Проект вырос из желания перепройти культовую игру без чтения субтитров на ходу: готовые русские нейроозвучки, найденные в сети, оказались неполными и почти одноголосыми. Илья оценил объём предстоящей работы, несколько раз пересчитал смету и после тестового ролика, показанного аудитории своего канала, решился взяться за полную версию. Дополнительным стимулом стал перенос GTA VI на 19 ноября 2026 года, из-за которого многие игроки, по его предположению, захотят заново пройти пятую часть. Автор подчёркивает, что не является разработчиком в классическом смысле, а выступает скорее продактом с двадцатилетним стажем: задачи ставил он, а код генерировал Claude Code.

Итогом стали 250 364 русские реплики, охватывающие сюжет, катсцены, прохожих, радио, рекламу, новости, рацию, объявления, телевизор и дополнения. Суммарно синтезировано почти 219 часов речи с учётом переделок, причём пользователю доступны два варианта озвучки — закадровый и дубляж. Синтез обошёлся примерно в 60 долларов, включая агентов Claude в рамках подписки, а вся работа заняла десять дней, из которых почти неделю компьютер занимался распознаванием речи. После завершения автор сам прошёл всю сюжетную кампанию с новой озвучкой, потратив около 30 часов, и остался доволен результатом. Отдельно он оговаривается, что нейроозвучка не конкурирует с оригинальной студией и актёрами Rockstar: основной вариант — закадровый, где русский голос идёт поверх приглушённого оригинала.

Техническая часть оказалась наиболее трудоёмкой, поскольку документации на аудиоформаты Rockstar в открытом доступе практически нет. Звук хранится в файлах AWC — собственном контейнере компании, внутри которого лежат отдельные звуковые потоки; сведения о версии формата из GTA V разбросаны по исходникам vgmstream, CodeWalker и закрытым форумам. Для подсчёта объёма автор использовал открытый инструмент моддеров CodeWalker, ядро которого подключается как библиотека, и написал поверх него на C# программу, проходящую по всем архивам игры и фиксирующую параметры каждого контейнера. В заголовке потока указано количество отсчётов и частота дискретизации, поэтому длительность вычисляется делением без распознавания; всего нашлось более 260 тысяч потоков, что для игры 2013 года автор называет солидным показателем. Отдельную сложность составил второй слой шифрования, о котором сигнализирует один флаг в заголовке: CodeWalker смотрит не на тот флаг и падает на файлах Enhanced-версии, так что разбираться пришлось по самим файлам.

С текстовой основой помогли официальные русские субтитры, использующие те же ключи, что и английские, причём перевод сохранил сленг и мат без приглаживания. Проблема в том, что субтитры покрывают не всё: у прохожих, радио и рации их нет вовсе, а в сюжете около 11 тысяч реплик остались без текста, включая разговоры с друзьями, такси и оружейный магазин. Для этих фрагментов речь пришлось сначала распознавать, а затем переводить. С выбором голосового движка автор экспериментировал: локальная генерация такого объёма заняла бы недели даже на самой быстрой модели, а движки с клонированием голоса дали удручающий результат не из-за непохожести, а из-за слабой актёрской игры — модели вроде Fish Audio Drama 3 либо актёрствовали невпопад, либо делали неуместные паузы. В итоге выбор пал на Gemini 3.8 Flash-Lite TTS в пакетном режиме Google по цене около 27 центов за час готовой речи, что дало смету в 45–60 долларов с запасом на переделки.

Контекст проекта показателен для рынка нейросетевой локализации: до сих пор фанатские озвучки крупных игр оставались уделом энтузиастов с ограниченными ресурсами, а стоимость качественного синтеза речи была барьером. Теперь перевод всей игры обходится дешевле покупки копии самой игры, и это меняет экономику любительской локализации в целом. Автор отмечает, что с 1 января 2027 года Google поднимает тариф примерно вдвое, до 54 центов за час, так что подобные проекты выгоднее завершать до конца текущего года. Для российского рынка это означает, что барьер для полноценной русской озвучки старых и новых игр заметно снижается, хотя вопросы авторских прав и легальности распространения таких модов остаются открытыми.

По сравнению с альтернативами подход с пакетным синтезом через облачный сервис выигрывает по стоимости и скорости, но проигрывает в актёрской выразительности: клонирование голоса известных актёров технически доступно, однако качество игры и уместность интонаций пока оставляют желать лучшего. Локальные решения дают больше контроля и независимости от тарифов, но требуют вычислительных ресурсов, которых у обычного энтузиаста нет. Закадровый формат, выбранный автором, позволяет сохранить оригинальное звучание Rockstar и одновременно сделать игру понятной без субтитров, что для многих игроков является компромиссом более приемлемым, чем полная замена голосов. Установить озвучку сюжета можно через PlayGround, хотя детали установки автор вынес в конец материала.

Дальнейшая судьба проекта зависит от нескольких факторов: повышения тарифов Google, реакции правообладателя и готовности сообщества поддерживать мод. Автор не скрывает, что нейросети пока не способны соперничать с настоящей студией озвучки, и рассматривает свою работу скорее как демонстрацию возможностей, чем как замену профессиональной локализации. Открытым остаётся вопрос, насколько устойчива такая модель для других игр с большими объёмами диалогов и как быстро падение цен на синтез сделает подобные проекты массовыми. Пока же пример Ильи показывает, что отдельный энтузиаст с инструментами вроде Claude Code и доступным TTS-сервисом способен за десять дней сделать то, что раньше требовало студии и месяцев работы.