20 lutego 2025
Jak pobrać audio z generatora głosu AI — MP3 czy WAV
Część linków na tej stronie to linki partnerskie — jeśli kupisz przez nie subskrypcję, dostaniemy prowizję. Nie wpływa to na kolejność ani na oceny: ranking powstał na podstawie testu opisanego w sekcji „Jak testujemy".
Pobranie nagrania to jedno kliknięcie, ale wybór formatu ma znaczenie: MP3 wystarczy do YouTube i podcastu, WAV ma sens tylko wtedy, gdy plik idzie jeszcze do obróbki. Uwaga na jedną pułapkę — w darmowym planie Murf AI i Speechify eksportu nie ma w ogóle.
Gdzie w każdym narzędziu
| Narzędzie | Formaty | Eksport w planie darmowym |
|---|---|---|
| ElevenLabs | MP3, WAV | tak |
| Murf AI | MP3, WAV, MP4 | nie |
| Speechify | zależnie od produktu | plan darmowy to tylko funkcje TTS |
To jest różnica, która przesądza o przydatności darmowego planu. Cennik Murfa przy planie darmowym wymienia wprost brak pobierania — wygenerujesz dziesięć minut, ale ich nie pobierzesz, więc służy wyłącznie do sprawdzenia jakości. Speechify jest przede wszystkim czytnikiem, a jego plan darmowy producent opisuje jako ograniczony do funkcji text-to-speech z dziesięcioma głosami.
MP3 czy WAV
MP3 — domyślny wybór
Skompresowany, około 1 MB na minutę przy 128 kbps. Wystarczy do:
- narracji na YouTube — platforma i tak przekoduje ścieżkę
- podcastu — wszystkie platformy przyjmują MP3
- prezentacji, e-learningu, komunikatów
WAV — tylko gdy plik idzie dalej
Nieskompresowany, około 10 MB na minutę. Ma sens, gdy nagranie czeka jeszcze obróbka: miks z muzyką, mastering, redukcja szumów, montaż z wieloma ścieżkami. Każda kompresja gubi dane bezpowrotnie, więc kompresowanie dwa razy (raz przy eksporcie, raz przy publikacji) słychać.
Czego WAV nie zrobi: nie poprawi intonacji ani wymowy. Jakość mowy jest wynikiem modelu, nie formatu zapisu — opisaliśmy to szerzej tutaj. Jeśli głos przeczytał liczbę źle, WAV przeczyta ją źle w lepszej rozdzielczości.
Ile miejsca to zajmie
| Długość | MP3 (128 kbps) | WAV (44,1 kHz) |
|---|---|---|
| 1 minuta | ≈ 1 MB | ≈ 10 MB |
| 10 minut | ≈ 10 MB | ≈ 100 MB |
| 1 godzina | ≈ 58 MB | ≈ 600 MB |
Trzy rzeczy, które warto zrobić przed pobraniem
- Posłuchaj całości, nie pierwszego zdania. Błędy w syntezie kumulują się w dłuższych akapitach — narzędzie, które brzmi dobrze przez dziesięć sekund, po dwóch minutach może gubić rytm.
- Sprawdź liczby i nazwy własne. To tam pojawia się większość wpadek, a poprawka po zmontowaniu materiału kosztuje więcej niż ponowne wygenerowanie.
- Zapisz tekst źródłowy. Jeśli za miesiąc trzeba będzie poprawić jedno zdanie, wygenerujesz je tym samym głosem zamiast odtwarzać całość z pamięci.
Licencja: co wolno zrobić z pobranym plikiem
Pobranie pliku nie jest tym samym co prawo do jego publikacji. Darmowy plan ElevenLabs pozwala pobrać nagranie, ale nie pozwala na nim zarabiać — dokumentacja mówi wprost, że nie zawiera licencji komercyjnej. Wymóg podania źródła to osobna sprawa i licencji nie zastępuje.
Rozpisaliśmy to w porównaniu darmowych planów oraz w poradniku o prawach autorskich do nagrań z AI.