Każdy artykuł na tym blogu ma na górze odtwarzacz. Klikasz play i słyszysz mój głos. Tylko że to nie ja go nagrałem. Nagrałem raz, kilka minut próbki, a resztę robi ElevenLabs. Wrzucam tekst, dostaję audio. Mój klon czyta, ja w tym czasie projektuję.
Jak to zrobić?
Prościej niż myślisz. Zakładasz konto na elevenlabs.io, wchodzisz w Voice Cloning i nagrywasz próbkę swojego głosu. Do wersji Instant wystarczy dosłownie minuta nagrania. Model uczy się barwy, akcentu i sposobu mówienia. Od tego momentu wpisujesz dowolny tekst, a "ty" go czytasz.
Dlaczego v3 to przeskok
Lektorzy AI istnieją od lat, ale brzmieli jak nawigacja samochodowa. Model v3 wyszedł z fazy alpha i jest już ogólnie dostępny, a w marcu 2026 trafił do wszystkich płatnych planów jako największy skok jakościowy firmy, szczególnie w ekspresji emocji.
Trzy rzeczy robią różnicę. Po pierwsze audio tagi: wpisujesz w nawiasie [whispers], [sighs] albo [shouts] i model faktycznie szepcze, wzdycha lub krzyczy. Sterujesz lektorem jak reżyser aktorem. Po drugie precyzja: v3 ma o 68% mniej błędów przy trudnych tekstach typu wzory chemiczne czy numery telefonów. Po trzecie języki: ponad 70, w tym polski. I to polski, który wreszcie brzmi naturalnie.
Do czego jeszcze się to nadaje
Audiowersja bloga to mój use case, ale lista jest dłuższa. Podcast bez mikrofonu i bez poprawek po przejęzyczeniach. Dubbing własnych filmów na niemiecki czy hiszpański, twoim głosem. Narracja do prezentacji i kursów. Audiobook z własnej książki.
A dla twórców gier jest osobny moduł Sound Effects. Wpisujesz "skrzypiące drewniane drzwi w starym domu" i dostajesz gotowy efekt. Testowałem przy prototypach gier i brzmi to lepiej niż połowa biblioteki dźwięków, którą kiedyś kupiłem. Od listopada 2025 ElevenLabs ma też moduł Image & Video w becie, gdzie pod jednym dachem siedzą Veo, Sora, Kling czy Nano Banana. To już nie jest firma od głosu, to fabryka multimediów.
Polski wątek - dobre bo polskie
ElevenLabs założyli w 2022 roku dwaj Polacy: Piotr Dąbkowski i Mateusz Staniszewski. Pierwszy to były inżynier ML w Google, drugi pracował w Palantirze. Pomysł wpadł im podczas oglądania kiepskich polskich dubbingów amerykańskich filmów. Dziś firma jest wyceniana na 11 miliardów dolarów, a wśród klientów ma Epic Games, NVIDIĘ i Revoluta.
Obaj wyjechali z Polski jeszcze przed studiami. Oksford, Imperial College, potem globalne korporacje i dopiero stamtąd start firmy. Polska potrafi wychować takie mózgi, ale nie potrafi ich zatrzymać. Tak się u nas szanuje innowacje: z daleka. W czerwcu rząd polski zainwestował w Elevenlabs. Zbudują AI Hub w polsce.
Druga strona medalu
W styczniu 2024 ktoś użył technologii ElevenLabs do robocalli z fałszywym głosem Joe Bidena, zniechęcających ludzi do udziału w prawyborach. Sprawą zajęła się prokuratura. Klonowanie głosu to potężne narzędzie i jak każde narzędzie nie ma własnej moralności. Młotkiem zbudujesz dom albo rozbijesz szybę. Internetem nauczysz się zawodu albo dasz się oszukać. Z głosem AI jest identycznie: możesz zrobić audiowersję bloga albo deepfake polityka.
ElevenLabs nie udaje, że problemu nie ma. Firma stworzyła AI Speech Classifier do wykrywania własnych nagrań, a klonowanie profesjonalne wymaga potwierdzenia tożsamości. Czy to wystarczy? Pewnie nie do końca. Ale zakazanie technologii, bo ktoś może jej użyć do złego, to jak zakazanie młotków, bo zdarzają się włamania.
Czy warto?
Moim zdaniem tak. Płacę subskrypcję, która zwraca mi się w godzinach niesiedzenia przy mikrofonie. A że wspieram przy okazji firmę dwóch Polaków, to cieszę się podwójnie.
Podsumowanie
ElevenLabs to firma AI założona w 2022 roku przez Polaków Piotra Dąbkowskiego i Mateusza Staniszewskiego, z siedzibą w Londynie i Nowym Jorku, wyceniana na 11 miliardów dolarów. Model Eleven v3 (ogólnie dostępny od marca 2026) pozwala sklonować własny głos z minutowej próbki i oferuje audio tagi do sterowania emocjami ([szept], [śmiech]), ponad 70 języków z naturalnym polskim i o 68% mniej błędów przy trudnych tekstach. Główne zastosowania: audiowersje artykułów, podcasty, dubbing, narracja kursów i efekty dźwiękowe do gier (moduł Sound Effects), a od listopada 2025 także generowanie obrazów i wideo (Image & Video beta).
Źródła: elevenlabs.io/blog/eleven-v3, en.wikipedia.org/wiki/ElevenLabs, techcrunch.com/tag/elevenlabs, techsifted.com
