Jak tworzyć głosy AI — dobór głosu i klonowanie

Własny głos AI tworzy się na dwa sposoby: przez klonowanie z nagrania albo przez dobranie i dostrojenie gotowego głosu z biblioteki. Klonowanie po polsku działa od minuty czystego materiału, ale wymaga planu ElevenLabs Creator za 22 $ — nie najtańszego Startera, jak podaje wiele poradników.

Dwie drogi, dwa różne koszty

W Murf AI klonowanie to płatny dodatek w planie Enterprise — cennik wymienia je jako osobno płatną opcję, czyli nawet w najwyższym planie trzeba za nie dopłacić. W Creatorze ani Business nie da się go kupić. Speechify nie ma tej funkcji w ogóle.

Dobór gotowego głosu: na co patrzeć

Większość osób wybiera głos po barwie i na tym kończy. To błąd, który kosztuje potem godziny poprawek.

Sprawdź liczby i nazwy własne

To nasze ustalenie z testu, którego nie znaleźliśmy nigdzie indziej: w obrębie tego samego modelu poszczególne głosy radzą sobie różnie z liczebnikami. To samo zdanie z liczbą „149 złotych” głos Alice przeczytał bezbłędnie, a Charlotte i Lily zgubiły końcówkę — przy identycznym ElevenLabs Multilingual v2.

Zanim wybierzesz głos na stałe, przepuść przez niego fragment swojego realnego tekstu: z kwotami, datami i nazwami, które faktycznie wystąpią. Darmowy plan w zupełności na to wystarczy.

Posłuchaj dłuższego fragmentu

Głos, który brzmi świetnie przez dziesięć sekund, po dwóch minutach może zacząć powtarzać ten sam wzorzec intonacyjny. Testuj na akapicie, nie na zdaniu.

Sprawdź na głośniku telefonu

Tam kończy się większość lektorów z YouTube. Różnice, które słychać w słuchawkach studyjnych, na małym głośniku znikają — i odwrotnie, artefakty niesłyszalne w słuchawkach potrafią tam wyjść.

Klonowanie głosu: jak to zrobić dobrze

Nagranie źródłowe

Jakość klonu zależy niemal wyłącznie od jakości próbki. Minimum to około minuta, ale liczy się co innego:

• Cisza w tle. Szum klimatyzacji, echo pokoju i klikanie klawiatury zostaną sklonowane razem z głosem.
• Jedna osoba, bez przerw. Ciągła wypowiedź działa lepiej niż posklejane fragmenty.
• Naturalne tempo. Nagranie czytane sztywno da sztywny klon.
• Zróżnicowany materiał. Zdania oznajmujące, pytania i wyliczenia — model uczy się z nich intonacji.

Czego się spodziewać

Klon oddaje barwę i sposób mówienia, ale nie jest nagraniem. W dłuższych materiałach nadal słychać powtarzalność rytmu. Do intro, outro i krótkiej narracji sprawdza się bardzo dobrze; do godzinnego audiobooka wciąż lepiej wypada człowiek.

Granica prawna

Klonowanie cudzego głosu bez zgody jest w Polsce naruszeniem dóbr osobistych, niezależnie od tego, co dopuszcza regulamin narzędzia. Dotyczy to także głosów osób publicznych i zmarłych. Zgoda powinna być pisemna i obejmować konkretne zastosowanie.

Zanim opublikujesz

Niezależnie od tego, którą drogę wybierzesz — darmowy plan nie daje licencji komercyjnej. Szczegóły w porównaniu darmowych planów.

Chcesz usłyszeć różnicę między narzędziami, zanim zapłacisz? Nagrania tego samego zdania są na stronie głównej.