Przejdź do treści

Lektor AI za darmo: jak zrobić podkład lektorski po polsku

Adam Marzec
Karta pomiarowa z nadrukiem LEKTOR AI ZA DARMO i trzema kartami ścieżek: TTSMaker 20 tysięcy znaków tygodniowo, głosy Edge Marek i Zofia oraz Piper z pięcioma polskimi modelami; pieczątka ZA DARMO; nagłówek LEKTOR AI ZA DARMO; odczyty 30.10.2026

Podkład lektorski po polsku da się dziś nagrać za zero złotych: w przeglądarce, w darmowym odtwarzaczu albo na własnym komputerze, bez mikrofonu i bez subskrypcji. Ten tekst porządkuje pięć ścieżek. Narzędzie online TTSMaker daje 20 tysięcy znaków na tydzień z prawem do użytku komercyjnego, usługa czytania używana przez Edge ma dwa polskie głosy, lokalny Piper działa offline i w opublikowanym przez nas teście syntezował szybciej, niż trwa nagranie. Do tego dochodzi ALLPlayer, który czyta napisy filmu jako lektora i zapisuje wynik w pliku MKV, oraz ElevenLabs, którego darmowy plan starcza ledwie na próbkę.

Ceny i limity pochodzą z odczytów stron producentów z 30 października 2026; TTSMaker czytałem ze snapshotu Wayback z 23 października, bo serwis na żywo blokował wejście. Jakość brzmienia sprawdziłem osobiście tylko przy Piperze, a tamte pomiary publikowaliśmy we wcześniejszych wpisach i cytuję je bez zmian. Resztę opisuję według dokumentacji i deklaracji producentów, a miejsca, których nie potwierdziłem, oznaczam wprost. Po drodze jest też tabelka ze wszystkim, co się liczy przy wyborze.

Najważniejsze informacje

NarzędzieZa darmoPolski
TTSMaker20 tys. znaków na tydzień, część głosów bez limitu; „100% commercial usage rights” (23.10)na liście języków
Usługa czytania z Edgefunkcja przeglądarki; moduł edge-tts nieoficjalny2 głosy: Marek, Zofia
Azure Speech (plan F0)0,5 mln znaków miesięcznie3 głosy: Agnieszka, Marek, Zofia
Piper0 zł, offline, licencja MIT5 głosów do pobrania
ElevenLabs Free10 tys. kredytów, około 10 minut miesięcznie; bez licencji komercyjnejtak, multilingual v2
ALLPlayer 9.6odtwarzacz bez opłat, lektor z napisów, eksport MKVtak, 20 języków
Narakeet (konto darmowe)20 konwersji, skrypt do 1 KB, bez użytku komercyjnego112 głosów wg strony

Czym jest lektor AI i kiedy się sprawdza

Pod frazą „lektor ai” kryje się zwykle jedno zadanie: zamienić napisany tekst w nagranie narracji i położyć je pod obrazem. To zupełnie inna praca niż synteza mowy jako zjawisko, którą opisaliśmy w tekście o darmowym tekście na mowę; tam chodziło o samo zjawisko i wybór głosu, tu o ukończenie konkretnego materiału wideo. Odwrotny kierunek, z nagrania do tekstu, to transkrypcja i też ma własny osobny tekst.

Lektor generowany przez AI sprawdza się tam, gdzie tekst jest krótszy niż dziesięć minut i ma brzmieć schludnie: narracje do materiałów na YouTube, prezentacje firmowe, kursy, protokoły czytane dla zespołu. Tam, gdzie materiał wymaga emocji, gry głosowej albo synchronizacji ust, wygrywa człowiek; synteza nadal brzmi jak synteza, tylko lepiej niż rok temu. Osobna sprawa to gry, gdzie lektor spotyka się z dialogami i plikami z dialogami: to inny warsztat i opisaliśmy go przy dubbingu AI w grach, więc tutaj nie duplikuję tego tematu.

Za darmo online: TTSMaker i CapCut

TTSMaker to najprostszy punkt startowy, bo niczego nie instalujesz: wklejasz tekst, wybierasz język i głos, po chwili pobierasz plik audio. Ze snapshotu serwisu z 23 października wynika limit 20 tysięcy znaków tygodniowo, przy czym część głosów oznaczona jest jako nielicząca się do limitu i bez niego nieograniczona. Producent pisze wprost: „You have 100% commercial usage rights for generated audio”, czyli prawa do wygenerowanego audio należą do ciebie także przy użytku komercyjnym, bez dodatkowych opłat i zezwoleń. Przy większym ruchu serwis potrafi ustawić użytkownika w kolejce, komunikat mówi wtedy o oczekiwaniu od jednej do trzech minut.

CapCut reklamuje własną funkcję tekstu na mowę jako darmową, z ponad dwustu głosami i eksportem do AAC, FLAC, MP3 albo WAV. Jest w tym jednak haczyk istotny dla polskiego czytelnika: na stronie narzędzia lista języków wymienia chiński, malajski, wietnamski, tajski, angielski, hiszpański i japoński, a polskiego w moim odczycie z 30 października nie było, mimo że fraza „polski lektor ai capcut” realnie żyje w podpowiedziach Google. Nie potwierdziłem więc polskiego w CapCut i piszę to jasno. FAQ strony tłumaczy brakujące głosy „maintenance, gradual rollout or outdated app/browser versions”, więc lista bywa zmienna, ale obietnicy po polsku nie ma.

Głosy Microsoftu: Edge i droga oficjalna przez Azure

Trzecia ścieżka siedzi w przeglądarce. Usługa czytania na głos, z której korzysta Edge, ma dziś według żywego odczytu listę 322 głosów, a dwa z nich są polskie i oznaczone jako ogólnodostępne: męski Marek (pl-PL-MarekNeural) i żeński Zofia (pl-PL-ZofiaNeural). W samej przeglądarce funkcja Czytaj na głos pracuje nad stronami i dokumentami, więc lektora z niej nie wyeksportujesz wprost do pliku.

Poza przeglądarkę głosy wynosi moduł edge-tts, projekt z ponad 12 tysiącami gwiazdek na GitHubie, ostatnio aktualizowany 14 października 2026. To nie jest produkt Microsoftu: moduł podszywa się pod klienta Edge i korzysta z tej samej usługi, o czym świadczą wymagane nagłówki, a kod trzyma aktualną wersję Chromium 143.0.3650.75, by przechodzić kontrolę serwisu. README sam potwierdza ciasny korytarz, w którym się mieści: „Microsoft prevents the use of any SSML that could not be generated by Microsoft Edge itself”. Czyli brzmi to tak: działa dziś za darmo, ale nikt nie zagwarantuje, że zadziała jutro, a w warunkach użycia Microsoftu nie znalazłem zapisu, który by takie użycie poza przeglądarką wprost legalizował. Do materiałów komercyjnych bezpieczna jest droga oficjalna: Azure Speech ma trzy polskie głosy Neural (Agnieszka, Marek, Zofia) i bezpłatny próg F0 w wysokości 0,5 mln znaków miesięcznie, co dla lektorskich narracji jest liczbą poważną. Płatnych stawek nie podam, bo w moim odczycie cennika kwoty nie zrenderowały się na stronie.

ElevenLabs: brzmienie z górnej półki, cienki darmowy plan

Najładniejsze rezultaty w narracjach daje zwykle ElevenLabs i to przy nim granica między hobby a komercją jest najwyraźniejsza. Model multilingual v2 obsługuje według dokumentacji 29 języków, w tym polski, a nowszy Flash v2.5 dochodzi do 32. Darmowy plan to 10 tysięcy kredytów, około dziesięciu minut syntezy miesięcznie, co starcza na przetestowanie głosów i krótkie próby, ale nie na regularny kanał.

Konieczna jest tu jedna liczba z cennika: licencja komercyjna zaczyna się dopiero na planie Starter, 6 USD miesięcznie za 30 tysięcy kredytów (odczyt 30 października; strona pokazywała wówczas promocję na pierwszy miesiąc). Czyli bezpłatnie możesz syntezować dla siebie i na próby, ale publikacja komercyjna z darmowego planu nie jest objęta licencją. Dla twórcy, który dowozi jeden materiał miesięcznie, dziesięć minut to często za mało; dla kogoś, kto chce sprawdzić, czy polski głos w ogóle mu pasuje, plan darmowy jest sensownym punktem wejścia.

Piper: lektor na własnym komputerze za zero złotych

Czwarta ścieżka jest dla tych, którym zależy na prywatności albo na pracy bez internetu. Piper to lokalny syntezator o otwartym kodzie (licencja MIT, 11,3 tysiąca gwiazdek na GitHubie, ostatni wpis do repo w sierpniu 2025), który na zwykłym procesorze syntezuje szybciej, niż trwa nagranie. W teście pętli mowa-tekst Piper 1.8.0 z głosem en_US-lessac przeczytał zdanie o 42 słowach w 2,3 sekundy do pliku WAV o rozmiarze 455 KB.

Polskich głosów jest pięć, wszystkie do pobrania z Hugging Face (odczyt 30 października):

  • pl_PL-bass-high, model 108,9 MB,
  • pl_PL-darkman-medium, model 60,3 MB,
  • pl_PL-gosia-medium, model 60,3 MB,
  • pl_PL-mc_speech-medium, model 60,3 MB,
  • pl_PL-mls_6892-low, model 60,2 MB.

Darkmana znam osobiście: w teście do notatek ze spotkań ten głos (model około 63 MB) przeczytał czterozdaniowy protokół spotkania z datami i kwotami zapisanymi słownie, a rundown transkrypcji potwierdził zrozumiałość 51 z 52 słów na zwykłym procesorze bez karty graficznej. Koszt całej operacji był wtedy i jest teraz taki sam: zero złotych, bez konta i bez wysyłania czegokolwiek w sieć.

ALLPlayer: film czytany z napisów

Piąta ścieżka jest najbliższa polskiemu odbiorcy dosłownie, bo ALLPlayer to polski program od firmy SaraAI. Jego funkcja Lektor AI czyta napisy filmu na głos podczas odtwarzania, a opisana 19 lutego 2026 wersja 9.6 poszła o krok dalej: gotowy materiał można zapisać jako plik MKV z dwiema ścieżkami dźwięku, oryginalną i lektorską. Taki plik odtwarza się z lektorem na telewizorze, konsoli czy telefonie, bez instalowania ALLPlayera.

Z komunikatu producenta wynika też, że lektor generuje się w 20 językach z polskim na liście, a od wersji 9.6 można podać własny głos w postaci próbki WAV do dziesięciu sekund i usłyszeć całą narrację własnym głosem, również w językach, których nie mówisz. Naprawiono przy tym czytanie liczb, dat i znaczników technicznych w napisach. Jako silniki mowy komunikat wymienia między innymi ElevenLabs oraz rozwiązania na licencji MIT typu Chatterbox. O cenie samej funkcji nic nie napisałem, bo strona żadnej nie podaje; program pobierasz ze strony producenta bez opłat. Dwie linijki uczciwości do tej funkcji: próbka twojego głosu znaczy twój głos, nie kogoś innego, a podszywanie się pod głos drugiej osoby bez jej zgody jest poza tym, do czego ten tekst zachęca.

Od skryptu do podkładu w filmie

Praktyczny przepływ wygląda tak samo niezależnie od narzędzia. Najpierw skrypt: tekst pisany pod ucho, krótkie zdania, daty i kwoty zapisane słownie. To ostatnie nie jest kaprysem; w naszym teście z Piperem daty i sumy zapisane słownie brzmiały bez potknięcia, a transkrypcja kontrolna zwróciła je już jako cyfry, co potwierdzało, że słucha się tego naturalnie.

Potem synteza i montaż. TTSMaker i CapCut eksportują bezpośrednio MP3 albo WAV, Piper zapisuje WAV lokalnie, więc plik trafia na drugą ścieżkę w dowolnym edytorze wideo, a głośność dopasowujesz do ścieżki oryginalnej tak, by narracja była słyszalna tam, gdzie ma być słyszalna. Jeśli wynikiem ma być film z przełączanym lektorem zamiast trwale wymieszanego audio, ALLPlayer 9.6 zapisuje taki MKV sam. Warto na koniec przesłuchać całość raz na głośniku telefonu, bo na nim wysłucha tego większość widzów i na nim widać, gdzie tempo narracji goni obraz.

Co jeśli nie działa

Najpierw diagnostyka języka. CapCut bez polskiego na liście języków nie naprawisz ustawieniami; jeśli twój projekt potrzebuje narracji po polsku, przejdź na TTSMaker albo Piper. W TTSMaker na wyczerpanym limicie tygodniowym pozostań przy głosach oznaczonych jako nieliczące się do limitu albo odczekaj do resetu puli. W kolejce „high demand, expecting 1-3 minutes” po prostu cierpliwość, nie klikaj ponownie, bo strata miejsca w kolejce wraca cię kosztować od nowa.

Druga grupa to awarie zależne od cudzej infrastruktury. edge-tts potrafi przestać działać, gdy Microsoft zmieni wymogi usługi; wtedy czeka się na aktualizację modułu albo przechodzi na Azure Speech. ElevenLabs przy pustej puli kredytów po prostu odmawia do końca miesiąca. Piper nie ma punktu awarii poza samym komputerem, ale jakość zależy od wybranego modelu: głosy „low” są mniejsze i brzmią gorzej niż „medium” i „high”, więc przy skrzekliwym rezultacie najpierw podmień model, zanim odrzucisz narzędzie.

Co z tego dla Polski

Polski jest w tym zestawieniu regułą, nie wyjątkiem. TTSMaker ma go na liście języków, usługa czytania z Edge mówi głosem Marka i Zofii, Azure dokłada Agnieszkę, Piper ma pięć polskich modeli, ElevenLabs obejmuje polski w multilingual v2, a ALLPlayer czyta po polsku domyślnie, bo to program pisany dla polskiego widza. Jedyne duże nazwisko z zastrzeżeniem to CapCut, gdzie polskiego w odczycie nie było.

Cen w złotówkach producenti nie podają: TTSMaker i Piper kosztują zero, ElevenLabs i Azure rozliczają w dolarach, a Narakeet sprzedaje jednorazowe pakiety minutowe zamiast subskrypcji, z kontem darmowym na 20 konwersji i skryptem do 1 KB bez prawa do użytku komercyjnego. Przy pobieraniu trzymaj się oficjalnych źródeł: Hugging Face i GitHub dla Pipera, strona producenta dla ALLPlayera, oficjalne sklepy dla przeglądarek; lektorskie narzędzia są na tyle popularne, że ich nazwami posługują się też mniej uczciwe instalatory, choć liczby na ten temat nie mam i zmyślać nie będę.

Najczęstsze pytania

Czy lektor AI jest za darmo?

Tak, jest kilka dróg bez opłat. TTSMaker daje 20 tysięcy znaków tygodniowo z prawem do użytku komercyjnego, Piper działa lokalnie bez limitów i bez konta, a darmowy plan ElevenLabs starcza na około dziesięć minut syntezy miesięcznie. Pułapka jest jedna: licencja komercyjna ElevenLabs zaczyna się dopiero na planie Starter za 6 USD, a darmowe konta Narakeet wykluczają użycie komercyjne.

Czy lektor AI nadaje się do filmów?

Do własnych materiałów: narracji, tutoriali, prezentacji, protokołów. TTSMaker i Piper dają plik MP3 albo WAV do położenia na ścieżce w edytorze, a ALLPlayer 9.6 potrafi zapisać film jako MKV z osobną ścieżką lektora, przełączaną w dowolnym odtwarzaczu. Do filmów pełnometrażowych z emocjami i lip-synciem wygrywa lektor człowiek; synteza sprawdza się najlepiej przy schludnej narracji.

Czy lektor AI mówi po polsku?

Tak, w większości opisanych narzędzi. Usługa czytania z Edge ma polskie głosy Marka i Zofii, Azure Speech dołącza Agnieszkę, Piper ma pięć polskich modeli, ElevenLabs obejmuje polski w modelu multilingual v2, a ALLPlayer czyta napisy po polsku. Jedyny wyjątek w zestawieniu to CapCut, którego strona nie wymienia polskiego na liście języków (odczyt 30 października 2026).

Czy jest lektor AI online bez instalacji?

Jest. TTSMaker działa w przeglądarce bez rejestracji i bez instalacji, ElevenLabs ma panel webowy z darmowym progiem 10 tysięcy kredytów, a Narakeet pozwala wypróbować polskie głosy online. Wszystkie trzy eksportują plik audio do pobrania, który potem sklejasz z obrazem w dowolnym edytorze wideo.

Czy lektor AI zadziała do gier?

To odrębny temat i celowo go tu nie claimuję: w grach lektor spotyka się z dialogami, plikami z dialogami i modami, co wymaga innego warsztatu. Nasz osobny tekst o dubbingu AI w grach opisuje właśnie ten przypadek, łącznie z tym, gdzie graniczy to z prawami do głosów aktorów.

Źródła

Powiązane artykuły