Кой разказва бъдещето? Изкуственият интелект и аудиокнигите
Изкуственият интелект вече не е експеримент в аудиокнигоиздаването, а част от производствената линия. Това е основният извод от новия доклад на Франкфуртския панаир на книгата и испанската консултантска платформа Dosdoce.com „Кой разказва бъдещето? Внедряване, употреба и перспективи на изкуствения интелект в аудиопродукцията“, публикуван през септември 2026 г., броени седмици преди самия панаир.
Докладът е трети от поредица. През 2024 г. авторите описаха браншова нагласа на скептицизъм, а през 2025 г. тя вече беше „предпазливо прогресивна“. Тази година екипът, воден от Хавиер Селая (Dosdoce.com) и Давид Роа (Extrarradio Producciones), регистрира нов етап: активно тестване и преначертаване на производствените процеси, като над две трети от участниците в момента оценяват различни инструменти.
Изследването обобщава анкетите на 53 издатели, аудиостудиа и дистрибутори и интервюта с още 32 специалисти от Европа, Америка, Африка и Близкия изток. Половината от участниците са продуцентски студиа, 36% са издатели, а 14% са стрийминг платформи и дистрибутори.
Широко внедряване, плитка интеграция
Цифрите изглеждат впечатляващо: 85% от участниците използват изкуствен интелект в поне един етап от производството, а само 15% засега работят изцяло без него. Картината обаче е по-сложна. 38% са вградили инструментите в три или четири фази на работния процес, а едва 17% ги използват в повече от шест фази. Самите автори признават, че реалната употреба изостава от заглавната цифра.
Около две трети от организациите работят с външни инструменти, една трета съчетават собствени и чужди решения, а под 1% разчитат само на вътрешна технология. Най-често споменавани са ElevenLabs за генериране и клониране на глас, Pozotron за контрол на качеството и сверяване на текста със записа, както и езиковите модели Claude и ChatGPT за подготовка на текста и речници за произношение. Екосистемата остава нестандартизирана: няколко водещи инструмента и дълга опашка от тясно специализирани решения.
Съвместно съществуване, а не замяна
Преобладаващият отговор отхвърля дилемата „човек или машина“. Над 90% от участниците смятат, че краткосрочното предимство на изкуствения интелект е в операционните етапи (подготовка на текста, контрол на качеството, метаданни), а не в самото изпълнение.
Разделителната линия минава между жанровете. Художествената литература остава територия на професионалните четци, защото изисква емоция, нюанс, персонажи и ритъм. Информационната, учебната, академичната и актуалната нехудожествена литература се смята за по-подходяща почва за синтетичен глас. Изключение е гласът на самия автор: клонирана или оторизирана реплика се приема по-лесно, когато авторът е починал, не може да чете или книгата трябва да заговори с неговия глас на друг език, стига да има съгласие и прозрачност към слушателя.
Една трета от анкетираните в момента преустройват производствените си модели около изкуствения интелект. Противоположната позиция също е видима: 15% засега държат на изцяло човешко производство заради качество, позициониране на марката или редакторско убеждение.
Икономиката е по-скромна от обещанията
Може би най-ценното в доклада е трезвата сметка. Доставчиците на синтетичен глас обещават спестявания от 85 до 95%, а участниците отчитат реално намаление на разходите от около 20% през втората година и до 50% през третата. Причината е, че отговорното производство не премахва традиционните етапи, а ги подпомага: само едно пълно прослушване за проверка отнема поне 1,2 пъти продължителността на записа. Да сравниш цената на синтеза с цената на цялото производство, пишат авторите, е като да сравниш цената на хартията с тази на готовата книга.
Стимулът все пак е огромен. По данни, цитирани в доклада, около 95% от електронните книги (5,1 млн. заглавия) нямат аудиоверсия, а причината е финансова. В Латинска Америка професионален четец взема между 140 и 160 долара на готов час, а книга от 300 страници изисква 8 до 12 часа запис, т.е. 2000 до 3000 долара на заглавие. На англоезичните и скандинавските пазари сумата може да е до пет пъти по-висока.
Спирачката е в правата, не в технологията
Половината от участниците посочват като главна пречка ограниченията от литературни агенти, автори и издатели, които предпочитат човешки глас, и забраните на платформите за определени инструменти. Една четвърт сочат ниското качество на синтетичните гласове и липсата на подходящ глас на местния език, 12% липсата на браншови стандарти, а около 10% техническите трудности при интеграцията.
Доверието доминира и при избора на доставчик. За 86% водещи критерии са качеството на гласа и прозрачността относно правата, за 79% защитата на ръкописите и данните, докато цената и бързината тежат само за 44%. Цели 90% настояват за ясно обявяване пред автори и слушатели къде е използван изкуственият интелект.
Пазарът засега потвърждава предпазливостта. В САЩ синтетично озвучените заглавия са донесли едва около 0,03% от приходите от аудиокниги през 2025 г., а само 16% от слушателите са опитвали такава книга. Същевременно сляп тест на Edison Research за компанията Spoken дава по-високи оценки на синтетичното многогласово озвучаване при сюжети с много персонажи, макар при изложение без персонажи човешкият четец да печели.
Шансът на малките езици
За пазари като българския най-важната част на доклада е посветена на многоезичието. Преводът и локализацията се сочат като най-голямата бизнес възможност, а сред регионите с най-много за печелене изрично е назована Източна Европа, редом с Латинска Америка, Близкия изток и Африка.
Тад Макилрой, автор на книгата „Революцията на изкуствения интелект в книгоиздаването“, дава пример, който ще прозвучи познато на всеки български издател: 10 000 долара за литовска аудиоверсия на второстепенен английски роман просто нямат икономически смисъл. Рейчъл Гиаца, главна директорка по съдържанието в Audible, описва подход „и-и“: платформата разширява каталога си чрез изкуствен интелект, но инвестира повече от всякога и в професионално озвучени заглавия.
Оптимизмът идва с предупреждение. Ама Дадсън от ганайската AkooBooks, аудиопосланик на Франкфуртския панаир за 2026 г., напомня, че без инвестиции в разнообразни и етично лицензирани гласови данни на местните езици технологията рискува да задълбочи глобалното неравенство, вместо да го намали.
Шест фази и три скорости
Втората част на доклада е практическо ръководство в шест фази: стратегия; подготовка на текста; избор и режисура на синтетичния глас; музика и звукови ефекти; контрол на качеството и постпродукция; и накрая моделът „на три скорости“.
Препоръките звучат като редакторски наръчник. Подготовката на текста определя крайното качество повече от всеки друг етап, защото синтезаторът няма собствена преценка и всяко решение за таблици, бележки, чужди имена и съкращения трябва да бъде взето предварително. Веднъж проверен, речникът за произношение става актив за следващите проекти. Глас се избира чрез сляпо прослушване на реални откъси от книгата, а не по спецификация. А безкрайният контрол на качеството е симптом на слаба подготовка, не добродетел.
Моделът „на три скорости“ разпределя каталога така: премиум човешко производство за водещите заглавия с най-висока литературна или търговска стойност и най-голяма интерпретативна трудност; хибридно производство като най-разпространен модел; изцяло синтетично производство за т.нар. беклист и за нишовите категории, които иначе никога не биха стигнали до аудио. Приходите от третата скорост трябва да финансират първите две.
Доверието като най-скъп ресурс
Посланието, което се повтаря в почти всеки отговор, е, че растежът е невъзможен без прозрачност, а изгубеното доверие струва повече от производството на което и да е заглавие. Ласе Корсеман Хорне от датската Saga Egmont предупреждава издателите да не продават записите си като данни за обучение на безценица, защото първата такава сделка може да се окаже последната, която контролират. Крис Клинг от германското студио Klangkantine добавя, че при изобилие от аудиосъдържание откриваемостта става по-трудна, а разпознаваемият човешки глас се превръща в маркетингов актив.
За българския пазар въпросите остават отворени. Кой ще изгради качествени и етично лицензирани синтетични гласове на български? При какви договорни условия авторите и наследниците ще приемат синтетично озвучаване? И ще успеят ли малките издатели да превърнат по-евтиното производство в реална видимост пред слушателите, а не просто в още заглавия, потънали в каталозите на платформите?
Източник: Who is narrating the future? AI adoption, use and outlook in audio production, Frankfurter Buchmesse и Dosdoce.com, септември 2026 г. Изследователски екип: Valle Dessaint, Michele Cobb, David Roa и Javier Celaya.
Виж пълния доклад.
Статията е подготвена със съдействието на ИИ.
- ИИ зад кулисите на книгоиздаването: скандал или здрав разум? - 25 October, 2026
- 100 процента органично – бъдеще на качественото книгоиздаване или нов лудизъм? - 18 October, 2026
- Netflix: неочакваният съюзник на книгата? - 14 October, 2026
