OpenAI представила Custom Voices для создания собственных голосов ИИ

Компания OpenAI представила инструмент Custom Voices, предназначенный для создания персонализированных синтетических голосов на основе коротких образцов живой аудиозаписи. Это решение существенно расширяет возможности диалоговых систем: если раньше разработчикам приходилось использовать фиксированный набор стандартных дикторов OpenAI, то теперь голосовые ассистенты могут говорить голосом конкретного человека. Модель способна воспроизводить оригинальный тембр, индивидуальный темп, акцент, паузы и уникальную манеру речи, что делает цифровое взаимодействие гораздо более естественным и узнаваемым.

Как устроен процесс генерации речи

Для создания пользовательского голоса через платформу Custom Voices разработчику необходимо предоставить всего две аудиозаписи, обеспечивающие точность моделирования и юридическую чистоту:

• Первая запись в обязательном порядке содержит согласие владельца голоса на клонирование и обработку его биометрических речевых данных.
• Вторая запись служит эталонным образцом звучания, по которому нейросетевая модель обучается воспроизводить речь.

Для полноценной калибровки системы достаточно аудиофрагмента длиной всего от 10 до 30 секунд. За этот короткий промежуток алгоритм улавливает ключевые акустические нюансы: глубину тембра, динамику речи, расстановку пауз и мелкие особенности произношения. В результате создается цифровой профиль, который сохраняет естественность и характерную подачу реального спикера.

Интеграция через API и практические сценарии

Каждый созданный профиль получает собственный уникальный идентификатор (ID), с помощью которого настраивается подключение к программной экосистеме OpenAI. Интеграция доступна сразу в нескольких форматах:

• в стандартном API синтеза речи для озвучивания текстов;
• в Realtime API, предназначенном для двусторонней потоковой передачи голоса в реальном времени с минимальной задержкой;
• в голосовых агентах GPT-Live для ведения интерактивного диалога.

Появление таких возможностей открывает практические сценарии для бизнеса и частных разработчиков. В электронной коммерции компании могут запустить голосового консультанта для магазина, который общается с клиентами фирменным голосом бренда, укрепляя корпоративную айдентику во всех каналах коммуникации. В сфере персонализированных сервисов технология позволяет создать персонального ИИ-ассистента с собственным голосом пользователя, делая взаимодействие с машиной максимально органичным.

Ограничения платформы и правила безопасности

Чтобы предотвратить несанкционированное клонирование голосов и снизить риски создания дипфейков, OpenAI ввела строгие эксплуатационные рамки. Сервис не предназначен для бесконтрольного использования и защищен следующими ограничениями:

• лимит составляет до 20 уникальных голосов на одну организацию;
• обязательное наличие подтвержденного согласия правообладателя перед генерацией модели;
• доступ к функциональности предоставляется исключительно одобренным клиентам OpenAI.

Широкого публичного релиза для всех желающих на данный момент нет. Такой поэтапный подход позволяет вендору отслеживать сценарии внедрения и предотвращать возможные злоупотребления. Подробные правила работы с инструментом и технические параметры описаны в документации Custom Voices.