Музыкант с БАС снова спел на сцене перед почти тысячей зрителей — голос воссоздали в ElevenLabs

БАС, или боковой амиотрофический склероз, разрушает нейроны, которые передают мышцам команды двигаться. Патрику диагноз поставили в 29 лет. Сначала бандмейты просто замечали, что он стал неуклюжим — спотыкался на мокрой брусчатке, падал по дороге на концерты. Дальше болезнь пошла быстрее: к августу 2023-го Патрик уже не мог выступать стоя, потом отказали руки, и играть на гитаре или банджо стало физически невозможно.

Голос слабел параллельно с руками — БАС часто задевает и мышцы, которые отвечают за речь и дыхание. К апрелю 2024-го Дарлинг с трудом говорил и дышал одновременно; на тот концерт его вынесли на сцену на руках. Через два месяца бэнд собрался в последний раз — просто поиграть вместе, уже без сцены и зрителей.

Как в ElevenLabs воссоздают голос, если человек уже не может говорить?

Когда Патрик начал терять речь, логопед предложил ему «забанковать» голос — записать как можно больше фраз, пока это ещё возможно, а потом собирать сообщения из готовых кусков звука. Способ рабочий, но у Патрика возникла другая проблема: к тому моменту его голос уже изменился из-за болезни. Получалось, что он банкирует не свой настоящий тембр, а уже искажённый.

Здесь и пригодился другой подход. ElevenLabs собирает голос не из свежих, уже искажённых записей, а из любых старых — интервью, домашнего видео, выступлений, где человек ещё говорил в полную силу. Нейросеть берёт эти фрагменты и достраивает по ним модель тембра, интонаций и манеры речи. Профессиональный клон требует лишь около получаса чистого звука — его реально наскрести по архивам даже за давние годы. Так у Патрика вышло вернуть не отредактированный болезнью голос, а тот самый, который помнят его близкие и зрители в зале.

Второй логопед, Ричард Кейв — он же консультант ElevenLabs, — предложил другой инструмент: клонирование голоса по старым записям, сделанным ещё до диагноза. Технология работает в двух режимах. Instant Voice Cloning собирает голос за минуты из короткого образца — нескольких минут чистой речи достаточно для черновой копии. Professional Voice Clone требует куда больше материала: по документации ElevenLabs, для качественного результата нужно от получаса записи, а в идеале — два-три часа, плюс шаг верификации, что голос принадлежит заявителю. Такой клон точнее держит тембр и интонацию на длинных текстах, но доступен только с тарифа Creator и выше.

С разговорной речью Патрика всё получилось: Кейв собрал старые интервью и голосовые сообщения, обучил модель — и Дарлинг впервые услышал свой прежний голос. По его собственной шутке, первое, что он заставил новый голос произнести, было далеко не самым приличным словом.

С пением вышло сложнее. Профессиональный клон голоса пока не умеет петь — он обучен только на разговорной речи. Чистых записей своего пения у Патрика попросту не было: пригодились видео с телефонов из шумных пабов и пара любительских записей на кухне. Этого хватило, чтобы через музыкальный инструмент Eleven Music собрать синтетическую версию его певческого голоса — с той же лёгкой хрипотцой и той же манерой чуть промахиваться мимо ноты, что были в оригинале. Получилось не идеально. Зато, как говорит Кейв, по-человечески узнаваемо.

Тысяча зрителей и одна песня, спетая заново

Специально для лондонского саммита ElevenLabs Кейв и Дарлинг шесть недель дорабатывали одну песню — «Ghost of a Man I Never Met», которую Патрик посвятил прадеду, кого он никогда не видел живьём. Слова — целиком его собственные, музыку помогал собрать Eleven Music: инструмент, где трек задаётся текстовым описанием стиля, а голос ложится поверх уже обученной модели.

В январе Кокинг получил от Кейва готовую запись. «Я услышал первые пару строк — и выключил, — рассказывал он потом. — В себя приходил раз шесть, прежде чем дослушал до конца». Через пару недель репетиций Кокинг с мандолиной и Хари Ма со скрипкой вышли на сцену вместе с Патриком — впервые за два года.

11 февраля перед почти тысячей зрителей кресло с Дарлингом выкатили на сцену. «Я не мог поверить, что это происходит, — вспоминал потом Кейв. — Патрик был счастлив». Песня звучала голосом, собранным нейросетью, а бандмейты играли вживую.

Зал не сдерживал слёз.

В зале сидела семья Патрика — и впервые с момента диагноза слышала, как он поёт на публике. Позже он рассказал Би-би-си: почувствовал себя снова частью группы, снова исполнителем — и человеком, которого видят не только через призму болезни.

Почему для людей с БАС в ElevenLabs это бесплатно?

Голос Патрику восстановили не за подписку. Годом раньше ElevenLabs запустила Impact Program — обещание бесплатно выдавать лицензии людям, которые теряют голос из-за БАС и других болезней двигательного нейрона, инсульта или рака гортани. Программу ведёт логопед Габи Лейбовиц вместе с фондами Bridging Voice и Scott-Morgan Foundation.

Чтобы попасть в программу, нужна справка от врача или логопеда, подтверждающая диагноз, — заявку подают прямо на сайте ElevenLabs. Одобренным дают бесплатную лицензию на пять лет с возможностью продления. Цель компании — вернуть голос миллиону человек по всему миру; для некоммерческих организаций в здравоохранении и образовании доступ тоже бесплатный.

Сколько стоит ElevenLabs и как оплатить его из России

Для обычных пользователей — не по программе помощи — ElevenLabs остаётся платным. По данным официальной страницы тарифов, бесплатный план даёт около 10 тысяч кредитов в месяц. Тариф Starter (от 6 долларов) добавляет мгновенное клонирование голоса и коммерческую лицензию. Professional Voice Clone открывается только на Creator — это около 22 долларов в месяц и около 121 тысячи кредитов, причём на первый месяц обычно действует скидка. Тарифы Pro, Scale и Business рассчитаны уже на студии и компании: там больше кредитов, несколько слотов под профессиональные клоны и более высокое качество аудио.

При годовой оплате обычно выходит на пару месяцев дешевле, чем помесячно. Но точные цифры стоит сверять прямо на официальной странице тарифов: у зарубежных сервисов они время от времени меняются, а у разных обзорных сайтов данные на этот счёт слегка расходятся. Заплатить российской картой напрямую не получится — платёжная система, через которую работает ElevenLabs, карты, выпущенные в РФ, не принимает.

Тариф Creator ради Professional Voice Clone — это уже не разовая история, а ежемесячный платёж иностранной компании, и карта российского банка здесь снова бессильна. Контакты для оплаты через SUB.SUP: Telegram и ВКонтакте — там уточнят актуальную стоимость выбранного плана.

### Можно ли клонировать чужой голос без разрешения?

Нет — во всяком случае легально. Professional Voice Clone в ElevenLabs собирают только с голоса самого заявителя и просят пройти верификацию: система сверяет тестовую запись с голосом из образцов. Instant Voice Cloning технически гибче, но использовать чужой голос без согласия запрещают правила сервиса, и за нарушением следят через модерацию.

### Не развод ли платить за подписку через посредника?

Схема стандартная: часть зарубежных сервисов физически нельзя оплатить российской картой, и посредник проводит платёж вместо вас, забирая на себя техническую часть. Риск здесь такой же, как при любой оплате через третье лицо, — стоит заранее уточнить у посредника детали именно по вашему тарифу, прежде чем переводить деньги.

### Сколько времени уходит на профессиональный клон голоса?

По документации ElevenLabs, загрузка и обучение модели занимают от нескольких часов до пары дней после того, как записи прошли верификацию. У Патрика Дарлинга процесс растянулся дольше: команда собирала обрывки старых видео и кухонных записей, а потом ещё около шести недель дорабатывала конкретную песню через Eleven Music.

### Работает ли ElevenLabs с русским языком?

Да, русский входит в число поддерживаемых языков во всех основных моделях синтеза речи ElevenLabs — от быстрой Flash до многоязычной Multilingual v2. Голос, склонированный по записям на русском, можно использовать и для текста на других языках, хотя лёгкий акцент иногда остаётся.

### Чем быстрый клон отличается от профессионального?

Быстрый (Instant) клон собирается за минуту из пары минут записи и годится для черновиков, но тембр передаёт приблизительно. Профессиональный требует около получаса чистого звука и нескольких часов обучения, зато звучит почти неотличимо от оригинала — именно его берут, когда голос нужно вернуть человеку всерьёз, а не ради пробы. Для истории вроде той, что случилась с Патриком, подходит только он — цена ошибки в тембре тут слишком высока.

Кокинг признаётся: загадывать дальше он не берётся — БАС не оставляет для этого много времени, а следующий совместный концерт никто не гарантирует. Но запись 11 февраля уже никуда не денется, и, по словам друзей, Патрик планирует продолжать писать музыку голосом, который для него собрала нейросеть.

Похожих историй у ElevenLabs становится больше: обычным людям, а не только знаменитостям, эти инструменты возвращают не столько разговор, сколько возможность снова что-то создавать — песню, подкаст, книгу, начитанную собственным голосом. Для Патрика это уже случилось один раз — вживую, при почти тысяче свидетелей.