Darmowy lektor AI po polsku 2026, 15 generatorów i limity

Spis treści

• Co znaczy „darmowy” lektor AI
• Tabela zbiorcza 15 narzędzi
• Edytory i serwisy online
• Freemium z najlepszym brzmieniem
• Chmura: Google, Azure, OpenAI
• Windows i przeglądarka
• Open source i nasz test Piper
• Lektor AI w ALLPlayer
• 7 trików tekstu dla polskiego TTS
• Kiedy darmowy lektor wystarczy
• FAQ

Stan: wrzesień 2026. „Darmowy” lektor AI znaczy za każdym razem coś innego: limit znaków, zakaz użycia w reklamie albo obowiązek dopisania nazwy narzędzia w tytule. Dla 15 generatorów głosu AI z polskim sprawdziłem w cennikach i regulaminach, ile dostajesz za 0 zł, czy potrzebujesz konta i czy wolno Ci użyć nagrania w rolce lub reklamie. Jakość opisuję na podstawie dokumentacji i publicznych informacji. Własny test przeprowadziliśmy tylko na open source Piper, uruchomionym lokalnie. Ranking najlepszych głosów bez względu na cenę znajdziesz w zestawieniu najlepsze głosy AI po polsku.

Co znaczy „darmowy” lektor AI? Trzy rodzaje darmowości

Od modelu zależy, czy nagranie opublikujesz w reklamie.

1. Darmowy do słuchania. Funkcje czytania na głos w przeglądarce, systemie albo aplikacji (Edge, Speechify, NaturalReader). Zwykle bez prawa do publikacji.
2. Freemium z limitem. Pula znaków lub minut miesięcznie (ElevenLabs, Fish Audio, TTSMaker, chmury). Plan darmowy często wyklucza użytek komercyjny.
3. Open source lokalnie. Model pobierasz i uruchamiasz na swoim komputerze (Piper, Chatterbox, XTTS v2). Bez limitu, ale licencja kodu i wag modelu to dwie osobne sprawy.

Tabela zbiorcza, 15 generatorów głosu AI z polskim

Dane z cenników, dokumentacji i regulaminów dostawców, stan na wrzesień 2026. Kwoty przeliczone po kursie NBP 1 USD = 3,857 zł. Limity się zmieniają, sprawdź je przed większym projektem.

Darmowy lektor AI po polsku, limity, konto i licencja komercyjna (wrzesień 2026)

Narzędzie	Limit darmowy	Konto	Komercyjnie za 0 zł	Pierwszy płatny próg
CapCut TTS	W darmowym edytorze	Zależnie od wersji aplikacji	Wg CapCut tak, sprawdź oznaczenia	CapCut Pro
ElevenLabs Free	10 tys. kredytów/mc	Tak	Nie, plus oznaczenie elevenlabs.io	Starter 6 USD (ok. 23 zł)/mc
Google Cloud TTS	1 mln znaków (Chirp 3 HD), 4 mln (WaveNet)/mc	Tak, z płatnościami	Tak, wg warunków Google Cloud	WaveNet 4 USD (ok. 15 zł) za 1 mln znaków
Azure AI Speech F0	0,5 mln znaków neuronowych/mc	Tak, z płatnościami	Tak, wg warunków Azure	Pay-as-you-go per znak
TTSMaker	20 000 znaków/tydzień	Wg recenzji nie do podstawowej konwersji	Tak (deklaracja serwisu)	TTSMaker Pro
Piper TTS	Bez limitu, lokalnie	Nie	Niejasne (licencje głosów)	Nie dotyczy
Edge „Czytaj na głos”	Bez limitu w przeglądarce	Nie	Nie, użytek osobisty	Nie dotyczy (te same głosy w Azure)
OpenAI TTS	Brak	Tak, z płatnościami	Tak, z ujawnieniem głosu AI	tts-1: 15 USD (ok. 58 zł) za 1 mln znaków
Fish Audio	Do 7 min generacji/mc	Tak	Nie	Plus 11 USD (ok. 42 zł)/mc
Narakeet	20 konwersji, skrypt do 1 KB	Nie	Nie	Pakiet 6 USD (ok. 23 zł) = 30 min
Speechify	Aplikacja: 10 prostszych głosów; Studio: ok. 10 min	Tak	Nie	Studio Starter ok. 19 USD (ok. 73 zł)/mc
NaturalReader	Plan osobisty	Tak	Nie	Commercial Starter 29 USD (ok. 112 zł)/mc
Balabolka + Windows	Bez limitu, lokalnie	Nie	Niejasne (licencja głosów systemu)	Nie dotyczy
XTTS v2 / Chatterbox	Bez limitu, lokalnie	Nie	XTTS v2 nie; Chatterbox tak (MIT)	Nie dotyczy
ALLPlayer Lektor AI	Brak (odtwarzacz darmowy)	E-mail i kod dostępu	Nie dotyczy (lektor do filmów)	Od 3,11 zł za materiał

Edytory i serwisy online, lektor AI za darmo w przeglądarce

CapCut TTS

Najkrótsza droga od tekstu do rolki: wklejasz tekst, wybierasz polski głos i lektor ląduje na osi czasu obok napisów. Strony CapCut podają, że dźwięk z ich text-to-speech można wykorzystać komercyjnie, a w wersji webowej przy generowaniu jest opcja licencji komercyjnej. Uwaga: w czerwcu 2025 CapCut przyznał sobie w regulaminie szeroką licencję na treści użytkowników, a prawo komercyjne dotyczy każdego elementu projektu osobno (głos, muzyka, efekty). Więcej o edytorze w poradniku CapCut AI po polsku.

TTSMaker

Serwis online z polskim wśród ponad 80 języków i limitem 20 000 znaków tygodniowo w wersji darmowej. To jedyny serwis z tej grupy, który wprost deklaruje, że wygenerowane audio możesz wykorzystać komercyjnie, także na YouTube i w social mediach.

Narakeet

Narakeet korzysta m.in. z polskich głosów Google i Microsoft (serwis podaje 97 polskich głosów). Konto free daje 20 konwersji bez rejestracji, ale skrypt audio to maksymalnie 1 KB tekstu, bez SSML i bez prawa komercyjnego. Płatnie kupujesz doładowania bez abonamentu: 30 minut za 6 USD (ok. 23 zł).

Speechify i NaturalReader

Oba powstały do słuchania tekstu. Darmowy Speechify ma 10 prostszych głosów, a Studio według zestawień cenników ok. 10 minut bez praw komercyjnych. NaturalReader rozdziela produkty: wersja osobista, także płatna, jest licencjonowana wyłącznie do użytku prywatnego, a publikowalny lektor to osobny plan Commercial od 29 USD (ok. 112 zł) miesięcznie.

Freemium z najlepszym brzmieniem: ElevenLabs i Fish Audio

ElevenLabs Free

Plan Free to 10 tys. kredytów miesięcznie. Polski w modelach wielojęzycznych ElevenLabs to w publicznych porównaniach i w naszym rankingu czołówka naturalności. Haczyk jest w licencji: plan darmowy nie obejmuje użytku komercyjnego, a publikując nagranie musisz oznaczyć je jako pochodzące z ElevenLabs („elevenlabs.io” lub „11.ai” w tytule). Licencję komercyjną daje dopiero Starter za 6 USD (ok. 23 zł) miesięcznie. Szczegóły w poradniku ElevenLabs po polsku.

Fish Audio

Model S1 od Fish Audio obsługuje polski wśród 13 języków. Plan Free to 8000 kredytów, czyli do 7 minut generacji miesięcznie, wyłącznie do projektów osobistych i niekomercyjnych. Plan Plus kosztuje 11 USD (ok. 42 zł) miesięcznie.

Chmura: Google Cloud, Azure i OpenAI TTS

Google Cloud Text-to-Speech

Największa darmowa pula na rynku. Co miesiąc dostajesz 4 mln znaków w głosach Standard i WaveNet oraz 1 mln znaków w Chirp 3 HD, Neural2 i Studio. Dla języka polskiego dokumentacja wymienia 30 głosów Chirp 3 HD, a także m.in. głosy Standard i WaveNet. Minus: konto Google Cloud z podpiętą płatnością i obsługa konsoli albo API. Po przekroczeniu puli Chirp 3 HD kosztuje 30 USD za 1 mln znaków (ok. 116 zł), WaveNet 4 USD (ok. 15 zł).

Microsoft Azure AI Speech

Warstwa F0 daje 0,5 mln znaków głosów neuronowych miesięcznie. Polskie głosy neuronowe to Agnieszka, Marek i Zofia, z pełnym SSML (pauzy, wymowa, tempo). To także legalna droga do głosów Marek i Zofia, które znasz z Edge: w Azure korzystasz z nich na warunkach usługi chmurowej, a nie licencji przeglądarki.

OpenAI TTS (płatny, ale tani)

Darmowego planu nie ma, ale ceny są niskie: tts-1 kosztuje 15 USD za 1 mln znaków (ok. 58 zł), tts-1-hd 30 USD (ok. 116 zł), a gpt-4o-mini-tts rozlicza się tokenami (12 USD za 1 mln tokenów audio na wyjściu). Skrypt rolki na 1500 znaków w tts-1 to ok. 9 groszy. Głosy są według dokumentacji zoptymalizowane pod angielski, a zasady OpenAI wymagają wyraźnej informacji dla odbiorcy, że słyszy głos wygenerowany przez AI.

Windows i przeglądarka: Edge i Balabolka

Funkcja „Czytaj na głos” w Microsoft Edge ma neuronowe głosy Marek i Zofia, bez konta i bez limitu. Brzmią dobrze, bo to ta sama rodzina co głosy Azure. Problem jest prawny: w odpowiedziach na forum Microsoft Q&A głosy te traktowane są jak media do użytku osobistego, a nagrywanie ich do monetyzowanego filmu nie jest objęte licencją. Nieoficjalne biblioteki typu edge-tts nie zmieniają tych warunków.

Balabolka to darmowy program na Windows, który czyta tekst głosami zainstalowanymi w systemie (SAPI) i zapisuje wynik do pliku audio. Polskie głosy systemowe to m.in. Paulina, a w nowszych instalacjach także Adam. To starsza generacja syntezy, przydatna do odsłuchu dokumentów. Do reklamy nie polecam, bo licencja głosów systemu nie przewiduje wprost takiego użycia.

Open source: Piper, XTTS v2, Chatterbox i nasz test

Piper TTS

Piper to lekki silnik rozwijany dziś jako piper1-gpl (kod na licencji GPL-3.0), działający offline nawet na słabym komputerze. Ma 5 polskich głosów: bass, darkman, gosia, mc_speech i mls_6892. Z licencją jest niuans: zbiory nagrań trzech głosów są na CC0, jednego na CC BY 4.0, ale modele powstały przez dotrenowanie angielskich głosów bazowych, a nagrania bazowego głosu lessac udostępniono na licencji badawczej. Dlatego uznajemy status komercyjny za niejasny.

Nasz test (25.09.2026): uruchomiliśmy piper-tts 1.8.0 z głosami gosia i darkman (medium) na dwóch wersjach tego samego komunikatu: surowej (z datą 15.10.2026, kwotą „249 zł”, numerem telefonu, „sp. z o.o.”, „m.in.”, „2019 r.”) i znormalizowanej, zapisanej słownie. Nie oceniamy „ładności” głosu, tylko dwie mierzalne rzeczy: zapis fonetyczny, który tworzy silnik, i to, czy Whisper (small) odtworzy z nagrania poprawny tekst.

Test Piper TTS, jak polski lektor open source czyta liczby i skróty (głosy gosia i darkman)

Fragment tekstu	Co przeczytał Piper	Wniosek
600 123 456	„sześćset milionów sto dwadzieścia trzy tysiące czterysta pięćdziesiąt sześć”	Numer telefonu zapisuj grupami słownie
249 zł	„dwieście czterdzieści dziewięć zet eł”	Pisz „złotych”
15.10.2026	„piętnaście dziesięć dwa tysiące dwadzieścia sześć”	Datę zapisz „piętnastego października”
sp. z o.o., m.in., 2019 r.	Zlepki głosek i litery („em in”, „r”)	Skróty rozwijaj
20%, ok. 3 km	„dwadzieścia procent”, „około”, „ka em”	Procent i „ok.” OK, „km” rozwijaj
CapCut	Polskie „c” jak „ts” w obu członach	Nazwy obce zapisz fonetycznie

Efekt normalizacji był wyraźny. Z wersji znormalizowanej w głosie gosia Whisper odtworzył tekst niemal bez błędów (jedno przekręcone słowo), z wersji surowej wyszło m.in. „600 milionów 123456” i zniekształcone skróty. Głos darkman miał więcej przekłamań w obu wersjach. Przygotowanie tekstu waży często więcej niż wybór narzędzia.

Coqui XTTS v2 i Chatterbox

XTTS v2 potrafi sklonować głos z kilkusekundowej próbki i obsługuje polski, ale jego wagi mają licencję Coqui Public Model License, która dopuszcza tylko użytek niekomercyjny. Firma Coqui zakończyła działalność na przełomie 2023 i 2024 roku, więc licencji komercyjnej nie ma od kogo kupić (kod jest rozwijany w forku idiap/coqui-ai-TTS na MPL 2.0). Alternatywą jest Chatterbox Multilingual od Resemble AI: licencja MIT, polski wśród 23 języków, klonowanie głosu i wbudowany znak wodny w każdym nagraniu.

Lektor AI w ALLPlayer, co to jest i czy jest za darmo

ALLPlayer to darmowy polski odtwarzacz wideo. Jego funkcja Lektor AI bierze napisy SRT filmu, analizuje znaczniki czasu i generuje ścieżkę lektora zsynchronizowaną z obrazem, w ponad 20 językach, w tym po polsku. Wersja 9.6 pozwala użyć własnego głosu z próbki WAV do 10 sekund i zapisać film jako nowy plik MKV z dodatkową ścieżką. Na starcie ALLPlayer współpracował z ElevenLabs, dziś według producenta korzysta z różnych silników na licencji MIT, np. Chatterbox. Lektor nie jest darmowy: rozliczasz go pakietami (mikropłatności), według instalki.pl od 3,11 zł za materiał. To narzędzie do oglądania filmów z lektorem, nie do produkcji lektora do reklam.

Jak brzmieć naturalnie: 7 trików tekstu dla polskiego TTS

1. Liczby słownie. „dwieście czterdzieści dziewięć złotych”, „piętnastego października”. Numer telefonu w grupach: „sześćset, sto dwadzieścia trzy, czterysta pięćdziesiąt sześć”.
2. Rozwijaj skróty. „między innymi”, „około”, „kilometry”, „spółka z o.o.” zamień na „spółka z ograniczoną odpowiedzialnością” albo usuń z lektora i zostaw w napisie.
3. Akronimy tak, jak mają zabrzmieć. „A-B-C” albo „a be ce” literowane, „PZU” jako „pe zet u”. Jeśli marka czyta się jako słowo, napisz je bez kropek i sprawdź odsłuch.
4. Obce nazwy fonetycznie. „kapkat” zamiast „CapCut”, „wijo” lub „weo” zamiast „Veo”, zależnie od tego, jak mówi Twoja grupa docelowa.
5. Interpunkcja to reżyseria. Przecinek daje krótki oddech, kropka dłuższą pauzę, pytajnik podnosi intonację. Krótkie zdania, do około 15 słów, brzmią naturalniej niż jedno długie.
6. SSML break tam, gdzie się da. W Google Cloud (głosy Standard, WaveNet, Neural2) i Azure wstawisz <break time="500ms"/> przed ważnym słowem lub CTA. ElevenLabs obsługuje ten znacznik w części modeli, sprawdź dokumentację wybranego modelu.
7. Generuj zdaniami, montuj w edytorze. Krótkie fragmenty łatwiej poprawić bez regenerowania całości, a pauzy i tempo dopracujesz w CapCut na osi czasu.

Kiedy darmowy lektor wystarczy, a kiedy nie

Wystarczy, gdy robisz rolki do własnych kanałów, testujesz pomysły na skrypt, nagrywasz materiały szkoleniowe do użytku wewnętrznego albo prototyp reklamy. Wystarczą CapCut, TTSMaker albo free tier Google.

Nie wystarczy, gdy nagranie trafia do płatnej kampanii, a darmowy plan wyklucza użytek komercyjny, gdy głos jest głównym bohaterem (kanał faceless, audiobook) albo gdy potrzebujesz jednej, rozpoznawalnej barwy marki w setkach nagrań. Wtedy wybierasz narzędzie po jakości i licencji, a pomoże w tym ranking najlepszych głosów AI po polsku. Jeśli wolisz nie składać tego samemu, zamawiasz rolki z polskim lektorem na zlecenie.

FAQ, darmowy lektor AI po polsku

Źródła: cenniki i dokumentacja dostawców, karty modeli rhasspy/piper-voices, licencja coqui/XTTS-v2, strony Chatterbox i ALLPlayer, instalki.pl, Microsoft Q&A. Kurs NBP: 1 USD = 3,857 zł. Stan: 25 września 2026.

Powiązane artykuły

Narzędzia AI video•11 min

Gemini Omni po polsku: cena w zł, Flow i jak używać

Gemini Omni po polsku: co to jest, cena w zł (AI Plus, Pro, Ultra, punkty Flow), co działa w Polsce, a co nie, i jak zrobić pierwszy film krok po kroku.

Czytaj

Narzędzia AI video•11 min

Grok Imagine po polsku: wideo, cena i limity (2026)

Grok Imagine po polsku: jak robić wideo w Grok, cena w zł, czy jest za darmo, co znaczy „wideo moderowane” i „osiągnięto limit wideo”.

Czytaj

Narzędzia AI video•12 min

Higgsfield prompty po polsku: 40 ruchów kamery z przykładami

40 ruchów kamery Higgsfield (Dolly, Crash Zoom, 360 Orbit, Bullet Time, FPV): co robią, kiedy ich użyć i jak zrobić je promptem w Kling 3 i Veo 3.1.

Czytaj