rPman

whisper от openai (apache2.0 лицензия) и его производные, на текущий момент лучшая модель общего назначения. Лицензия позволяет пользоваться этим но при включении его в тиражируемые продукты, лицензия на исходный код этих производных продуктов так же должен быть открыт.

Так же модели по работе со звуком есть у всех топовых компаний, например у мозиллы deepspeech и у фейсбука, и у гугла, и у китайского qwen и т.п. но под вопросом качество русского языка, полистай, осторожно тут все в кучу свалено, не только прямая трансляция но и к примеру токенизаторы, векторизаторы и т.п.

<на правах шутки>
openai gpt4o
Мне кажется на текущий момент это лучшая технология, которую можно приспособить для озвучки, иначе вложиться в обучение своих голосовых моделей (много текстов профессиональный диктор должен наговаривать). На грани зловещей долины, или уже вышла за нее, голос живой, да русский не идеален.

api пока нет, доступа у всех пока нет, только 6 голосов но в некоторых пределах можно 'настраивать' их стиль, стоит 20$ в месяц, лимиты на объемы текстов в минуту, управление на естественном языке.

p.s. у openai есть api и сервисы по распознованию и синтезу речи, потестируй их, возможно они окажутся достаточно качественными

Буквально, помню в шкафу с тряпками сидел записывал (не ютуб, еще до него)

шутка, а может и нет
На один раз прокатит

крутейшая консольная утилита (там и библиотека есть) опенсорс, поддерживает наверное максимум оборудования, кроссплатформенная - это ffmpeg

странно что не попытались сами сделать, во первых параметры звука будут взяты изх системных настроек (если там выбрать четыре канала то ffmpeg по уму должен автоматом подхватить), если что можно указать принудительно какой профиль: -channel_layout quad -channels 4
если у тебя винда, смотри пример как записывать с микрофона тут

попробуй покрутить параметры дескритизации, у obs по умолчанию может стоять что то типа 96kHz когда как у остальных данные берутся из системных настроек а там стоит скорее всего 'стандартные' 44k

В вашем случае можно воспользоваться настройками Media Player Classic, который позволяет определить через какие колонки какой канал выводить, понижая количество колонок, например стерео выводить на пару колонок квадро.

Настройки - встроенные фильтры - Аудио переключатели, добавить каналов и отметить два нужных.

В настройках windows нужно включить квадрофонический вывод, подключив к передним наушники а к задним колонкам - динамики.

Панель управления - звук - Настроить (как я понял потом вы можете это переключить обратно на стерео либо ).

Дело в том что когда я это настраивал, то все делал с помощью штатной утилиты realtek, но последние годы ее исключили из поставки, поэтому дальше уже ваши эксперименты.

Работа со звуком требует в первую очередь - тихое помещение. Обычный компьютер, с воздушным охлаждением, очень шумный, вы могли к этому привыкнуть а бездушная машина все эти звуки услышит и запишет все равно.

Помню были примеры, когда народ записывал свои речи, сидя в шкафу, буквально. А так, если вам так надо либо звукоизолируйте помещение сами либо арендуйте готовое, так как свое обойдется в хорошую копеечку.

Второе - нормальное оборудование, хороший микрофон, экранированные провода (или вообще беспроводные, только не bluetooth, если вам нужно качество звука) и повторюсь, можно арендовать помещение для звукозаписи.

Если вам надо здесь и сейчас и побюджетнее, покупайте длинный hdmi провод, радиоклавиатуру с мышкой, берите смартфон с приложением-диктофон, и выносите все это с монитором в соседнюю комнату (хоть в туалет, я не шучу), закрывайте двери, вешайте на стены ковры, тряпки и прочее (они глушат эхо). Смартфон вообще отличное устройство для записи речи, не добавляет шумов (пассивное охлаждение), правда штатный микрофон обычно слабый, но никто не мешает купить гарнитуру (озаботьтесь переходниками, так как большинство гарнитур хотят 2 миниджека 3.5 вместо одного как в смартфоне, если он у вас вообще есть, но если нет то сами себе буратины).