Silero TTS — открытая модель синтеза речи, которая озвучивает русский текст на своём железе: без иностранной карты, VPN и ежемесячной платы. Модель ставится через Python за несколько минут, работает даже на процессоре и подходит для ботов, аудиокниг и голосовых ассистентов. Ниже — установка, честная оценка качества голосов и сравнение с Yandex SpeechKit.
Silero TTS — бесплатная open-source модель для tts на русском, которая работает офлайн и без региональных ограничений. Базовые модели идут под MIT-лицензией, синтез быстрый даже на CPU. В статье: установка за 10 минут, сравнение с Yandex SpeechKit и другими open-source движками, готовые рекомендации под задачу.
Зачем вообще искать альтернативу Yandex TTS?
Не всем подходят облачные сервисы: одним нужен офлайн-режим, другим — обход блокировок каналов трафика, третьим — просто ноль рублей в месяц.
Yandex SpeechKit — рабочий сервис, но платный: 400 рублей за миллион символов синтеза после бесплатного тестового месяца. Для стартапа с ограниченным бюджетом или личного проекта это ощутимая статья расходов, особенно если текста много.
Часть зарубежных TTS-сервисов из топ-13 по озвучке русского текста отсеивается по банальной причине: нужен иностранный номер телефона или карта, а с этим у российского пользователя в 2026 году постоянные сложности. Максим формулирует это так.
Максим: «Нужно учитывать: у нас заблокированы многие каналы трафика. Обычные лендинги перестают эффективно приносить заявки. Нужно создавать более технические и многоуровневые воронки. Цифровые продукты позволяют реализовывать то, что откладывали очень давно.»
Open-source tts ru решает эту проблему в одно движение: модель скачивается один раз и работает локально, без счётчика запросов и региональных ограничений.
Что такое Silero TTS и чем он отличается от Yandex SpeechKit?
Silero TTS — библиотека на PyTorch от российской команды Silero, синтезирующая речь на 20+ языках, включая все основные языки России и СНГ. В отличие от Yandex SpeechKit это не облачный API, а модель, которую разворачивают на своём сервере или ноутбуке.
Репозиторий snakers4/silero-models — основной источник моделей: текущая версия для русского языка — v5, обученная отдельно распознавать вопросительную интонацию и решать проблему омографов и ударений (слова, которые пишутся одинаково, а читаются по-разному в зависимости от смысла). Это как раз то место, где спотыкается даже топовый ElevenLabs.
Лицензирование здесь неочевидное, и об этом стоит сказать прямо, а не замалчивать. Базовые cis-tts модели идут под MIT — с ними можно делать что угодно, включая коммерческие продукты. А основной репозиторий Silero Models в целом лицензирован как CC-NC-BY, то есть некоммерческое использование. Перед тем как встраивать модель в платный продукт, лицензию конкретной версии стоит проверить отдельно.
| Параметр | Silero TTS | Yandex SpeechKit |
|---|---|---|
| Где работает | Локально, офлайн | Облако, нужен интернет |
| Нужна карта/VPN | Нет | Нет (российский сервис) |
| Стоимость | Бесплатно (модель) | От 400 ₽/млн символов |
| Лимит текста | Ограничен только железом | 5000 символов на запрос |
| Голоса | Несколько на язык, дефолтные | 20+ голосов на 6 языках |
| SSML/разметка | Базовая | Продвинутая, с ударениями и паузами |
| Кастомный голос | Нет из коробки | Есть (Brand Voice) |
Как установить Silero TTS за 10 минут?
Для локального сервера нужны Python и пакетный менеджер UV. Дальше — один блок команд в консоли, и сервер синтеза речи поднимается на выбранном порту без ручной настройки зависимостей.
Схема ниже — из практики автора Home Assistant-интеграции с Silero TTS, который специально сделал вариант без переусложнения и с поддержкой стриминга: у старых реализаций для Home Assistant этого не было.
Шаг 1. Поставьте Python и UV
UV — пакетный менеджер, который сам разворачивает виртуальное окружение и подтягивает зависимости. Ставится по инструкции с официального сайта под Linux и Windows, либо одной командой как Python-пакет.
Шаг 2. Скопируйте и запустите блок команд
Готовый блок команд из репозитория клонирует проект, переходит в папку и запускает сервер. UV сам разворачивает окружение и скачивает модель — для актуальной версии это v5. Процесс занимает пару минут в зависимости от скорости интернета.
Шаг 3. Проверьте порт
После установки сервер поднимается на 10208 порту по умолчанию. Дальше сервис можно дергать напрямую по HTTP-запросу или подключить к любому проекту, который умеет ходить по REST API.
Шаг 4. Настройте автозагрузку (опционально)
Для Linux логично завести Systemd-сервис, чтобы сервер синтеза поднимался вместе с системой, а не запускался вручную каждый раз.
Синтез в такой связке получается быстрым даже без видеокарты. Для тяжёлых задач вроде клонирования голоса (например, у модели F5 TTS) процессора уже не хватает, там нужен GPU, но для обычной озвучки текста CPU справляется без проблем.
Если сервис нужен внутри уже собранного вами продукта, а не отдельным сервером, разворачивать его логичнее прямо в связке с бэкендом. На этом этапе многие вайбкодеры поднимают весь стек в Cursor или Windsurf — TTS-модуль подключается как обычная Python-зависимость, без плясок с внешним API.
Как звучат голоса Silero TTS на русском?
Голоса Silero звучат ровно и без запинок на технических текстах, но проигрывают ElevenLabs в живости интонаций. Синтез стабильно быстрый, включая работу на слабом железе.
Здесь честность важнее маркетинга. Прямое сравнение из практики: голоса Silero TTS примерно сопоставимы с дефолтными голосами Piper, но на вкус конкретного тестировщика уступают им по приятности звучания. Кому-то подойдёт, кому-то нет, это субъективно.
В отдельном сравнительном обзоре пяти open-source движков (Piper, eSpeak, RHVoice, Silero, gTTS) автор выделил Google TTS и RHVoice как лучшие варианты по итогу тестирования, отметив RHVoice как предпочтительное именно локальное решение. Silero в этом ряду не проиграл технически, но и не стал очевидным фаворитом по естественности речи.
Для сравнения: в тесте 13 нейросетей для русской озвучки победителем вышел ElevenLabs, причём даже он спотыкается на словах, где ударение меняется по смыслу. Большинство остальных сервисов отсеялось либо из-за отсутствия русского языка, либо из-за требования иностранной карты или номера.
Silero TTS или Yandex SpeechKit: что выбрать?
Silero выигрывает по цене и офлайн-работе, Yandex — по гибкости разметки и качеству кастомных голосов для бизнеса. Выбор зависит от задачи, а не от того, какой инструмент "лучше" в вакууме.
Yandex SpeechKit даёт то, чего у открытых моделей просто нет из коробки: SSML-разметку с расстановкой ударений через плюсик перед гласной, паузы через теги <break> с управлением длительностью, фонетическую запись для коррекции произношения имён и брендов. Для колл-центра или голосового ассистента с брендовым голосом это критично.
Есть нюанс с длиной текста: у Yandex ограничение 5000 символов на запрос, а синтез по аудио-шаблону (клонирование под бренд-голос) — вообще 250 символов и от 1 до 24 секунд аудио. Silero таких потолков не ставит, разве что упирается в память вашего сервера.
| Задача | Что выбрать |
|---|---|
| Личный проект, бюджет — ноль | Silero TTS |
| Голосовой ассистент для дома (Home Assistant) | Silero TTS |
| Колл-центр с брендовым голосом | Yandex SpeechKit |
| Длинные аудиокниги офлайн | Silero TTS / RHVoice |
| Точная расстановка ударений в сложных словах | Yandex SpeechKit |
| Продукт без доступа к облаку по требованиям безопасности | Silero TTS |
Какие есть альтернативы Silero TTS без VPN?
Кроме Silero, для tts ru без региональных ограничений подходят RHVoice, Piper, eSpeak, F5 TTS и Qwen TTS. У каждого свой компромисс между качеством и простотой установки.
Разработчики нейросетей для голоса выпускают новые модели быстрее, чем успевают выходить их сравнения. Из того, что реально проверено и работает без танцев с бубном:
- RHVoice — локальный движок, в прямом сравнении назван предпочтительным для офлайн-использования наравне с Google TTS.
- Piper — быстрый, лёгкий, голоса на вкус чуть приятнее дефолтных Silero.
- eSpeak — самый простой и самый механический по звучанию, зато весит меньше всех.
- F5 TTS — открытая модель для клонирования голоса, быстрее аналогов вроде Fish Speech, но заточена в основном под английский и китайский, для CPU нужны дополнительные патчи.
- Qwen TTS — бесплатное клонирование голоса, но собранная сторонняя сборка для локальной установки на практике заводится не у всех: часть пользователей в итоге возвращается на платный ElevenLabs.
| Движок | Локально | Клонирование голоса | Сложность установки |
|---|---|---|---|
| Silero TTS | Да | Нет | Низкая |
| RHVoice | Да | Нет | Средняя |
| Piper | Да | Нет | Низкая |
| eSpeak | Да | Нет | Низкая |
| F5 TTS | Да (нужен GPU) | Да | Высокая |
| Qwen TTS | Частично | Да | Высокая, нестабильно |
Для каких задач реально подходит Silero TTS?
Silero закрывает сценарии, где важна автономность: умный дом, локальные боты, аудиокниги, простые голосовые ассистенты без облачной зависимости.
Практические юзкейсы, которые встречаются в реальных проектах:
- Озвучка ответов в Home Assistant без завязки на облако.
- Голосовой ассистент на 300 строк Python, который отвечает на простые команды и вопросы — такой проект уже собирали на основе моделей Silero.
- Конвертация книг (FB2, EPUB, TXT) в аудиокниги через связку с движками вроде Piper и Silero в одном пайплайне.
- Озвучка технической документации или конспектов, где живая интонация не критична, а важна скорость и точность произношения.
- Прототип голосового интерфейса продукта на этапе, когда платный API ещё не оправдан бюджетом.
Сильные и слабые стороны Silero TTS
Сильные стороны
- Бесплатно и локально — нет ни платы за токены, ни зависимости от доступности внешнего API.
- Быстрый синтез даже на CPU — не нужна видеокарта, в отличие от моделей клонирования голоса.
- Родной русский язык плюс поддержка языков СНГ, с решённой проблемой омографов в v5.
- MIT-лицензия на базовые модели — можно встраивать в коммерческие продукты без юридических рисков.
Слабые стороны
- Голоса объективно уступают ElevenLabs и Yandex SpeechKit по живости интонаций.
- Нет готового брендового голоса или клонирования — для этого нужен другой стек, например F5 TTS.
- Часть репозитория лицензирована как некоммерческая — лицензию конкретной модели нужно проверять перед продакшеном.
- Нет продвинутой SSML-разметки, к которой привыкли пользователи Yandex SpeechKit.
Частые вопросы про Silero TTS
Нужен ли VPN для установки Silero TTS?
Нет. Модель скачивается с GitHub напрямую, работает офлайн после установки и не завязана на зарубежные платёжные сервисы.
Можно ли использовать Silero TTS в коммерческом продукте?
Базовые cis-tts модели идут под MIT-лицензией и подходят для коммерческого использования. Основной репозиторий Silero Models в целом — CC-NC-BY, поэтому лицензию конкретной версии стоит уточнить перед запуском в продакшен.
Чем Silero TTS отличается от Yandex SpeechKit по цене?
Silero бесплатен, но требует своего сервера. Yandex SpeechKit берёт около 400 рублей за миллион символов синтеза после бесплатного тестового месяца.
Нужна ли видеокарта для запуска Silero TTS?
Нет, обычный синтез речи работает на CPU и достаточно быстро. GPU нужен только для более тяжёлых задач вроде клонирования голоса.
Какой открытый TTS лучше всего звучит на русском?
По прямым сравнениям RHVoice и Piper часто называют более приятными на слух, чем дефолтные голоса Silero, но Silero выигрывает по простоте установки и решению проблемы ударений.
Можно ли клонировать свой голос через Silero?
Нет, для клонирования голоса нужны другие открытые модели, например F5 TTS или Qwen TTS, у Silero этой функции нет из коробки.
Работает ли Silero TTS с Home Assistant?
Да, есть готовые интеграции: сервер поднимается локально, добавляется в Home Assistant по IP и порту, дальше голос доступен в медиаплеере.
Что в итоге
Для личного проекта, локального ассистента или продукта без бюджета на облачный API — Silero TTS закрывает задачу за один вечер и без VPN. Для брендового голоса колл-центра или продвинутой разметки текста разумнее взять Yandex SpeechKit, благо и он работает без иностранной карты.
Каталог инструментов для сборки голосовых продуктов и AI IDE — в каталоге VibeCoderz. Если нужен разбор именно вашего стека под конкретную задачу — пишите Максиму на консультацию.
Обновлено: октябрь 2026