Игорь Градов
Игорь Градов
4 мин
ai

Автор удвоил словарь ударений через GigaChat: 101 слово для озвучки без ручных догадок

Автор озвучки «Канала 15» удвоил словарь русских ударений с помощью двух бесплатных моделей Сбера, потому что три движка синтеза речи упорно ставили ударения не туда, а словарь подмен приходилось вести руками.

Автор удвоил словарь ударений через GigaChat: 101 слово для озвучки без ручных догадок

Ниже пошаговая схема. Вы узнаете, как подключить GigaChat к сбору ударений, как проверить готовую озвучку моделью распознавания речи GigaAM и где обе модели ошибаются.

Почему это важно

Ударения GigaChat ставит неплохо, но главное открытие в другом. В большой пачке слов модель ошибается так же уверенно, как отвечает правильно, и эти ошибки теряются среди верных ответов. Поэтому оптовый результат годится только как список кандидатов, а не как готовый словарь.

Исходная точка такая: три движка синтеза речи читали «гудни» как «гУдни». Словари произношения ElevenLabs на тарифе автора закрыты, поэтому ударения расставлял инструмент ruaccent, а ошибки правил ручной словарь из 51 слова. Теперь GigaChat предлагает ударения, GigaAM проверяет озвучку на слух, и словарь вырос до 101 слова без единой догадки автора.

Что понадобится

  • Доступ к GigaChat API, то есть способу подключить нейросеть Сбера к своей программе. Регистрация идёт по Client ID с областью доступа GIGACHAT_API_PERS.
  • Бесплатный годовой тариф GigaChat: 250 млн токенов для Lite, 40 млн для Pro, 25 млн для Max и 50 млн для Ultra. Токен, это кусочек слова, в котором считают объём текста.
  • Модель GigaChat-2-Pro. Lite для этой задачи не подходит.
  • GigaAM v3 для распознавания речи: запускается через sherpa-onnx (программа для запуска модели на своём компьютере), веса весят 222 МБ, лицензия MIT свободная.
  • Банк ваших текстов для озвучки и время на ручную сверку спорных слов.

Пошаговая инструкция

  1. Получите Client ID по документации GigaChat API и укажите область доступа GIGACHAT_API_PERS.
  2. Подключите модель GigaChat-2-Pro. В коде на Python это одна строка с ключом, областью доступа и названием модели.
  3. Выгрузите все слова из своих текстов и прогоните их через модель. У автора на входе было 7789 слов, на выходе получился лексикон на 7462 слова, это 95,8% покрытия.
  4. Учтите формат ответа. GigaChat ставит знак ударения после ударной гласной, а ruaccent ставит его перед гласной. Иногда модель обрывает конец слова. Пропишите это в промпте и в разборе ответа. Примерный промпт:
Поставь ударение в каждом слове списка.
Знак ударения ставь сразу после ударной гласной.
Пиши каждое слово целиком, не обрезай окончание.
Список: проскочила, куплена, гудни
  1. Не импортируйте большой прогон в словарь напрямую. Перепроверьте кандидатов малыми пачками запросов: модель отвечает по-разному в разных прогонах.
  2. Слова, где прогоны расходятся, решайте сами, на слух и по словарю.
  3. Проверьте готовую озвучку через GigaAM: распознайте сгенерированный файл wav (несжатый звук) и сравните слова с исходным текстом.
  4. Длинные файлы режьте окнами по 30 секунд. Практический предел GigaAM около 50 секунд за раз.
Как это применить

Автор отправил в GigaChat-2-Pro все 7789 слов своих реплик и получил лексикон на 7462 слова. Перепроверка малыми пачками выловила 32 слова вроде «проскочила» и «куплена»: в одном прогоне модель ставила ударение так, в другом иначе. В итоге в словарь добавилось 50 проверенных слов. Тем же GigaAM автор распознал шестиминутную запись с диктофона: за секунды и почти без ошибок.

Частые ошибки
  • Брать Lite ради экономии. В задаче с ударениями она выдаёт мусор.
  • Доверять большому прогону. Галлюцинация (когда ИИ уверенно выдумывает то, чего не было) в большой пачке не бросается в глаза.
  • Подавать в GigaAM звук с эффектами. На озвучке «Канала 15» с помехами и компрессором модель путается, там автор оставил распознавание через whisper, другую модель.
  • Загружать длинный трек целиком. Это ограничение не лечится, только нарезка.

Что делать с этим прямо сейчас, по ролям

Автору Дзена, который озвучивает видео или делает аудиоверсии статей: соберите свой словарь трудных слов, имён и терминов через GigaChat. Финальное решение по спорным словам оставьте за собой.

Маркетологу с голосовой рекламой или подкастом: прогоняйте готовую озвучку через GigaAM перед публикацией. Ошибочное ударение в названии бренда проще поймать машиной, чем переслушивать часы записи.

Предпринимателю из РФ и СНГ: GigaChat и GigaAM работают без обхода ограничений, годовой тариф бесплатный, а GigaAM можно запустить у себя. Начните с одного проекта и посчитайте, сколько часов ручной правки уйдёт.

Совет редакции dzen.guru

На мой взгляд, главная ценность этого кейса в правиле работы, а не в конкретной модели. Оптовый ответ нейросети служит черновиком, малые проверки ловят нестыковки, человек решает спорное. Это правило годится для любой задачи, где ИИ выдаёт длинные списки: ключевые слова, факты, имена.

Честная оговорка: схема требует навыков программирования на Python, а одно слово так и осталось за человеком. «Гудни» модель ни разу не смогла уверенно поставить. Мы в dzen.guru считаем, что нейросеть здесь работает как отвёртка: экономит силы, но держит её ваша рука.

Учитесь работать с нейросетями без лишней теории

В dzen.guru разбираем рабочие приёмы для авторов, которые пишут и озвучивают контент на русском.

Перейти на dzen.guru
Поделиться:TelegramVK
Игорь Градов
Игорь Градов

Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».

Комментарии

Читайте также

Что такое ИИ-агент, объяснил создатель шутера: модель плюс харнес и 8 шагов настройки
ai

Что такое ИИ-агент, объяснил создатель шутера: модель плюс харнес и 8 шагов настройки

Разработчик, собравший с помощью ИИ онлайн-шутер, разобрал на своём проекте харнес, программную обвязку, которая превращает Claude Code или Codex в рабочего…

5 мин
ai

ПСБ проведёт в Ярославле ИТ-конференцию «Нейродень»: как контролировать ИИ-агентов

ПСБ 28 ноября проведёт в Ярославле ИТ-конференцию «Нейродень» о работе с ИИ-агентами, и для местных разработчиков это шанс без поездки в столицу услышать…

4 мин
Один ИИ-агент с самопроверкой дешевле команды до 64 агентов: замер на 14 правках кода
ai

Один ИИ-агент с самопроверкой дешевле команды до 64 агентов: замер на 14 правках кода

Исследователь на фоне новых командных режимов у вендоров сравнил команды от одного до 64 ИИ-агентов на одних и тех же правках кода и выяснил, что дешевле всего…

5 мин