„Fish Audio“ ar „ElevenLabs“: keturiskart pigiau dar nereiškia geresnio balso

„Fish Audio“ verta rinktis, kai svarbiausia didesnė įgarsinimo apimtis už mažesnę kainą, o „ElevenLabs“ – kai svarbesnė angliško balso emocinė raiška. Birželį atlikta vienodų anglų ir mandarinų scenarijų perklausa apskaičiavo apie 0,055 JAV dolerio už „Fish Audio“ minutę ir apie 0,22 dolerio už „ElevenLabs Creator“ minutę, taigi keturiskart didesnę pastarojo kainą pagal tuometines prielaidas; angliško teksto emocinę raišką jos autoriai geriau įvertino „ElevenLabs“.

Lietuviško įgarsinimo pirkėjui tai dar nėra galutinis atsakymas. Minutės kaina priklauso nuo plano, modelio ir sunaudotų kreditų, o perklausa neapėmė lietuvių kalbos. Jei įrašai skirti pokalbių sistemai, prie kainos ir skambesio prisideda laikas iki pirmojo girdimo garso; komerciniam leidiniui taip pat svarbios teisės į klonuojamą balsą.

Kiek iš tiesų kainuoja 30, 100 ir 200 minučių

„Fish Audio“ kainyne „Plus“ planui nurodyta 11 dolerių mėnesio kaina sumokant 132 dolerius už metus arba 15 dolerių mokant kas mėnesį. Į planą įeina 250 tūkst. kreditų, iki 200 minučių generavimo per mėnesį ir 10 privačių balso vietų. Nepanaudota mėnesio kvota neperkeliama, todėl mažai įgarsinimų kuriančiam žmogui mažas apskaičiuotas minutės įkainis dar nereiškia mažos sąskaitos.

„ElevenLabs“ kainynas nurodo įprastą 6 dolerių mėnesinę „Starter“ kainą už 30 tūkst. kreditų ir 22 dolerių „Creator“ kainą už 121 tūkst. kreditų. Teksto įgarsinimo lentelėje tai atitinka maždaug 30 ir 121 minutę, o papildoma „Creator“ minutė įvertinta maždaug 0,18 dolerio. Pirmojo mėnesio nuolaidos ir metinės prenumeratos kainos čia neįtrauktos; įtraukti kreditai naudojami ir kitoms platformos funkcijoms.

Jei visa kvota skiriama tik nurodytam teksto įgarsinimui, apytikrė mėnesio sąskaita būtų tokia:

• 30 minučių: „Fish Audio Plus“ – 11 dolerių mėnesio ekvivalentas su metiniu įsipareigojimu arba 15 dolerių mokant kas mėnesį; „ElevenLabs Starter“ – 6 doleriai.
• 100 minučių: „Fish Audio Plus“ – 11 arba 15 dolerių; „ElevenLabs Creator“ – 22 doleriai.
• 200 minučių: „Fish Audio Plus“ – 11 arba 15 dolerių, jei pasirinktame modelyje pasiekiama skelbiama riba; „ElevenLabs Creator“ – apie 36,22 dolerio, pridėjus apytikrę 79 papildomų minučių kainą.

Išnaudojus visą „Fish Audio“ skelbiamą ribą, jos minutė kainuotų apie 0,055 dolerio. Dabartinę apytikrę 121 minutės „ElevenLabs Creator“ kvotą padalijus iš 22 dolerių, gaunama apie 0,182 dolerio už minutę, arba maždaug 3,3 karto daugiau. Ankstesnis keturgubas santykis rėmėsi maždaug 100 „Creator“ minučių prielaida. „Fish Audio“ kainyno DUK kartu mini apie 600–625 kreditus minutei, nors 250 tūkst. kreditų ir skelbiama iki 200 minučių riba duotų kitą santykį. Dėl šio neatitikimo vien kreditų dalyba negalima žadėti konkrečios trukmės kiekvienam modeliui.

Kiek įrašo reikia balsui klonuoti

Trumpas turimas įrašas yra aiškus „Fish Audio“ pranašumas bandant klonuoti savo balsą. „Fish Audio“ klonavimo aprašyme teigiama, kad S2.1 Pro modeliui pakanka 10 sekundžių švarios kalbos. Tai pradinio pavyzdžio reikalavimas, o ne pažadas tiksliai atkurti kiekvieną intonaciją; ilgesnis ir nuoseklesnis įrašas gali padėti išlaikyti balso pobūdį.

„ElevenLabs“ momentiniam klonavimui rekomenduojama maždaug minutė gero garso, o profesionaliam klonui – bent 30 minučių. „Starter“ suteikia momentinį klonavimą, „Creator“ prideda profesionalų. Vadinasi, pavyzdžio trukmė čia susijusi ir su skirtingomis paslaugos pakopomis: lyginti trumpą momentinį kloną su ilgai rengtu profesionaliu klonu tarsi tą patį produktą būtų klaidinga. Abiem atvejais balso savininko sutikimas yra atskiras klausimas nuo techninio įrašo tinkamumo.

Kalbų aprėptis nepasako, kaip skambės lietuviškas tekstas

Ankstesnėje perklausoje „Eleven v3“ palankiau vertintas už emocinį angliško naujienų teksto perteikimą, o „Fish Audio S2“ – už mandarinų kalbos tinklalaidės scenarijų. Tai subjektyvus konkrečių balsų ir scenarijų vertinimas. Jis neparodo, kaip dabartiniai modeliai tartų lietuviškus vietovardžius, pavardes ar skaitvardžius, todėl anglų kalbos rezultato nereikėtų paversti bendru balso kokybės reitingu.

„ElevenLabs“ kainyne nurodoma 74 kalbų aprėptis, o „Fish Audio“ S2 klonavimo aprašyme – 13 kalbų skirtingakalbis balso naudojimas. Tai skirtingai apibrėžti rodikliai, be to, konkrečių „ElevenLabs“ modelių kalbų sąrašai skiriasi. Lietuviškai tinklalaidei, mokomajam kursui ar reklamai svarbiau, ar pasirinktas modelis išlaiko kirčius, sklandžiai persijungia prie angliško pavadinimo ir nekeičia balso tembro ilgesnėje pastraipoje. Plačiai skelbiama kalbų aprėptis šių savybių nematuoja.

Delsa: modelio pažadas ir pirmasis girdimas garsas

Delsos skaičius naudingas tik žinant, nuo kurio momento jis matuojamas. „Fish Audio“ savo srautiniam generavimui nurodo trumpesnį nei 300 milisekundžių atsaką, o „ElevenLabs Flash v2.5“ dažnai apibūdinamas maždaug 75 milisekundžių generavimo trukme. Tokie tiekėjų rodikliai neaprašo vienodo kelio nuo užklausos iki garso klausytojo įrenginyje.

„BreezeBlue“ delsos bandyme pirmasis girdimas garsas „ElevenLabs Flash v2.5“ atveju pasirodė po 143,6 milisekundės, o „Fish Audio S2.1 Pro“ atveju – po 224,3 milisekundės pagal medianą. Naudoti tie patys angliški tekstai ir klientai trijuose JAV regionuose; kiekvienai paslaugai parinktas spartesnis prieinamas ryšio protokolas. Bandymą skelbia konkuruojantis balso paslaugų teikėjas, o modeliai skiriasi, todėl šis matavimas yra orientyras pokalbių sistemai, ne lietuviškos tinklalaidės kokybės įvertis. Iš anksto įrašomam turiniui dažniau kainuoja laikas, sugaištas taisant tarimą ir kartojant generavimą.

Komercinės teisės susietos su planu ir balsu

„Fish Audio Plus“ numato komercinį patvirtintų, jums priklausančių balsų naudojimą, o nemokamą planą kainyno DUK riboja asmeniniais, nekomerciniais projektais. „ElevenLabs Starter“ jau apima komercinę licenciją, kuri galioja ir aukštesniam „Creator“ planui. Prieš leidžiant klonuotu balsu įgarsintą reklamą ar mokamą kūrinį, reikia atskirai įsitikinti, kad turite teisę naudoti patį pradinį balso įrašą. Prenumerata tokios teisės į svetimą balsą nesukuria.

Darbo apimties požiūriu svarbu ir tai, kas nutinka neišnaudotiems kreditams. „Fish Audio“ mėnesio kvotą nustato iš naujo be perkėlimo, o „ElevenLabs“ mokamų planų nepanaudotus kreditus leidžia perkelti ribotam laikui, kol prenumerata lieka aktyvi. Kūrėjui, kurio įgarsinimų apimtis kas mėnesį smarkiai svyruoja, ši sąlyga gali pakeisti faktinę minutės kainą labiau nei kainyne pateiktas vidurkis.

Vienodas lietuviškas bandymas prieš pasirenkant

Sprendžiant dėl lietuviško balso, verta sugeneruoti tą patį trumpą savo scenarijų abiejose paslaugose. Įtraukite vardą ir pavardę, datą, skaitmenimis parašytą sumą, klausimą, ilgesnę pastraipą ir anglišką prekės ženklą. Pasirinkite modelius, kuriuos iš tiesų ketinate naudoti, ir panašios paskirties balsus. Jei klonuojate savo balsą, įkelkite tą patį švarų įrašą, atitinkantį abiejų paslaugų reikalavimus.

Perklausant naudinga atskirai pasižymėti tarimo klaidas, sakinio ritmą, balso pastovumą ir vietas, kuriose emocija prieštarauja tekstui. Užfiksuokite, kiek generavimų ir pataisymų prireikė tinkamam galutiniam įrašui: būtent jų kreditai bei redagavimo laikas parodo tikrąją darbo kainą. Jei kuriate tiesiogiai atsakančią balso sistemą, tame pačiame tinkle papildomai matuokite laiką iki pirmojo girdimo garso. Jei abu variantai lietuviškai skamba tinkamai, didesnei pastoviai apimčiai palankesnė „Fish Audio“ sąskaita; jei vienas balsas reikalauja gerokai mažiau taisymų, vien plano kaina pasirinkimo nelemia.

Taip pat skaitykite:

• ChatGPT ar Gemini „Deep Research“: šaltinių gausa dar nereiškia tikslumo
• Obligacijos kuponas ar pajamingumas: didesnė išmoka dar nereiškia grąžos
• YouTube ar Spotify tinklalaidei: RSS importas dar nereiškia platinimo