Комбо которое я использовал для дубляжа:

1. Записываешь свой голос максимально нейтрально, четко проговаривая.
2. Прогоняешь через ElevenLabs Voice Cloning (там есть тариф $5/мес для инди разрабов).
3. Загружаешь туда 10-15 минут женского голоса из опенсорс аудиокниг.
4. Генерируешь speech из своего текста.
5. Постобработка в iZotope RX: убираешь артефакты, выравниваешь громкость.

Качество на уровне профессиональной актрисы озвучки. Единственный минус - подписка платная, но для коммерческого проекта это копейки по сравнению с наймом актера.

А зачем вообще извращаться? Найди актрису на фрилансе (Кворк, FL.ru) - там девочки озвучивают по 500-1000р за минуту готового аудио. Для инди игры это адекватный бюджет.

Любая синтетика все равно слышна, особенно в эмоциональных сценах. Игроки сразу чувствуют фальш.

Попробуй so-vits-svc 4.0 - это форк RVC с лучшим качеством преобразования. Там в комплекте идут предобученные модели на русском и английском языках.

Ставится через pip, интерфейс на gradio. Если у тебя видюха NVIDIA - процесс конвертации займет секунды.

git clone https://github.com/svc-develop-team/so-vits-svc
cd so-vits-svc
pip install -r requirements.txt
python webUI.py

Открывается веб морда, загружаешь аудио, выбираешь модель, жмешь Convert. Profit.

я для своего проекта юзал респикер - это когда берешь готовые реплики из игр или фильмов, нарезаешь на фонемы и собираешь новые фразы как конструктор

звучит натурально тк это реальный голос актрисы, но геморно пипец... каждую фразу вручную собирать приходится

Вспомнил историю с одним стримером который притворялся девушкой используя voice changer. Его спалили только через полгода когда он случайно забыл включить софт перед стримом))

Он юзал комбинацию: Krisp (шумодав) + Voicemod Pro (pitch shift + formant) + реверб плагин для "теплоты". Настраивал часами, но результат был максимально believable.