Chinny: голос в вашем кармане — бесплатный оффлайн-клонер для iPhone и Mac

Зачем вообще клонировать голос оффлайн?

Вот ситуация: хотите сделать озвучку для своего подкаста, но микрофон подводит. Или нужен голосовой ассистент с вашим тембром. Или просто поиграться. Обычные сервисы вроде ElevenLabs шлют ваши голосовые данные в облако — и кто знает, что с ними происходит дальше.

Chinny решает это радикально: всё работает на вашем устройстве. Записали голос — модель Chatterbox его обрабатывает локально. Никаких серверов, никаких подписок. Технически это выглядит как магия, но на самом деле — просто грамотно упакованная нейросеть.

Что внутри? Модель Chatterbox и жёсткие требования

Разработчики взяли Chatterbox — одну из последних open-source моделей для TTS — и запихнули её в мобильное приложение. Звучит просто, пока не посмотришь на системные требования:

3.41 ГБ — это не случайная цифра. Туда входит сама модель, веса, вспомогательные файлы. Если у вас iPhone с 64 ГБ памяти, придется подумать дважды. Старые устройства с 2 ГБ RAM просто не запустят приложение.

Работает? Да. Хорошо? Посмотрим

Я потестил Chinny на iPhone 13 Pro. Процесс выглядит так:

1 Запись образца голоса

Нужно наговорить 10-15 секунд чистой речи. Без фонового шума, без эмоциональных всплесков. Чем чище запись — тем лучше результат. Форматы принимает любые: mp3, wav, m4a. Можно импортировать из диктофона или специализированного диктофона.

2 Обучение модели

Тут начинается магия. Приложение анализирует ваш голос, извлекает характеристики — тембр, интонации, мелодику. На iPhone 13 Pro процесс занимает около 2-3 минут. Устройство заметно греется. Батарея уходит на 3-4%.

3 Синтез речи

Вводите текст — получаете аудио. Качество? Для бесплатного оффлайн-инструмента — отличное. Есть артефакты, иногда интонации сбиваются на длинных предложениях. Но голос узнаваемый.

А есть альтернативы? Конечно, но...

Сравним Chinny с тем, что есть на рынке:

• ElevenLabs — золотой стандарт. Качество выше, возможностей больше. Но платно, и ваши голосовые данные улетают в облако. Если нужна приватность — не вариант.
• Whisper + Ollama — технически можно собрать свою систему, как в нашем гайде по голосовым ассистентам. Но это для гиков, а не для обычных пользователей.
• Облачные TTS-сервисы — их много в нашем топе нейросетей для озвучки. Дешевле, качественнее. Но опять же — данные уходят на сервер.
• Локальный синтез в браузере — как with.audio. Удобно, но клонирования голоса там нет.

Chinny занимает уникальную нишу: бесплатно, оффлайн, просто. Заплатите только памятью вашего телефона.

Кому подойдет Chinny? Трём типам людей

1. Параноикам приватности. Те, кто не готов отправлять свой голос в неизвестность. Здесь всё остаётся на устройстве. Даже если удалите приложение — модель удалится вместе с ним.
2. Экспериментаторам. Хотите озвучить мемы своим голосом? Или сделать шуточное поздравление? Chinny даёт достаточно качества для таких задач.
3. Тем, кто часто без интернета. В поездках, на даче, в метро. Записали голос дома — генерируете аудио где угодно.

Не подойдет профессионалам, которым нужно студийное качество. И тем, у кого старые устройства — просто не потянет.

Подводные камни, которые разработчики не афишируют

После недели тестирования нашёл несколько проблем:

• Память, память и ещё раз память. Приложение жрёт оперативку. Если параллельно открыть браузер с парой вкладок — Chinny может вылететь. Особенно на устройствах с 3-4 ГБ RAM.
• Нагрев. Процесс обучения модели заставляет iPhone греться как утюг. Не советую делать это, пока устройство на зарядке.
• Только английский. Да, модель Chatterbox обучена в основном на английских данных. Русский поддерживает, но с акцентом и странными интонациями.
• Нет тонкой настройки. Хотите изменить скорость, тембр, эмоциональную окраску? Не получится. Модель выдаёт то, что считает нужным.

Это плата за оффлайн-работу и бесплатность. Разработчики выбрали простоту в ущерб гибкости.

Что дальше? Будущее оффлайн-TTS

Chinny — первый, но не последний. Технология Chatterbox показывает: мобильные устройства уже достаточно мощные для сложных нейросетевых задач. Скоро появятся аналоги с поддержкой большего количества языков, лучшим качеством, меньшим потреблением памяти.

Уже сейчас можно представить интеграцию таких инструментов с локальными голосовыми ассистентами. Ваш персональный ИИ с вашим голосом, работающий полностью оффлайн.

Пока же Chinny остаётся любопытным экспериментом. Не идеальным, но работающим. Скачайте, попробуйте, поймёте — ваш ли это инструмент. Главное — убедитесь, что места на телефоне хватит.