В ElevenLabs есть еще разделение на спикеров, как минимум можно два: Рассказчик/Диалоги персонажей.

Я тестил v3, все было норм, но нереально дорого, по сути надо теги проставить везде через отдельную нейронку по типу chatGPT, а уже потом кормить.

Если оформить это нормально, по сути можно бусти какой-нибудь бахнуть, чтобы оплачивать токены. Или потом обратиться к Rulate Audio и спросить интересно ли им такое, там много авторов коллаборируется если что. Ну или в ПМ написать уже существующим тут единичным авторам.

А что вы используете для озвучки, если не секрет?

Пробовали ElevenLabs?