Перейти к содержимому
CSuite
Функции · Аудио

Голос, музыка и звук в одной панели.

Озвучьте сценарий естественным голосом, подложите под него сгенерированную музыку и добавьте звуковые эффекты: три вида генерации аудио в одной рабочей области и встроенный редактор формы волны для финальной доводки. Та же рабочая область расшифровывает запись или звуковую дорожку видео в текст и субтитры. Облачные модели работают с вашими собственными API-ключами, синтез речи и расшифровка могут работать полностью офлайн, а редактирование выполняется локально на вашем компьютере.

Выбор

Три вида звука, один список выбора.

Переключайте поле промпта между речью, музыкой и звуковыми эффектами. Список выбора показывает только модели, которые поддерживают активный тип, а у каждой категории своя модель по умолчанию, включая режим «Авто». ElevenLabs для тёплого голоса рассказчика, Lyria для саундтрека, SFX 1.5 для шумового оформления: один API-ключ на платформу (Runware, OpenRouter или Replicate) открывает доступ ко всем ним, ключ вендора, например OpenAI, Google или ElevenLabs, добавляет собственные модели этого вендора, а Supertonic TTS говорит офлайн вовсе без ключа. Четвёртый тип, «Расшифровка», переключает список выбора на модели распознавания речи, такие как Whisper, GPT-4o Transcribe и Scribe v2.
Озвучка

На входе сценарий, на выходе озвучка.

Вставьте сценарий, выберите модель и голос и запустите генерацию. Голоса берутся из собственного набора каждой модели, а у моделей, которые это позволяют, есть настройки для каждого голоса (скорость, стабильность, сходство). Нажмите кнопку воспроизведения рядом со списком выбора, чтобы прослушать голос, прежде чем доверить ему весь сценарий: первое прослушивание стоит доли цента, а все последующие берутся из кэша бесплатно. У моделей с поддержкой клонирования можно вместо этого дать образец и его расшифровку, и модель прочитает ваш сценарий этим голосом.Под макетом находится настоящий, необработанный клип, сгенерированный ElevenLabs v3 в CSuite. Нажмите на воспроизведение. В строке промпта указан ровно тот сценарий, который прочитала модель.
Реальный результат · ElevenLabs v3narration.mp3
0:00 / 0:10
Музыка

Опишите настроение, получите музыку.

Инструменты, темп, фактура: опишите всё это, как в задании для сессионного музыканта, и модель сочинит трек. Lyria 3 принимает ещё и референсные изображения, так что тон может задать мудборд, а у Music 2.6 и ACE-Step v1.5 есть отдельное поле «Текст песни», где ваши слова остаются в точности такими, как вы их написали. Вопросы с роялти вас не преследуют: это ваша генерация, сделанная с вашим ключом.Ниже 30-секундный клип: настоящая композиция Lyria 3 по показанному промпту. Это то же задание, на которое отвечает каждая музыкальная модель из каталога на своей странице.
Реальный результат · Lyria 3ambient.mp3
0:00 / 0:30
Шумы

Звуковые эффекты по запросу.

Хлопок двери, атмосфера леса, стрекот проектора: опишите звук вместо того, чтобы копаться в библиотеках сэмплов, или дайте SFX 1.5 исходное видео, и модель подберёт звук под картинку. Перетащите результат прямо в видеокомпозицию или экспортируйте его для монтажа.Ниже настоящая генерация SFX 1.5 по показанному промпту: тяжёлая деревянная дверь в каменном коридоре.
Реальный результат · SFX 1.5impact.mp3
0:00 / 0:10
Расшифровка

На входе запись, на выходе расшифровка.

Переключите тип на «Расшифровка», затем загрузите или перетащите аудиофайл или видео, и CSuite извлечёт звуковую дорожку из видео за вас. Модель запишет текстовый файл рядом с записью, а если вернёт тайм-коды, то ещё и файл субтитров SRT. Расшифровка появляется под плеером, и клик по строке с тайм-кодом переносит воспроизведение к этому моменту. Whisper Base, Small и Large V3 Turbo работают на вашем собственном компьютере без ключа, а Scribe v2 с вашим ключом ElevenLabs умеет помечать каждого спикера.У моделей, которые читают подсказку, например Whisper и GPT-4o Transcribe, в поле промпта можно указать имена и термины, чтобы они были написаны правильно.
Улучшение

Введите идею, получите полное задание.

Для музыки и эффектов нажмите на волшебную палочку, и ваша собственная текстовая модель превратит одну строку в полноценное задание: сначала то, о чём трек, затем жанр, инструменты, темп и настроение. Текст песни попадает туда, откуда его читает модель. У синтеза речи палочки нет, потому что произносится именно тот текст, который вы ввели.Музыка оплачивается за каждую генерацию, поэтому дороже всего обходятся отбракованные дубли.
Редактирование

Наведите порядок, не выходя из приложения.

Встроенный в плеер редактор формы волны закрывает привычную доводку без экспорта в другой инструмент. Каждая правка рендерится локально на вашем компьютере и сохраняется либо в тот же файл, либо новой копией, в исходном формате файла, так что обрезанный MP3 остаётся MP3.

Обрезка до нужного дубля

Отрежьте тишину с обоих концов записи или вырежьте один чистый дубль из длинной сессии. Перетащите маркеры на волновой форме, и всё за пределами выделения будет удалено.

Нарастание и затухание

Дайте сгенерированной музыкальной подложке плавное вступление и окончание, прежде чем пустить её под озвучку. Задайте длительность нарастания и затухания, и огибающая применится к волновой форме.

Выравнивание громкости

Тихая озвучка на фоне громкой музыкальной подложки остаётся самой частой проблемой сведения. Увеличивайте или уменьшайте громкость клипа, пока уровни не встанут как надо.

Изменение скорости

Превратите 42-минутную запись лекции в 28 минут прослушивания на скорости 1,5× или замедлите слишком быстрый дубль. Длительность пересчитывается вместе со скоростью.

Конвертация формата

Передайте монтажёру WAV или FLAC без потерь или сожмите сессию до MP3 или OGG, чтобы ею поделиться. Выберите целевой формат, и файл перекодируется прямо из исходника, без промежуточного сжатия с потерями.
Композиции

Не просто клипы, а целые выпуски.

Композиции служат вторым режимом создания для подкастов, интервью и озвученных историй: напишите сценарий, дайте каждому спикеру свой голос, подмешайте снизу музыку и звуковые эффекты на многодорожечном таймлайне и экспортируйте один файл MP3, M4A или WAV. Сценарий, спикеры и микшер подробно описаны на странице композиций.
Рабочая область

Всё остальное в студии.

Мелочи вокруг кнопки генерации: как сначала услышать голос, как узнать цену и как вернуться к удачному промпту.

Прослушайте голосВключите любой голос из набора прямо в списке выбора, прежде чем доверить ему сценарий. Первое прослушивание стоит доли цента, все последующие берутся из кэша бесплатно, а у Supertonic TTS каждое прослушивание бесплатно, потому что генерируется на устройстве.
Клонируйте голосУ моделей с такой поддержкой прикрепите образец и его расшифровку, и модель прочитает ваш сценарий этим голосом вместо готового.
Задание с помощью ИИДля музыки и эффектов введите суть и нажмите на волшебную палочку: текстовая модель развернёт её в тему, жанр, инструменты, темп и настроение, а для моделей, которые поют прямо по промпту, напишет ещё и текст песни. Речь палочка не трогает, ведь произносится именно этот текст.
Узнайте цену заранееПоле промпта ещё до генерации показывает примерную цену (за клип для музыки, а для речи по текущему числу символов), а строка состояния отслеживает запуск.
Повторяйте удачноеНедавние промпты лежат в виде чипов над полем промпта, а каждый сгенерированный клип запоминает модель и настройки, с которыми он создан, и их можно загрузить обратно одним кликом.
Файлы остаются вашимиКлипы хранятся обычными файлами в папке проекта. Перетаскивайте туда записи, фильтруйте длинный список по имени, а открывать и резервировать их можно любым удобным инструментом.
Каталог

Доступные модели и провайдеры.

Здесь собраны все аудиомодели из каталога: синтез речи, музыка, звуковые эффекты и распознавание речи. Они работают в облаке через Runware, OpenRouter и Replicate или напрямую через вендоров, таких как OpenAI, Google, ElevenLabs и другие, с вашими собственными ключами, а также на устройстве через встроенную среду выполнения Hugging Face. У каждой модели, которая генерирует аудио, на её странице есть настоящие примеры клипов.

OpenAIОблако · ваш API-ключ
OpenRouterОблако · ваш API-ключ
ReplicateОблако · ваш API-ключ
GoogleОблако · ваш API-ключ
RunwareОблако · ваш API-ключ
xAIОблако · ваш API-ключ
ElevenLabsОблако · ваш API-ключ
MiniMaxОблако · ваш API-ключ
Fish AudioОблако · ваш API-ключ
Hugging FaceЛокально · ваше оборудование
KlingОблако · ваш API-ключ
OllamaЛокально · ваше оборудование
GPT-4o Mini TTS
Облако

OpenAI's steerable speech model: ten natural voices you can direct with free-text instructions for tone, accent and pacing.

OpenAI
Gemini 3.8 Flash TTS
Облако

Google's most expressive Gemini speech model, for long-form narration and two-speaker scenes in 130 languages, with inline vocal cues such as sighs and laughs.

Google · OpenRouter · Replicate
Gemini 3.8 Flash-Lite TTS
Облако

A faster, lower-cost Gemini speech model for high-volume narration and voice agents in 101 languages, with the same voices and vocal cues as 3.8 Flash TTS.

Google · OpenRouter · Replicate
Grok Text-to-Speech
Облако

xAI's expressive text-to-speech model with multiple voices and 20-language support.

xAI · Runware · Replicate
Lyria 3.5
Облако

Google's music model for full-length songs with structure, vocals or instrumentals, guided by a text prompt, optional lyrics and reference images.

Google · Replicate
Lyria 3
Облако

Enhanced Lyria model with improved musical coherence and audio quality.

Google · OpenRouter · Replicate
Lyria 3 Pro
Облако

Google's professional-grade music model with enhanced fidelity and musical expression.

OpenRouter · Replicate
v4
Облако

ElevenLabs' most expressive speech model, with closer voice cloning, audio tags for delivery and more than 90 languages.

ElevenLabs · OpenRouter
v4 Turbo
Облако

The low-latency tier of ElevenLabs v4, with the same audio tags and more than 90 languages at half the per-character price.

ElevenLabs · OpenRouter
v3
Облако

ElevenLabs' most expressive voice model with rich emotional and tonal range.

ElevenLabs · OpenRouter · Replicate
v3 Conversational
Облако

A variant of ElevenLabs' v3 voice model tuned for natural dialogue in conversational agents, in more than 70 languages.

ElevenLabs · OpenRouter
Music
Облако

ElevenLabs music generation model for creating original AI-composed tracks.

ElevenLabs · Replicate
Music 2.6
Облако

MiniMax music model for full-arrangement AI compositions with rich instrumentation.

Runware · Replicate
SFX 1.5
Облако

Mirelo sound effects model for generating custom audio SFX from text prompts.

Runware
Speech 2.8
Облако

MiniMax's studio-grade speech model with 332 voices, emotion control, voice cloning, and a 50,000-character input limit.

MiniMax · Runware · Replicate
Drama 3
Облако

Fish Audio's text-to-speech model for directed voice performances: you describe how each line should be delivered in square brackets, add sounds and pauses, and script several speakers in one call.

Fish Audio · OpenRouter
Voice
Облако

HeyGen's text-to-speech model with preset voices on OpenRouter and Runware; on Runware it can also clone a voice from a recording.

OpenRouter · Runware
Voice Turbo
Облако

A lower-latency version of HeyGen Voice with the same preset voices on OpenRouter and Runware, and voice cloning on Runware.

OpenRouter · Runware
Voxtral TTS 3
Облако

Mistral's text-to-speech model with preset voices in eight languages; emotion and pace tags written into the text, such as [emotion=happy] or [pace=slow], direct the delivery. In public preview.

OpenRouter
S2.1 Pro
Облако

Fish Audio's recommended production TTS with natural-language cues in brackets, multi-speaker synthesis in one call, and zero-shot voice cloning across 83 languages.

Fish Audio · OpenRouter · Runware
S2.1 Pro Free
Облако

Fish Audio's S2.1 Pro model at $0 for development and testing under fair-use limits, with the same bracket cues, multi-speaker synthesis and voice cloning but no latency or data-processing guarantees.

Fish Audio
S2 Pro
Облако

Fish Audio's previous-generation open S2 TTS with natural-language cues in brackets, multi-speaker dialogue and zero-shot voice cloning across 80+ languages.

Fish Audio · OpenRouter
Seed Audio 1.0
Облако

ByteDance's audio generation model that reads a script word for word or builds a whole scene from one prompt, with a described voice, ambience, music and sound effects, and clones a voice from short reference clips.

OpenRouter · Runware
MAI-Voice-2.1
Облако

Microsoft AI's highest-fidelity text-to-speech model, with detailed prosody and a consistent speaker over long passages. It reads in 23 languages through preset voices across 28 locales, and the voice you pick sets the language.

OpenRouter
MAI-Voice-2.1 Flash
Облако

Microsoft AI's low-latency text-to-speech model, built for real-time responsiveness. It reads in 23 languages through the same preset voices as MAI-Voice-2.1, across 28 locales, and the voice you pick sets the language.

OpenRouter
ACE-Step v1.5
Облако

Open full-track music generation with lyric editing, remix, cover generation, and voice cloning in 50+ languages.

Runware
Flash v2.5
Облако

ElevenLabs' fastest speech model, with about 75 ms latency across 32 languages at half the per-character price of Multilingual v2.

ElevenLabs · OpenRouter · Replicate
Multilingual v2
Облако

ElevenLabs' previous-generation voice model for lifelike, consistent long-form narration such as voice-overs and audiobooks, in 29 languages.

ElevenLabs · OpenRouter
Flash v2
Облако

ElevenLabs' English-only speech model with very low latency, suited to conversational and real-time use.

ElevenLabs · OpenRouter
Sound Effects v3
Облако

ElevenLabs' newest text-to-sound-effects model: foley, ambiences and impacts up to 30 seconds that follow several cues in one prompt, handle music and vocals, and loop seamlessly.

ElevenLabs
GPT Transcribe
Облако

OpenAI's high-accuracy transcription model for recorded audio, which follows a hint for names and terms and returns plain text without timestamps.

OpenAI · OpenRouter
Whisper Large V3
Облако

OpenAI's open-weight Whisper Large V3, which transcribes speech in close to a hundred languages and returns timed segments for subtitles.

OpenRouter · Replicate
Whisper Large V3 Turbo
ОблакоЛокально

A faster, slimmed-down Whisper Large V3 that keeps most of its accuracy and returns timed segments for subtitles.

OpenRouter · Hugging Face
Transcribe 1 Pro
Облако

Fish Audio's speech-to-text model for multi-speaker conversations, which labels who is speaking and keeps emotion and vocal-event cues such as laughter in the transcript.

Fish Audio · OpenRouter
Muse Voice Transcribe 1.0
Облако

Meta's speech-to-text model for push-to-talk and speaker-aware transcription, which returns plain text.

OpenRouter
MAI-Transcribe 2
Облако

Microsoft AI's multilingual transcription model, which covers 60 languages with automatic language detection and returns plain text.

OpenRouter
Voxtral Small Transcribe 3
Облако

Mistral's flagship transcription model, which returns a timestamped transcript and detects the language on its own. In public preview.

OpenRouter
Voxtral Mini Transcribe 3
Облако

Mistral's compact transcription model, a lower-cost sibling of Voxtral Small Transcribe 3 with timestamps and language detection. In public preview.

OpenRouter
Universal-3.6 Pro
Облако

AssemblyAI's speech-to-text model and the successor to Universal-3.5 Pro, served through its synchronous API for clips of up to two minutes. The app sends a longer recording in two-minute pieces and returns plain text.

OpenRouter
TTS 1
Облако

AssemblyAI's text-to-speech model for voice agents, narration and multilingual applications, with twenty preset voices here in English, Spanish, French and German.

OpenRouter
Gemini 3.5 Transcribe
Облако

Google's speech-to-text model for fast synchronous transcription with automatic language detection; this route returns plain text.

Google · OpenRouter
Scribe v2
Облако

ElevenLabs' batch transcription model, which returns word-level timing for subtitles and can label who is speaking.

ElevenLabs · OpenRouter
Scribe v2 Medical
Облако

ElevenLabs' batch transcription model tuned for clinical and medical terminology, which returns word-level timing for subtitles and can label who is speaking.

ElevenLabs · OpenRouter
Kling Text to Audio
Облако

Kuaishou's Kling sound effects model, generating 3 to 10 second clips from a short text description.

Kling
Kling TTS
Облако

Kuaishou's Kling text-to-speech model, reading up to 1,000 characters aloud in English or Chinese system voices.

Kling
Phonon
Локально

Gradium's 31M-parameter English text-to-speech model, run on device by Ollama on Apple silicon Macs. It reads text as written, so numbers and dates are best spelled out.

Ollama
LFM3-Audio 2B
Локально

Liquid AI's 2B audio model, run on device by Ollama: it speaks text in 19 languages with a female or male voice per language, and transcribes speech.

Ollama
Supertonic TTS
Локально

On-device English text-to-speech that runs entirely in the app, with ten preset voices and no API key.

Hugging Face
Whisper Base
Локально

A small on-device Whisper model that transcribes speech in the app with no API key, trading accuracy for speed.

Hugging Face
Whisper Small
Локально

A mid-sized on-device Whisper model that transcribes speech in the app with no API key, balancing speed and accuracy.

Hugging Face
Частые вопросы

Ответы на вопросы об аудио.

Как в CSuite устроены синтез речи, музыка, звуковые эффекты и расшифровка: голоса, стоимость, редактирование и форматы.

Платите один раз. Владейте навсегда.

Без подписок, без оплаты за места, без продлений. Купите CSuite один раз, и все будущие обновления уже включены.

Безопасная оплата через Stripe. Уже есть лицензия? Скачайте приложение