Ostatni wieczór spędziłam na fascynującej, ale i momentami frustrującej przygodzie. Postanowiłam wziąć na warsztat jedną z lektur szkolnych (około 300 stron tekstu) i zamienić ją w pełnokrwisty audiobook z podziałem na role. Efekt? Brzmi to niesamowicie, ale droga do celu była usłana… znikającymi kredytami.
Jeśli planujecie zabawę z AI od ElevenLabs, mam dla Was kilka twardych lekcji i dwa sposoby na to, jak ugryźć ten temat – jeden „na bogato” i jeden zupełnie za darmo.
Supermoce, które wymagają kontroli (Witajcie w ElevenCreative!)
ElevenLabs to obecnie absolutny top syntezy mowy. Ich głosy potrafią wzdychać, śmiać się i oddawać emocje, których nie powstydziłby się zawodowy – czytaj: żywy – lektor. Warto jednak zaznaczyć: mówimy tutaj o pakiecie narzędzi ElevenCreative. Platforma rozrosła się tak bardzo, że ma już osobne działy dla programistów (ElevenAPI) i do tworzenia wirtualnych agentów konwersacyjnych (ElevenAgents). Ale to właśnie w sekcji Creative dzieje się największa magia, z której korzystałam przy tym projekcie.
Ale uwaga: to nie jest narzędzie typu „wstaw i zapomnij” Dlaczego? Bo AI wciąż bywa kapryśne. Głos potrafi nagle zmienić barwę w środku zdania albo zmienić płeć naszej postaci bez powodu. Dlatego w pracy z tak długimi tekstami jak lektury, kluczowa jest rola „Operatora AI” (czyli Twoja!). Musisz wiedzieć, kiedy przesunąć suwak Stability, by głos był bardziej przewidywalny, a kiedy użyć suwaków ekspresji, by dodać mu aktorskiego zacięcia.
Pisząc, że to absolutny top, nie przesadzam. To narzędzie ewoluowało z prostego czytnika w potężne studio produkcyjne, napędzane m.in. przez ich najnowszy, niezwykle ekspresyjny model Eleven v3. Zobaczcie, co kryje się w ich menu:
Generowanie Obrazu i Wideo: ElevenLabs wchodzi na nowe terytoria! Ich kreatywny pakiet oferuje już tworzenie obrazów z tekstu, a także generowanie wideo na bazie promptów lub grafik.
Emocjonalny dubbing (Voice Changer / Speech to Speech): To funkcja dla prawdziwych prosów. Możesz nagrać własny głos (nawet jeśli brzmisz, jakbyś właśnie wstała), a AI podmieni go na profesjonalnego lektora, zachowując Twoją intonację, tempo i pauzy.
Klonowanie i projektowanie głosu (Voice Cloning & Design): Wystarczy minuta nagrania, by stworzyć cyfrową kopię swojego głosu. Możesz też od zera „zaprojektować” zupełnie nowy głos dopasowany do Twojej postaci.
Automatyczny dubbing (Dubbing): Wrzucasz film po polsku, a system generuje wersję np. po japońsku czy hiszpańsku, starając się dopasować dźwięk do oryginalnego wideo.
Czysty dźwięk (Voice Isolator): Genialne narzędzie, które ze zgiełku i hałasu potrafi wyciągnąć krystalicznie czystą ścieżkę dialogową.
Nie tylko mowa: Muzyka i efekty dźwiękowe (Sound Effects): Potrzebujesz dźwięku otwieranych drzwi, śpiewu ptaków w lesie czy skrzypiącej podłogi w zamku? Wpisujesz komendę i masz gotowy efekt. System pozwala wręcz zamienić zwykły pomysł tekstowy w piosenkę!
Pułapka „jednego kliknięcia” (i jak jej uniknąć)
Moim największym błędem było wrzucenie całego pliku PDF naraz. System obiecuje, że rozpozna postacie i przypisze głosy. Efekt?
- Narrator-emigrant: Mimo polskiego tekstu, AI narzuciło mi lektora z twardym, angielskim akcentem.
- Kredytowy pożar: Każda poprawka i zmiana głosu po wygenerowaniu całości to ponowne spalanie kredytów. Przy tekście na 300 stron limit może wyparować w 15 minut!
Zasada bezpieczeństwa: Pracuj fragmentami. Wklejaj tekst rozdziałami i zawsze wybieraj model Multilingual v2. Zanim klikniesz „Generate / Opublikuj”, sprawdź na dwóch zdaniach, czy głos „nie zaciąga” po angielsku.
Więcej protipów z mojej zabawy w ElevenLabs zamieszczam poniżej.
Dwie ścieżki: ElevenCreative vs. Darmowy ElevenReader
Zanim zaczniesz, musisz zrozumieć, jakiej „współpracy” z AI potrzebujesz. Jeśli chodzi o audiobooki, ElevenLabs oferuje dwie zupełnie inne drogi:
1. Opcja PRO: mój wybór Plan Creator (tworzysz własny audiobook)
To opcja, którą wykorzystałam do stworzenia prezentu dla Was. Pozwala na:
- Tworzenie zaawansowanych projektów z podziałem na role (różne głosy w jednym pliku).
- Edycję każdego zdania, pauzy i emocji.
- Pobranie gotowego pliku MP3, który możecie wrzucić na telefon lub bloga.
- Ważne: To wymaga płatnej subskrypcji i zużywa kredyty.
Początkowo wybrałam oczywiście plan darmowy, bo do testów, ale już po pięciu minutach przeszłam na Creator. Pytacie dlaczego? Bo to wciągające narzędzie! Magiczne. Więc uważajcie na swoje portfele. Tutaj cennik: https://elevenlabs.io/pl/pricing
2. Opcja FREE: ElevenReader + Wolne Lektury (korzystasz z gotowej bazy audiobooków)
To prawdziwa rewolucja dla uczniów i rodziców. Dzięki współpracy ElevenLabs z fundacją Wolne Lektury, możecie słuchać ponad 6,8 tys. książek całkowicie za darmo, bez zużywania żadnych kredytów!
Jak z tego korzystać krok po kroku?
- Zainstaluj aplikację: Pobierz ElevenReader ze sklepu App Store (iOS) lub Google Play (Android).
- Zaloguj się: Możesz użyć darmowego konta ElevenLabs.
- Wyszukaj lekturę: Wewnątrz aplikacji znajdziesz katalog biblioteki Wolne Lektury. Szukaj tytułów takich jak „W pustyni i w puszczy” czy „Tajemniczy ogród”.
- Wybierz głos: Możesz wybrać m.in. legendarny głos AI Piotra Fronczewskiego, który przeczyta dla Ciebie całą książkę!
Uwaga: Jeśli stworzysz własny audiobook w ElevenCreative musisz pamiętać, że Twoje wielogłosowe arcydzieło ze „Studio” NIE DZIAŁA w aplikacji mobilnej Eleven Reader.
Nawet jeśli przypiszesz 10 różnych głosów do postaci, aplikacja na telefonie „spłaszczy” wszystko do jednego, domyślnego lektora (np. wspomnianego Piotra Fronczewskiego).
Wniosek: ElevenLabs to obecnie dwa oddzielne światy. WWW to profesjonalna fabryka dźwięku, a aplikacja to prosty czytnik. Aby zachować głosy postaci, musisz wygenerować plik na komputerze, pobrać go jako MP3 i dopiero wtedy wrzucić na telefon.
Prezent dla Was: Audiobook w jakości Premium! „Mały Książę” Antoine de Saint Exupéry 🎧
By pokazać Wam możliwości płatnego planu Creator (i to, jak brzmi słuchowisko z podziałem na wiele głosów), przygotowałam audiobooka z klasycznej lektury z serwisu Wolnelektury.pl: „Mały Książę” Antoine de Saint Exupéry. Tutaj źródło:
Trwa łączenie z biblioteką Wolne Lektury…
Pobrałam tekst z legalnego źródła, dopracowałam głosy postaci i wyeksportowałam go dla Was jako gotowe MP3. To dowód na to, że ElevenLabs to technologiczny majstersztyk, który – mimo błędów wieku dziecięcego – potrafi zdziałać cuda. Oczywiście, że można dołożyć jeszcze dźwięki efektowe, muzykę, ale tutaj zależało mi na opublikowaniu całej książki i pokazaniu podziału na głosy oferowanego przez ElevenLabs. Efekt jest całkiem fajny!
Oto efekt mojej pracy:
🎧 Posłuchaj efektu AI
Darmowy PrezentOto „Mały Książę” w wielogłosowej aranżacji! Całość książki została przygotowana specjalnie dla czytelników piaskownica.ai, aby zaprezentować możliwości syntezy mowy.
„Niniejszy audiobook został przygotowany przez serwis piaskownica.ai przy użyciu technologii głosowej ElevenLabs, jako pokaz możliwości nowoczesnej sztucznej inteligencji w edukacji. Utwór powstał na podstawie książki pochodzącej z serwisu wolnelektury.pl. Tekst został opracowany w ramach projektu Wolne Lektury przez Fundację Wolne Lektury. Niniejsza adaptacja audio, podobnie jak oryginał, udostępniana jest na warunkach Licencji Wolnej Sztuki 1.3.”
Podsumowanie: Magia, z której możemy być dumni! 🇵🇱
Mimo tych kilku technicznych wybojów i przepalonych kredytów, tworzenie tego audiobooka było po prostu fantastyczną zabawą! ElevenLabs robi absolutnie fenomenalną robotę i trzeba to powiedzieć głośno: obecnie na świecie nie ma drugiego tak potężnego, realistycznego i naszpikowanego emocjami narzędzia do generowania głosu.
Nawiasem mówiąc, ten globalny, technologiczny hit został założony przez dwóch Polaków, kumpli z czasów szkolnych: Piotra Dąbkowskiego i Mateusza Staniszewskiego. W naszym kraju z dumą mówi się o nich jako o „polskim jednorożcu”. Trzymamy mocno kciuki za całą ekipę, by dalej dopieszczali swoje Studio i podbijali świat sztucznej inteligencji.
A Wy już dziś testujcie, bawcie się AI i koniecznie korzystajcie z ElevenReader – to obecnie najlepszy sposób na darmowe lektury w genialnej jakości!
Jeśli zamierzasz pobawić się w tworzenie swojego audiobooka z ElevenLabs, przeczytaj nasze protipy:
Casting przed premierą – nie zaczynaj bez testów!
Największym błędem jest rzucenie się na głęboką wodę i importowanie całego pliku bez przygotowania „obsady”. Zanim w ogóle klikniesz „Create Project”, wykonaj te dwa kroki:
Zrób casting w Text-to-Speech: Wybierz krótki fragment tekstu, koniecznie z dialogiem. Wklej go do głównego modułu syntezy mowy (Speech Synthesis) i przetestuj tam różne głosy. To tutaj na spokojnie dopasujesz idealnego Lisa, Różę i Małego Księcia. Zapisz sobie nazwy tych głosów!
Wybierz Króla Narracji: Podczas importu pliku do projektu, system zasugeruje Ci „Głos domyślny” (Default Voice). To kluczowa decyzja! Ustaw tam głos swojego głównego narratora. Dzięki temu ElevenLabs automatycznie przypisze go do 80-90% tekstu (opisu). Tobie zostanie tylko ręczna podmiana głosów w dialogach dla pozostałych postaci. Mój błąd z pierwszym audiobookiem polegał właśnie na tym – 300 stron z polskim tekstem z narratorem z angielskim akcentem. Koszmar!
Rada: Poświęcenie 15 minut na taki „casting” przed importem oszczędzi Ci kilku godzin żmudnego poprawiania narratora w każdym rozdziale. Jeśli na początku wybierzesz źle, każda zmiana narratora na późniejszym etapie będzie Cię kosztować fortunę w kredytach i nerwach.
Plan Creator – Jak nie polec i co poszło nie tak? (Moje błędy i lekcje)
Jeśli decydujesz się na płatny plan i chcesz stworzyć profesjonalne słuchowisko z podziałem na role, weź sobie do serca te kilka uwag. To owoce moich „przepalonych” kredytów i wieczoru spędzonego na poprawkach.
1. Brudny plik = „Głupi” lektor
Mój największy techniczny błąd? Wrzuciłam plik PDF bez wcześniejszego sprawdzenia tekstu.
Jeśli Twój PDF ma błędy w kodowaniu (np. zamiast „ż” pojawiają się dziwne krzaczki lub znaki zapytania), AI przeczyta je dokładnie tak, jak widzi. Zamiast pięknej polszczyzny, usłyszysz bełkot.
Rada: Zanim wrzucisz plik do ElevenLabs, otwórz go i sprawdź, czy tekst daje się poprawnie kopiować. Najlepiej przygotować „czysty” plik tekstowy (.txt lub .docx) z poprawnymi polskimi znakami. AI jest inteligentne, ale nie domyśli się, co autor miał na myśli pod znakiem „”.
2. Nie ufaj automatowi – Ty jesteś reżyserem!
Nawet jeśli Twój plik wydaje się „czysty”, edytor ElevenLabs po imporcie wymaga czujnego oka. AI to tylko algorytm, który nie zna kontekstu literackiego tak dobrze jak Ty. Na co musisz uważać?
Duchy z przeszłości (Stopki i paginy): Przy imporcie PDF-ów do tekstu często „wskakują” ukryte elementy: nazwisko autora, tytuł książki czy numery stron powtarzane co kilka akapitów. Jeśli ich nie usuniesz ręcznie w edytorze, lektor przeczyta je w samym środku wzruszającego dialogu.
Pułapka „ma-łego” księcia: Uważaj na przenoszenia wyrazów. Jeśli w oryginalnym pliku słowo było podzielone między liniami (np. „ma-ły”), AI przeczyta to z nienaturalną pauzą lub przeciągnięciem. Musisz ręcznie połączyć takie wyrazy w edytorze przed generowaniem.
Kryzys tożsamości postaci: Przy projektach wielogłosowych ElevenLabs stara się samo przypisać głosy do dialogów, ale czasem się myli. Potrafi nagle przypisać głos Małego Księcia do wypowiedzi Latarnika lub Pilota. Zawsze sprawdzaj ikonę lektora przy każdym akapicie! Jeden błąd i Twoja postać nagle zmieni płeć lub wiek w środku sceny.
Bałagan w rozdziałach: AI lubi standardowe oznaczenia typu „Rozdział I”. Jeśli w Twoim pliku rozdziały są oznaczone tylko cyfrą „I”, „II” lub niestandardowym symbolem, system może ich nie rozpoznać i zleje całą treść w jeden gigantyczny blok tekstu. Warto wtedy ręcznie dodać znaczniki rozdziałów w panelu, aby zachować strukturę audiobooka.
Rada: Traktuj import pliku tylko jako bazę. Prawdziwa praca zaczyna się w edytorze – to tam dopieszczasz tekst, usuwasz śmieci i pilnujesz, by każda postać mówiła swoim głosem. Płacisz kredytami za każde wygenerowane słowo, więc upewnij się, że AI czyta dokładnie to, co chcesz!
3. Walka z „Angielskim akcentem”
System czasem samowolnie narzuca angielską fonetykę polskim głosom. Dzieje się tak często przy imporcie dużych plików PDF.
Zanim wygenerujesz całość, zawsze sprawdź ustawienia modelu (szukaj Multilingual v2).
Jeśli raz „spalisz” kredyty na rozdział czytany z amerykańskim akcentem, nikt Ci ich nie zwróci. Testuj na krótkich fragmentach!
4. Dlaczego dźwięk „wyparował”? Co robić, gdy przycisk Play milczy?
Pracujesz nad dialogami, wszystko brzmi świetnie, aż nagle… klikasz „Play” i panuje grobowa cisza. Mimo że tekst jest podświetlony na zielono, odtwarzacz nie wydaje z siebie dźwięku. Spokojnie, Twoja praca prawdopodobnie nie przepadła, ale padłaś ofiarą błędów buforowania ElevenLabs.
Dlaczego tak się dzieje?
Wygasanie sesji: ElevenLabs nie trzyma dźwięku w nieskończoność w Twojej przeglądarce. Jeśli projekt jest otwarty długo, połączenie między edytorem a wygenerowanym plikiem w chmurze może po prostu wygasnąć.
Przeciążenie „Cache”: Przy długich tekstach (takich jak Mały Książę) przeglądarka zaczyna puchnąć od danych. W pewnym momencie odtwarzacz webowy przestaje nadążać z ładowaniem ścieżek.
Błąd odświeżania: Czasem system „myśli”, że fragment jest gotowy, ale błąd na łączu sprawił, że plik audio nie został poprawnie przypisany do podglądu.
Moja strategia ratunkowa:
Magiczny klawisz F5 (lub CMD+R): Zanim zaczniesz panikować i ponownie klikać „Generuj” (co spala kredyty!), po prostu odśwież stronę. W 90% przypadków dźwięk wraca, bo przeglądarka na nowo nawiązuje połączenie z serwerem.
Sprawdź pasek postępu: Jeśli klikasz Play, a licznik czasu (np. 0:13 / 1:28) stoi w miejscu, to znaczy, że odtwarzacz się zawiesił. Odśwież stronę lub zamknij i otwórz kartę ponownie.
Pobieraj „na brudno”: Jeśli dany fragment brzmi dobrze, ale odtwarzacz wariuje, nie walcz z nim. Jeśli masz opcję pobrania fragmentu – zrób to. Finalny „Render” (przycisk Opublikuj) i tak poskleja wszystko poprawnie, nawet jeśli podgląd w edytorze chwilowo milczy.
Zasada „Złotego Renderu”: Nie czekaj z renderowaniem całego audiobooka do samego końca. Jeśli masz gotowy rozdział, wyrenderuj go i pobierz. Wtedy masz fizyczny plik MP3 na dysku i żadne błędy przeglądarki Ci go nie odbiorą.
Pamiętaj: W ElevenLabs zielone podświetlenie tekstu to Twój przyjaciel. Jeśli tekst jest zielony, to znaczy, że dźwięk został już raz opłacony i wygenerowany. Nie płać za niego drugi raz tylko dlatego, że odtwarzacz ma „focha”!
Twój osobisty ratownik – asystent AI („Zapytaj”)
Kiedy panel Studio zaczyna przypominać kokpit samolotu i nie wiesz, w co kliknąć, nie panikuj. W ElevenLabs wbudowano funkcję „Zapytaj”. To nie jest zwykły, irytujący chatbot odsyłający do nudnego FAQ, ale pełnoprawny asystent (z elementami inteligentnego agenta!).
„Widzi”, co robisz, zna Twoje ograniczenia w planie Creator i potrafi dosłownie za rękę przeprowadzić Cię przez proces. Jeśli pogubisz się w przypisywaniu ról, nie wiesz, jak wyrenderować plik, albo dlaczego brakuje Ci kredytów – po prostu go zapytaj. To świetny nawigator, który oszczędzi Ci mnóstwo frustracji w tym interfejsie.
Uwaga na prawa autorskie – to nie jest „dziki zachód”
To punkt, na którym wielu twórców się wykłada. AI daje nam narzędzia, ale prawo pozostaje prawem:
Domena publiczna: Możesz legalnie stworzyć audiobooka, opublikować go i polecać na blogu tylko wtedy, gdy prawa autorskie do książki wygasły (zazwyczaj 70 lat po śmierci autora). Dlatego bezpiecznym źródłem są Wolne Lektury. Zapoznaj się z Zasadami wykorzystania Wolnych Lektur.
Użytek prywatny: Jeśli masz w domu PDF nowej książki, która nie jest w domenie publicznej, możesz ją wrzucić do ElevenLabs, by AI przeczytało ją tylko Tobie do uszu.
Zakaz publikacji: Nie możesz udostępnić publicznie (na blogu, YouTube czy Spotify) audiobooka książki, do której nie masz praw, nawet jeśli zrobiłaś go sama za pomocą AI. To naruszenie praw autorskich autora i wydawcy.
