B-Chat

Как открыть студию ИИ-озвучки видео

Студия ИИ-озвучки переводит и озвучивает видео нейросетью: онлайн-курсы, обучающие ролики компаний, видеообзоры товаров, блоги на других языках, с тембром спикера и подгонкой под губы. Старт от 350 000 ₽, чек 300-1 500 ₽ за минуту готового видео. Но бесплатный автоперевод уже встроен в браузеры, поэтому платят за редактуру, качество и чистые права на голос, а не за кнопку.

Вердикт редакции

Рабочая идея с оговорками. Спрос реальный: онлайн-школы и компании хотят выходить на казахский, узбекский, английский рынки, а нейросетевой дубляж в разы дешевле студийного с актёрами. Но простая озвучка стремительно дешевеет до нуля, модели меняются каждые полгода, зарубежные сервисы трудно оплачивать, а закон о голосе пока только обсуждается. Зарабатывают студии, которые продают редактуру носителями, отраслевую терминологию, конфиденциальность и юридически чистое использование голоса.

За

  • Минута ИИ-дубляжа с редактурой в 3-5 раз дешевле студийного дубляжа с актёрами, и бизнес видит экономию сразу
  • Новые рынки для клиентов: онлайн-школы и производители выходят на Казахстан, Узбекистан, Киргизию и англоязычную аудиторию
  • Регулярные заказы: школы и компании выпускают видео постоянно, удобно продавать пакеты минут
  • Небольшая команда: редакторы-носители работают сдельно и удалённо
  • Не нужна студия с акустикой: синтез и монтаж делаются на компьютере
  • Мало сильных игроков в языках СНГ и отраслевых курсах

Против

  • Бесплатный автоперевод видео в браузерах и на видеоплатформах обесценивает простую озвучку
  • Правовая неопределённость: закона об охране голоса пока нет, законопроект на доработке, правила могут измениться
  • Зарубежные сервисы синтеза трудно оплатить из России, а доступ могут закрыть в любой момент
  • Нейросеть плохо справляется с терминами, шутками и эмоциями: без ручной правки результат стыдный
  • Мощная видеокарта или облачные вычисления стоят дорого
  • Риск получить заказ на дипфейк для обмана и стать соучастником

Суть идеи

Студия ИИ-озвучки берёт видео на одном языке и возвращает его на другом: с переведённой и отредактированной речью, синтезированным голосом, иногда с тембром самого спикера и подогнанной под новый текст артикуляцией. Заказчики - онлайн-школы, которые выходят на новые рынки, компании с обучающими роликами, производители с видеообзорами товаров, блогеры и разработчики игр. Оплата - за минуту готового видео или пакетом минут на месяц.

Ключевое слово здесь - студия. Нажать кнопку автоперевода может любой: такие функции уже встроены в браузеры и видеоплатформы, причём бесплатно. Бизнес начинается там, где кнопка не справляется: отраслевые термины, имена и бренды, шутки и интонации, синхрон по времени, конфиденциальные корпоративные материалы, юридически чистое использование голоса. Клиент платит не за синтез, а за то, что ролик можно показать своей аудитории без стыда.

От нейрофотосессий идею отличают покупатель и чек. Там платит частный человек несколько тысяч рублей за портреты, здесь - бизнес, который локализует десятки часов видео, подписывает договор с гарантиями и возвращается каждый месяц.

Как это работает на практике

Типичный конвейер выглядит так. Видео прогоняют через распознавание речи и получают текст с таймкодами. Текст переводят машинно, затем редактор-носитель правит перевод под длину фраз: в казахском или английском та же мысль может звучать на 20% длиннее, и её нужно сократить, чтобы голос не тараторил. Потом синтез стандартным голосом или клоном голоса спикера, если есть его письменное согласие. Звукорежиссёр сводит речь с музыкой и шумами, при необходимости делает подгонку губ. Финальная проверка - носитель смотрит ролик целиком.

Живой пример. Тимур из Казани работал звукорежиссёром на местном радио и в свободное время экспериментировал с открытыми моделями синтеза речи. Первым клиентом стала онлайн-школа по бухгалтерии, которая хотела выйти на Казахстан: 40 часов уроков на казахском. Тимур нашёл двух редакторов-носителей в Астане и Омске, сделал пилот на 15 минут и выиграл у студии дубляжа с актёрами по цене в четыре раза. Проблемы начались на терминах: модель путала бухгалтерские понятия, и редакторам пришлось собрать глоссарий на 600 слов. Зато на втором клиенте, производителе бытовой техники, процесс уже был отлажен, и маржа выросла. Сейчас у Тимура три постоянные школы, 500-700 минут в месяц и правило: без подписанного согласия спикера голос не клонируется.

Отдельная часть работы - отказы. Студии регулярно приходят запросы озвучить ролик голосом известного актёра или сделать так, чтобы руководитель компании сказал то, чего не говорил. Такие заказы - прямой путь к иску или к участию в мошенничестве. Нормальная студия проверяет заказчика, требует гарантий прав на исходное видео и согласия людей, чей голос используется.

Экономика держится на времени редактуры. Синтез минуты стоит копейки, а носитель тратит на минуту сложного курса 10-20 минут. Поэтому студии с глоссариями и отлаженными инструкциями для редакторов зарабатывают вдвое больше тех, кто каждый заказ начинает с нуля.

Что отличает тех, кто выжил

Они продают редактуру, а не нейросеть. Модели меняются каждые полгода и дешевеют, поэтому преимущество в технологии исчезает быстро. Остаются люди: носители языка с отраслевым опытом, глоссарии клиентов, процесс контроля качества.

Они держат юридическую чистоту. Закона о голосе пока нет, но корпоративные клиенты уже спрашивают, на каком основании используется голос спикера и кто отвечает за права на ролик. Студия с готовым пакетом документов выигрывает у той, что работает на доверии.

Они не зависят от одного сервиса. Зарубежный сервис синтеза может закрыть аккаунт или поднять цену, российский API может не поддерживать нужный язык. Выжившие держат два-три варианта конвейера и открытые модели на своём оборудовании.

Конденсаторный микрофон с поп-фильтром, чёрно-белое фото
Микрофон нужен не для озвучки, а для образцов голоса спикера и контроля: качество исходника решает, насколько живым получится клон

Российский рынок

Спрос
Покупают онлайн-школы, которые переводят курсы на казахский, узбекский, английский и обратно, производители и продавцы маркетплейсов с видеообзорами, отделы обучения компаний с роликами для филиалов и сотрудников, говорящих на других языках, блогеры, разработчики игр и приложений. Типичный заказ - от 30 до 300 минут видео. Ориентиры цен: ИИ-озвучка с редактурой 300-800 ₽ за минуту, с клоном голоса спикера и подгонкой губ 800-1 500 ₽, студийный дубляж с актёрами от 2 000-5 000 ₽ за минуту.
Конкуренция
Автоперевод видео в браузерах и встроенные функции платформ, зарубежные сервисы ИИ-дубляжа, студии дубляжа с актёрами, которые добавили нейросетевые тарифы, фрилансеры с открытыми моделями. Свободно: языки СНГ, где мало качественных голосов, отраслевые курсы с терминологией (медицина, промышленность, бухгалтерия, IT), корпоративная локализация с договором о конфиденциальности, озвучка с согласованным клоном голоса спикера.
Закон и разрешения
Лицензия не нужна: ИП на УСН 6% или самозанятость с лимитом 2,4 млн ₽. Специального закона о голосе пока нет. В сентябре 2024 года в Госдуму внесли законопроект № 718834-8 о новой статье 152.3 ГК: использовать голос гражданина, в том числе воссозданный с помощью технологий, можно будет только с его согласия; рассмотрение отложили, авторы дорабатывают текст, музыкальные лейблы и союз дикторов предлагают расширить защиту на весь цифровой образ. Базовый закон о развитии ИИ, принятый Госдумой летом, обязательной маркировки ИИ-контента не ввёл: крупные площадки должны дать пользователям возможность помечать такой контент. Что действует уже сейчас: перевод и озвучка чужого видео - переработка произведения, нужна гарантия заказчика, что у него есть права (ст. 1270 ГК); запись актёра охраняется как исполнение смежными правами; изображение человека при подгонке губ защищено ст. 152.1 ГК. Голос, по которому устанавливают личность, может считаться биометрическими персональными данными, поэтому согласие на клонирование берите письменно, с целями, сроком и порядком удаления образцов. Законопроекты об ответственности за дипфейки обсуждаются.
Сезонность
Пики - август-сентябрь и январь-февраль, когда школы готовят новые потоки, а компании обновляют обучение; в ноябре-декабре корпоративные клиенты закрывают бюджеты. Летом провал, его закрывают заказами блогеров, игр и производителей перед осенним сезоном.
Где лучше запускать
Работать можно откуда угодно, клиенты в основном в Москве, Петербурге, Казани, Екатеринбурге, Новосибирске. Редакторов-носителей казахского, узбекского и киргизского удобно искать в Омске, Оренбурге, Новосибирске, Екатеринбурге и в самих странах СНГ, где и ставки ниже, и много двуязычных специалистов.
Поставщики и логистика
Компьютер с видеокартой 16-24 ГБ видеопамяти 150 000-350 000 ₽ или аренда облачных GPU у российских провайдеров от нескольких сотен рублей в час. Открытые модели распознавания и синтеза речи на своём оборудовании, российские API синтеза с оплатой в рублях как запасной вариант. Зарубежные сервисы ИИ-дубляжа требуют зарубежной оплаты и могут закрыть аккаунт. Студийные наушники и мониторы для контроля, программы монтажа и сведения.

Деньги

Сколько вложить

Компьютер с видеокартой 16 ГБдля тестов и локальных моделей, тяжёлые задачи в облаке150 000 ₽
Облачные GPU на первые 2 месяцароссийские провайдеры с почасовой оплатой30 000 ₽
Студийные наушники и мониторы для контролябез них не услышать артефакты синтеза30 000 ₽
API синтеза и перевода, тесты моделейроссийские сервисы с оплатой в рублях20 000 ₽
Программы монтажа и сведениячасть бесплатна10 000 ₽
Договоры с юристомоферта, гарантии прав на видео, согласие на клонирование голоса, NDA25 000 ₽
Демо-ролики на 5 языках и сайтоплата редакторам-носителям и лендинг40 000 ₽
Продажи на стартереклама, рассылки онлайн-школам, бесплатные пилоты50 000 ₽
Итогоот 355 000 ₽

Сколько заработать

Выручка в месяц600 минут видео по 700 ₽ у 3-5 постоянных клиентов
420 000 ₽
Расходы в месяцредакторы-носители сдельно 110 000 ₽, монтажёр 60 000 ₽, облако и API 30 000 ₽, реклама 40 000 ₽, налог 6% около 25 000 ₽, прочее 15 000 ₽
280 000 ₽
Прибыль в месяцрастёт с глоссариями постоянных клиентов, когда редактура идёт быстрее
140 000 ₽
Окупаемостьвыход на 600 минут в месяц за 4-6 месяцев
6-10 месяцев
Пересчитать под свои цифры
Рабочий стол с двумя мониторами и клавиатурой
Два монитора - минимум для сведения: на одном таймлайн с речью и музыкой, на другом текст перевода и глоссарий клиента

Как запустить

  1. Выбрать 2-3 языковые пары и нишу клиентов: онлайн-курсы, обучение персонала, видео товаров.
  2. Собрать конвейер: распознавание речи, перевод, редактура носителем, синтез, сведение, при необходимости подгонка губ. Прогнать 10 тестовых роликов и сравнить с бесплатным автопереводом.
  3. Подготовить документы: договор с гарантией прав на исходное видео, письменное согласие спикера на клонирование голоса, NDA, порядок удаления образцов голоса.
  4. Сделать демо: один ролик на 5 языках и честное сравнение с автопереводом.
  5. Продавать напрямую онлайн-школам, производителям и отделам обучения, предлагая бесплатный пилот на 5-10 минут.
  6. Ввести контроль качества: глоссарий клиента, проверка носителем, два круга правок.
  7. Перевести постоянных клиентов на пакеты минут в месяц.

Риски и как их снизить

  • Бесплатный автоперевод становится лучше и забирает клиентовПродавать редактуру, терминологию, клон голоса спикера и конфиденциальность, а не саму озвучку
  • Претензии за использование голосаПисьменное согласие и лицензия на голос с целями и сроком, никаких клонов публичных людей без договора
  • Заказ на дипфейк для обманаПроверка заказчика, отказ от роликов с имитацией известных людей и руководителей, хранение согласий
  • Блокировка зарубежного сервиса или резкий рост ценОткрытые модели на своём оборудовании и российские API как запасной конвейер
  • Ошибка перевода в медицинском или техническом курсеРедактор-носитель с отраслевым опытом, глоссарий, приёмка заказчиком, ограничение ответственности в договоре

Кому подходит

Да, если вы

  • Звукорежиссёрам и монтажёрам, которые хотят уйти от разовых заказов
  • Переводчикам, готовым к постредактированию и работе со звуком
  • Технарям, которые разбираются в открытых нейросетях
  • Тем, кто уже локализовал курсы в онлайн-школе

Лучше не стоит, если

  • Тем, кто верит, что нейросеть сделает всё сама
  • Тем, у кого нет доступа к носителям нужных языков
  • Тем, кто не готов к юридической работе с согласиями и правами
  • Тем, кто готов брать любые заказы, включая сомнительные

Что ещё рассмотреть

  • Внедрение ИИ для бизнесаШире по задачам: чат-боты, автоматизация, обучение сотрудников. Больше чек, но дольше продажи и выше требования к компетенциям
  • Субтитры и транскрибация видеоПроще и дешевле на старте, меньше правовых рисков с голосом, но ниже чек за минуту
  • Студия дубляжа с актёрамиДороже в запуске и работе, зато игры, кино и реклама, где нейросеть пока не дотягивает по эмоциям

Мнение автора

ИИ-студии ломаются на вере в то, что продают технологию. Через полгода выходит новая модель, и бесплатный сервис делает то же самое. Остаётся только то, что нельзя скачать: носители с отраслевым словарём, глоссарии клиентов, порядок с согласиями на голос. Мой совет: с первого заказа считайте время редактуры на минуту видео. Именно оно определяет вашу маржу, а не цена видеокарты.

Артём Белов, Серийный предприниматель, автор раздела «Бизнес-идеи»

Из истории

Первый говорящий синтезатор показали публике на Всемирной выставке в Нью-Йорке в 1939 году. Voder инженера Bell Labs Хомера Дадли не умел читать текст: девушка-оператор «играла» речь на клавишах и педали, как на органе, и училась этому месяцами. Родственная разработка Дадли, вокодер, позже легла в основу засекреченной голосовой связи союзников во Второй мировой войне.

Вопросы и ответы

Сколько стоит открыть студию ИИ-озвучки?

От 355 000 ₽: компьютер с видеокартой, облако, наушники, договоры, демо-ролики и продажи на старте.

Сколько стоит ИИ-дубляж минуты видео?

Ориентир 300-800 ₽ за минуту с редактурой и 800-1 500 ₽ с клоном голоса спикера и подгонкой губ.

Сколько зарабатывает студия ИИ-озвучки?

При 600 минутах в месяц по 700 ₽ выручка около 420 000 ₽ и прибыль около 140 000 ₽.

Законно ли клонировать голос человека нейросетью?

Специального закона пока нет, законопроект о голосе на доработке. Работайте только с письменным согласием человека и гарантией прав на видео.

Какой налоговый режим выбрать для студии ИИ-озвучки?

На старте самозанятость с лимитом 2,4 млн ₽ в год, при росте и найме - ИП на УСН 6%.

Главный риск ИИ-дубляжа?

Бесплатный автоперевод, который становится лучше. Защита - редактура носителями, терминология и юридически чистая работа с голосом.

Войдите, чтобы получать баллы за чтение
ИС
Статья проверена экспертом
Игорь Савельев
Главный редактор B-Chat, финансовый журналист
Опыт 15 лет в деловых СМИ
Обновлено:

Продолжите изучать: калькуляторы, статьи, интервью по теме

Ещё идеи: Онлайн и IT

Весь раздел