Lektor AI po polsku: jak zrobić naturalny głos z tekstu

Ten poradnik jest dla twórców na YouTube, autorów kursów, podcasterów i małych firm, które potrzebują lektora, ale nie mają mikrofonu ani czasu na dogrywki. Pokazujemy, jak zrobić lektora AI po polsku w Fattly: który model wybrać, jak napisać tekst, żeby brzmiał jak człowiek, ile to kosztuje i kiedy sklonować własny głos.

Co dostaniesz na końcu

• Plik MP3, w którym lektor czyta Twój tekst po polsku. Jedno nagranie mieści do 1000 znaków, czyli mniej więcej minutę spokojnej mowy.
• Wybór spośród 5 modeli, które mówią po polsku, i 28 głosów, kobiecych i męskich.
• Opcjonalnie nagranie Twoim własnym głosem, sklonowanym z krótkiej próbki.

Ile kosztuje lektor AI

W Fattly płacisz kredytami za jedno nagranie, a nie za każdy znak. Krótkie zdanie kosztuje więc tyle samo, co pełne 1000 znaków. Cenę modelu widzisz na liście, a koszt nagrania na przycisku, zanim cokolwiek wygenerujesz.

Na start dostajesz 10 darmowych kredytów bez podawania karty. Przy lektorze to realnie wystarcza: zrobisz jedno nagranie w ElevenLabs v3 (9 kr) albo porównasz dwa modele na tym samym krótkim tekście, Gemini TTS (6 kr) i Chatterbox (4 kr). Nie wystarczy natomiast na klonowanie głosu (150 kr). Najmniejszy pakiet to 150 kredytów, czyli 25 nagrań w Gemini TTS, 16 w ElevenLabs lub MiniMax albo jedno nagranie sklonowanym głosem. Aktualne ceny pakietów znajdziesz w cenniku. Na liście jest też Kokoro (3 kr), ale to model angielski, do polskiego tekstu się nie nadaje.

1. Otwórz generator audio i wybierz zakładkę Lektor

Zaloguj się (potrzebne jest konto z potwierdzonym e-mailem) i wybierz z menu Lektor. Narzędzie ma trzy zakładki: Lektor (mowa), Mój głos i Muzyka. Język lektora Fattly ustawia według języka strony: na polskiej wersji mówi modelowi wprost, że tekst jest po polsku, zamiast kazać mu zgadywać. Pomaga to przy krótkich tekstach z obcą nazwą marki, które modele lubią czytać z angielskim akcentem. Lektora w innym języku zrobisz po przełączeniu języka strony.

2. Wklej tekst przygotowany pod mowę

Wklej tekst w pole „Tekst do przeczytania”. Licznik pod spodem pokazuje, ile znaków zostało do limitu: 1000, a w Chatterbox 300. Dłuższy materiał, np. lekcję kursu albo lektora do filmu, podziel na części do 1000 znaków. Tnij na końcu akapitu, nie w środku zdania, wtedy łączenia w montażu zabrzmią naturalnie.

3. Wybierz model i głos

W polu „Silnik lektora” wybierasz model, a przy każdym widzisz jego cenę. Potem wybierasz głos z listy. Przy głosach ElevenLabs przycisk „Posłuchaj” odtwarza próbkę, zanim wydasz kredyty. Chatterbox nie ma listy głosów, bo głos dobiera do języka. Od czego zacząć przy polskim tekście:

• Gemini TTS (6 kr): dobry start dla kobiecego głosu. Ma 14 głosów, a domyślny Achernar wybraliśmy, bo w naszych odsłuchach najlepiej radził sobie z polskimi nosówkami.
• MiniMax Speech 2.8 HD (9 kr): męskie głosy (Casual Guy, Deep Voice Man) w tej samej cenie co ElevenLabs, do tego 5 głosów kobiecych.
• ElevenLabs v3 (9 kr): najbardziej ekspresyjny, rozumie tagi emocji. Do reklam i treści, w których lektor ma grać emocją.
• ElevenLabs Multilingual v2 (9 kr): naturalny lektor wielojęzyczny z tymi samymi 7 głosami co v3.
• Chatterbox Multilingual (4 kr): najtańszy, do 300 znaków, bez wyboru głosu. Na krótkie komunikaty.

Najprościej: wygeneruj ten sam akapit w dwóch modelach i zostaw lepszy. Taki test kosztuje kilka kredytów.

4. Wygeneruj, odsłuchaj i pobierz MP3

Kliknij „Generuj głos”. Nagranie jest zwykle gotowe po kilku sekundach i od razu się odtwarza. Jeśli coś brzmi nie tak, popraw tekst (najczęściej pomaga inna interpunkcja albo liczba zapisana słownie) i wygeneruj go jeszcze raz. Gotowy plik pobierasz jako MP3 z dopiskiem ai-generated w nazwie. Gdy generacja nie uda się z przyczyn technicznych, kredyty wracają na konto.

Jak pisać tekst dla lektora AI, żeby brzmiał naturalnie

Model czyta dokładnie to, co napiszesz, łącznie ze znakami. Większość problemów z brzmieniem rozwiązuje sam tekst:

• Krótkie zdania. Jedno zdanie, jedna myśl, najlepiej do 15–20 słów. Długie zdania złożone lektor czyta płasko.
• Interpunkcja to pauzy. Kropka daje wyraźną przerwę, przecinek krótką, wielokropek zawiesza głos, a znak zapytania podnosi intonację. Jeśli lektor pędzi, dodaj kropki.
• Liczby, ceny i daty słownie. Zamiast „49 zł” napisz „czterdzieści dziewięć złotych”, zamiast „30%” napisz „trzydzieści procent”, a zamiast „12.05” napisz „dwunastego maja”. Wtedy wiesz, w jakiej formie padnie liczba.
• Bez skrótów i symboli. „Na przykład” zamiast „np.”, „i tak dalej” zamiast „itd.”, „i” zamiast „&”.
• Obce słowa z wyczuciem. Jeśli angielskie słowo nie jest niezbędne, użyj polskiego. Nazwę marki, którą lektor przekręca, zapisz tak, jak się ją wymawia.
• Przeczytaj tekst na głos. Jeśli Ty się potykasz, lektor AI też zabrzmi sztucznie.

Dwa modele rozumieją też znaczniki w nawiasach kwadratowych. Gemini TTS reaguje na przykład na [short pause] (krótka pauza) i [excited] (entuzjazm), a ElevenLabs v3 ma tagi emocji, np. [excited]. Wstaw znacznik tuż przed fragmentem. W pozostałych modelach i przy nagraniu Twoim głosem znaczników nie używaj, bo lektor może przeczytać je na głos.

4 gotowe teksty dla lektora do skopiowania

Każdy mieści się w jednym nagraniu, a liczby są już zapisane słownie. Zmień nazwy i szczegóły na swoje.

• Intro na YouTube: „Masz w lodówce pół cukinii, dwa jajka i resztkę ryżu? To wystarczy na obiad. Dziś pokażę Ci trzy przepisy z resztek. Każdy zrobisz w mniej niż dwadzieścia minut, a ostatni… naprawdę Cię zaskoczy. Zaczynamy.”
• Reklama produktu: „Rano nie masz czasu na śniadanie? Owsianka Poranek jest gotowa w trzy minuty. Zalewasz wrzątkiem, mieszasz i jesz. Bez dodatku cukru, za to z kawałkami prawdziwych owoców. Paczka na siedem śniadań kosztuje dwadzieścia cztery złote dziewięćdziesiąt dziewięć. Zamów dziś, a wyślemy ją jutro rano.”
• Instrukcja lub e-learning: „Lekcja trzecia: jak dodać nowego klienta. Krok pierwszy. W menu po lewej stronie kliknij zakładkę Klienci. Krok drugi. W prawym górnym rogu wybierz przycisk Dodaj klienta. Krok trzeci. Uzupełnij imię, nazwisko i adres e-mail. Pola oznaczone gwiazdką są obowiązkowe. Na koniec kliknij Zapisz. Gotowe. W następnej lekcji pokażę Ci, jak wystawić pierwszą fakturę.”
• Intro podcastu: „Cześć, tu Marta, a to jest Mały Biznes po Godzinach. Podcast dla ludzi, którzy prowadzą firmę i chcą mieć jeszcze czas na życie. W odcinku czterdziestym drugim rozmawiam z właścicielką piekarni z Torunia o tym, jak podniosła ceny i nie straciła klientów. Zrób sobie kawę. Zaczynamy.”

Intro podcastu najlepiej brzmi Twoim własnym głosem, a pod intro na YouTube przyda się podkład. Muzykę z opisu zrobisz w zakładce Muzyka: 15 sekund kosztuje 12 kr, 30 sekund 20 kr, a minuta 35 kr (domyślny model Stable Audio 3.0).

Mój głos: generator głosu AI na podstawie próbki

Jeśli lektor ma brzmieć jak Ty, użyj zakładki Mój głos. Wgrywasz próbkę swojego głosu, wpisujesz tekst, a model czyta go głosem z próbki:

• Nagraj 10–30 sekund wyraźnej mowy: cichy pokój, bez muzyki w tle, jedna osoba. Mów tonem, jakiego chcesz w nagraniu. Wystarczy telefon, pliki MP3, WAV, OGG, M4A lub AAC.
• Wpisz tekst do wypowiedzenia, do 1000 znaków.
• Jeśli chcesz używać tego głosu dalej, nadaj mu nazwę w polu „Zapisz ten głos do ponownego użycia”.
• Zaznacz oświadczenie, że to Twój głos albo masz zgodę osoby, która mówi na próbce. Bez tego nie wygenerujesz nagrania.
• Kliknij „Mów moim głosem”. Koszt: 150 kredytów.

Zapisany głos wykorzystasz taniej w innych narzędziach: w Ad Studio w reklamie „Ręce + lektor” (wideo 150 kr plus 40 kr za Twój głos) i w Dubbingu, który tłumaczy klip do 10 sekund na inny język (35 kr). W samym generatorze audio wybierzesz go z listy „Głos” w zakładce Mój głos i kolejne nagranie kosztuje już 40 kr zamiast 150. Uczciwie: zapisany głos przechowuje dostawca modelu i nieużywany przez około tydzień może wygasnąć. Wtedy stwórz go ponownie z tej samej próbki.

Czyj głos możesz sklonować legalnie

Tylko swój albo osoby, która wyraźnie się na to zgodziła, także na sposób wykorzystania nagrania. Regulamin Fattly zabrania podszywania się pod inne osoby, więc głos aktora, polityka czy influencera bez ich zgody odpada, nawet dla żartu. Gotowych głosów znanych osób w Fattly nie ma. Jeśli publikujesz nagranie, które realistycznie udaje prawdziwą osobę, musisz wyraźnie zaznaczyć, że powstało z pomocą AI.

Najczęstsze błędy

• Cyfry, skróty i symbole. Zapis „3 x 2 zł” lektor może przeczytać na kilka sposobów. Zapisz wszystko słownie.
• Za krótkie nagrania. Płacisz za nagranie, nie za znak, więc jeden akapit na 900 znaków wychodzi taniej niż pięć osobnych zdań. Dziel tylko tekst, który przekracza limit.
• Różne głosy w jednym materiale. Trzymaj się jednego modelu i głosu na cały film, inaczej części zabrzmią jak różne osoby.
• Słaba próbka do klonowania. Szum, echo, muzyka albo dwie osoby na nagraniu przenoszą się do klona.

Podsumowanie

Lektor AI po polsku to dziś tekst, model i kilka sekund czekania. W Fattly nagranie kosztuje od 4 do 9 kredytów, a 10 darmowych kredytów wystarczy na pierwsze. Pisz krótkie zdania, liczby zapisuj słownie, porównaj dwa modele na swoim tekście, a jeśli lektor ma brzmieć jak Ty, sklonuj własny głos z próbki.