Озвучил всю GTA V по‑русски нейросетью: как сгенерировать 220 часов речи и не привлечь внимание санитаров

В сфере искусственного интеллекта произошло заметное событие. Началось всё с ролика про нейро‑GTA V: к прохожим в игре подключают нейросеть, и с ними можно разговаривать и взаимодействовать. Идея устроить приключение со случайным бомжом мне очень понравилась, и я полез искать русскую нейроозвучку: чтобы сразу было аутентично, хотелось снова пройти игру, слушая диалоги, а не читая субтитры на ходу, как при первом прохождении. Тем более как прикрутить говорящую на русском нейронку я уже представлял.

Но нашлась только неполная версия, довольно кривая и почти одноголосая. Я прикинул объём и цену генерации, посчитал, не поверил, пересчитал ещё два раза и решил: почему бы и не попробовать. Сделал тестовый ролик, спросил в канале, стоит ли браться.

Технические детали

А тут ещё GTA VI назначена на 19 ноября 2026, и на этой волне многие захотят перепройти пятую часть. В статье расскажу, как Rockstar хранит звук и как узнать, кто и что говорит в каждом из 260 тысяч файлов. Какими моделями я распознавал речь, делил голоса на мужские и женские и синтезировал русский.

Как уложить его в катсцены, почему игра падала, как вернуть всё модом и во что это обошлось.

Этот прогресс даёт важные сигналы о будущем отрасли, и технологический мир внимательно наблюдает.