороннего клиента договорную бесплатную API-квоту или SLA. Даже ответ на Microsoft Q&A прямо признаёт отсутствие публичного документа, который разрешал бы коммерческое использование или сторонний клиент; Q&A не является лицензией. Количество разрешённых автоматических запросов, долгосрочная доступность и право массовой публикации по этому пути — UNKNOWN. Не строить на нём постоянный сервис и не переносить права Azure Speech на Read Aloud.

Google Cloud Text-to-Speech, Chirp 3: HD {#google-tts}

Цены: первые 1 млн символов в месяц без платы для Chirp 3: HD, затем $30 за 1 млн символов. Пробелы и переводы строки включены; это символы, не UTF‑8 байты Fish. Нужен проект с включённым биллингом; после бесплатного порога выставляется счёт автоматически. Квоты: не более 5000 байт входного текста на запрос, 200 запросов Chirp 3 в минуту на проект; размер запроса не увеличивается, частотную квоту можно запросить повысить. Google разрешает использовать созданное аудио в приложениях и медиа при соблюдении условий Google Cloud и закона. Для нашего исследования запросов не было: отсутствовали согласованный проект и режим передачи текста. Это не готовое демо.

Azure AI Speech, готовые Neural TTS-голоса {#azure-tts}

F0 даёт 0,5 млн символов в месяц для Neural TTS. Квоты F0: 20 транзакций за 60 секунд, не более 10 минут выходного аудио за запрос; F0-лимиты не повышаются. Для S0 документ показывает базово 30 транзакций/с с возможностью запроса увеличения, но это другой платный уровень. Облачный ресурс, регион, ключ и сеть обязательны. Прозрачность и правила использования требуют соблюдения Azure Acceptable Use Policy и правил Speech TTS, а также раскрытия синтетической природы голоса. Для обычного готового Neural-голоса доступ шире, чем для custom/personal voice: последние имеют отдельные согласия и ограниченный доступ, которые не следует автоматически приписывать стандартному TTS. В нашем исследовании запросов и демо не было.

ElevenLabs {#elevenlabs}

Free — 10 000 общих кредитов в месяц на продукты аккаунта; TTS Multilingual v2 стоит примерно 1 кредит/символ, Flash/Turbo API может стоить 0,5–1 в зависимости от модели. Это не 10 000 гарантированных секунд и не бессрочный безлимит. Документация моделей и concurrency показывает для Free 2 одновременно выполняемых запроса Multilingual v2 / 4 Flash, а допустимая длина одного запроса зависит от модели; лимит веб-интерфейса Free — 2500 символов за генерацию. Бесплатный API не даёт доступ к библиотеке голосов через API по описанию TTS.

Terms of Service ограничивают Free некоммерческим применением. Правила публикации требуют указывать ElevenLabs при публикации бесплатного результата; последующая покупка подписки не делает ранее созданный Free-аудиофайл коммерческим. Коммерческое право начинается с платного Starter, при наличии прав на входные материалы и соблюдении запрещённых сценариев. У нас нет аккаунта/запроса и локального демо.

Google Cloud Speech-to-Text — отдельная задача, не TTS {#google-stt}

STT принимает аудио и выдаёт текст. Им можно проверять озвученный сценарий, но нельзя заменить синтез голоса. V1-тариф: первые 60 аудиоминут/месяц бесплатно; затем стандартно $0,016/мин при включённом data logging либо $0,024/мин без него. V2 не показывает аналогичный бесплатный объём в этой таблице: стандартно $0,016/мин, отложенная обработка Dynamic Batch — $0,003/мин. Учёт идёт с округлением до секунды, каналы могут оплачиваться отдельно; Cloud Storage — отдельная возможная плата.

Квоты V2: синхронный файл ≤1 мин или ≤10 MB, streaming до 5 мин, до 300 синхронных запросов и 150 batch-запросов за 60 с на регион проекта; одновременно до 300 streaming-сессий. Это не бесплатный сервис для «бесконечного» распознавания. Запросов Google STT в нашем эксперименте не было; для машинной сверки 50 фраз использовался локальный faster-whisper.

Практическое решение {#decision}

Для повторяемой некоммерческой демонстрации без отправки текста наружу сохранять локальные голоса (с учётом лицензии каждой модели). Если нужна облачная интеграция сейчас, Fish подходит как прототип, но требует контроля fair use, срока акции, права на голос и режима данных. Для постоянного сервиса выбирать договорный платный API после отдельной проверки коммерческих прав, бюджета, SLA, хранения текста и реальной задержки. TTSMaker Free и Edge Read Aloud не считать разрешёнными бесплатными API; Google STT не считать TTS. Никакое из этих решений не отменяет отдельные лицензии исходного anything2explainer, Remotion, шрифтов и материалов видео.