Jak działa Text to Speech: głosy, limity i cennik

Text to Speech zamienia tekst pisany w plik audio z mową. Możesz go użyć jako lektora do prezentacji lub wideo, posłuchać artykułu zamiast go czytać, sprawdzić wymowę obcego zwrotu albo wysłać wiadomość własnym, sklonowanym głosem. Narzędzie działa na web.vocalingo.app, w systemach iOS i Android.

Jaki tekst możesz wpisać

Jedno uruchomienie obsługuje do 10 000 znaków, czyli około 11 minut mowy w standardowym tempie. Licznik pod polem tekstowym pokazuje liczbę wpisanych znaków.

• Wpisz tekst ręcznie lub dotknij Wklej, aby wstawić go ze schowka.

• Podyktuj tekst przyciskiem mikrofonu: aplikacja zamieni Twoją mowę na tekst.

• Przekaż tekst z innego narzędzia: po użyciu Speech to Text lub Video to Text dotknij Tekst na mowę w sekcji Co dalej?.

Jeśli tekst jest za długi, aplikacja wyświetli komunikat "Text is too long. Maximum 10000 characters." Podziel go na części i wygeneruj mowę dla każdej z nich osobno.

Jak udźwiękowić tekst

1. W zakładce Narzędzia otwórz Text to Speech.

2. W zakładce Tekst wpisz tekst i dotknij Dalej.

3. W zakładce Głos wybierz głos. Przycisk odtwarzania obok głosu pozwala odsłuchać próbkę. Domyślnie wybrany jest głos MiniMax o nazwie Expressive Narrator.

4. W razie potrzeby dostosuj parametry głosu pod listą: instrukcje dla głosów OpenAI, emocje, prędkość i tonację dla MiniMax, stabilność, podobieństwo i styl dla ElevenLabs. Dotknij Dalej.

5. W zakładce Wynik sprawdź szacowany koszt i dotknij Generuj.

Podczas tworzenia nagrania na przycisku widnieje napis "Generating audio..." wraz z wartością procentową, a poniżej pojawia się opcja Anuluj.

Jakie głosy masz do wyboru

Wybór głosu obejmuje siedem zakładek: Ulubione, Ostatnie, Moje głosy, MiniMax, Qwen 3, OpenAI oraz ElevenLabs. MiniMax i ElevenLabs brzmią najbardziej naturalnie w dłuższych tekstach, głosami OpenAI można sterować za pomocą instrukcji, a w zakładce Moje głosy znajdziesz głosy sklonowane z Twoich nagrań. Porównanie wszystkich grup wraz z cennikiem: jaki głos Text to Speech wybrać. Jak wyszukiwać, testować i dodawać głosy do Ulubionych: wybór głosu.

Jak dodawać śmiech, pauzy i odpowiedni akcent

W przypadku głosów MiniMax i ElevenLabs w zakładce Tekst widoczne są tagi. Dotknij tagu, aby go skopiować, i wklej go w wybranym miejscu tekstu.

• MiniMax: (laughs), (sighs), (coughs), (crying), (gasps), (groans) oraz <#1#> dla jednomyślnej pauzy trwającej sekundę.

• ElevenLabs: [excited], [sad], [angry], [curious], [whispers], [laughs], [sighs], [crying] oraz wielokropek dla pauzy. Zbyt wiele tagów obok siebie może powodować zniekształcenia dźwięku.

• Jeśli dane słowo jest akcentowane na niewłaściwą sylabę, zapisz akcentowaną część wielkimi literami, na przykład REcord (płyta) i reCORD (nagrywać).

Co otrzymasz i gdzie to znaleźć

W zakładce Wynik zobaczysz odtwarzacz z gotowym nagraniem. Obok odtwarzacza znajduje się jeden przycisk: w aplikacji otwiera menu udostępniania, dzięki czemu możesz przesłać plik lub zapisać go na urządzeniu, a w przeglądarce pobiera plik na dysk. Aby coś zmienić, popraw tekst lub ustawienia głosu i dotknij Generuj ponownie.

Każdy wynik trafia do Historii: dotknij ikony zegara u góry ekranu. Bez pakietu Premium zapisywane są ostatnie 3 wyniki, a z pakietem Premium wszystkie. Szczegóły: Historia: zapisywanie, przywracanie i usuwanie wyników.

Ile to kosztuje

Cena zależy od wybranego głosu i długości tekstu. Tokeny są pobierane za gotowy plik: jeśli generowanie się nie powiedzie, opłata nie jest naliczana lub tokeny wracają na Twoje konto.

Minimalny koszt pojedynczego uruchomienia to 1 token. Dodatkowe instrukcje, emocje i inne ustawienia nie wpływają na cenę. Koszt pozostałych narzędzi: cennik tokenów dla każdego narzędzia.

Czego nie potrafi Text to Speech

• Nie tłumaczy tekstu. Głos odczytuje tekst dokładnie w tym języku, w którym został napisany. Aby uzyskać mowę w innym języku, najpierw przetłumacz tekst za pomocą narzędzia Text Translation.

• Nie potrafi zmienić głosu w istniejącym nagraniu. Do tego służy narzędzie Voice Changer.

• Widok wyniku nie zawiera sekcji Co dalej?, więc nagranie nie jest automatycznie przekazywane do innych narzędzi.

Jeśli generowanie trwa zbyt długo, aplikacja wyświetli komunikat "Voice generation took too long. Please try again." Dotknij Spróbuj ponownie, a jeśli problem się powtórzy, wybierz inny głos.