Efekty dźwiękowe AI w ElevenLabs: test poleceń PL i EN
Pięć par efektów z tym samym opisem po polsku i po angielsku, ocenionych przez dwa modele. Wynik zmienia sposób pisania poleceń.
👁 115 przeczytań
Efekty dźwiękowe AI w ElevenLabs powstają z krótkiego opisu: wpisujesz „skrzypiące drzwi” albo „burza nad miastem” i po kilku sekundach masz plik MP3 lub WAV. Sprawdziłem, czy generator rozumie polskie polecenia, bo tego nigdzie nie znalazłem. Wygenerowałem pięć par efektów z tym samym opisem po polsku i po angielsku, a trafność oceniły dwa niezależne modele. Wynik był jednoznaczny i zmienia sposób, w jaki warto pisać polecenia.
W skrócie
Z poleceniem po angielsku Sound Effects trafił w 5 z 5 opisów, z tym samym poleceniem po polsku w 0 z 5. Polskie opisy dały losowe dźwięki: brzęk szkła, drapanie, pobrzękiwanie kluczy. Nie pomogło nawet ustawienie maksymalnego trzymania się polecenia. Efekt 5-sekundowy kosztował mnie 50 kredytów, czyli przez API ok. 0,01 USD (0,04 zł). Dla kogo: twórcy filmów, gier i podcastów, którym brakuje konkretnego odgłosu. Dla kogo nie: dla osób, które chcą pisać polecenia wyłącznie po polsku, chyba że najpierw przepuszczą je przez tłumacza.
01Eleven Music: generator muzyki AI z polskim tekstem, testCztery utwory z Eleven Music: lo-fi i indie pop z moim polskim tekstem, zamówione po polsku i po angielsku. Czy AI śpiewa wyraźnie po polsku?Czytaj →
02Voice Isolator: usuwanie szumów z nagrania w ElevenLabsCzyste nagranie zaszumiłem wentylatorem, ulicą i kawiarnią, a potem oczyściłem Voice Isolatorem. Szum spadł o 21-26 dB, ale transkrypcja wyszła gorzej.Czytaj →
03ElevenLabs Dubbing: film po polsku, mój test v1 i v2Zdubbingowałem fikcyjny klip 24 s z angielskiego na polski w v1 i v2: filmy przed i po, czasy, kredyty, podobieństwo głosu i jedna kosztowna wpadka.Czytaj →
04Voice Changer ElevenLabs: zmiana głosu AI na nagraniuPolski monolog zmieniony na głos kobiecy i niski głos lektora: treść, długość i melodia zdań po konwersji oraz jedno ustawienie, które ratuje nagrania z szumem.Czytaj →
05Klonowanie głosu AI w ElevenLabs: klon z 10 s i 2 minutSklonowałem wyłącznie syntetyczny głos z Voice Design: klony z 10 s, 30 s i 2 min, pomiar podobieństwa, nagrania, koszty i zasady zgody.Czytaj →
06Ile kosztuje ElevenLabs? Plany, minuty i limity głosówGdy sprawdzam, ile kosztuje ElevenLabs, zaczynam od planów narzędzia do generowania głosu i innych materiałów audio. Dostęp jest rozliczany między innymi kredytami,…Czytaj →Jak działa generator efektów dźwiękowych ElevenLabs
Funkcja nazywa się Sound Effects (w API model eleven_text_to_sound_v2). Najważniejsze ustawienia:
- Długość - od 0,5 do 30 s albo automatycznie, na podstawie opisu.
- Zapętlanie (loop) - efekt bez słyszalnego początku i końca, np. deszcz czy szum miasta, który puszczasz w kółko pod dłuższą scenę.
- Prompt influence - od 0 do 1, domyślnie 0,3. Wyżej znaczy dosłowniej, niżej swobodniej, z większą liczbą wariacji.
- Format - MP3 44,1 kHz dla wszystkich efektów, WAV 48 kHz dla niezapętlonych.
Model generuje też elementy muzyczne, np. pętlę perkusji w 90 BPM. Pełne utwory robi jednak osobne narzędzie, które opisałem w teście Eleven Music.
Mój test: te same efekty po polsku i po angielsku
28 września 2026 wygenerowałem przez API pięć par efektów. Każda para miała ten sam sens, długość 5 s i domyślne prompt influence 0,3. Nie oceniałem ich na ucho, bo przy pięciu parach łatwo sobie coś dopowiedzieć. Użyłem dwóch sędziów:
- CLAP (laion/larger_clap_general) - model, który porównuje dźwięk z opisami tekstowymi. Dla każdego efektu sprawdziłem, który z pięciu angielskich opisów pasuje do niego najlepiej. Trafienie to opis własny na 1. miejscu.
- Tagi zdarzeń dźwiękowych ze Scribe - transkrypcja ElevenLabs sama opisuje odgłosy w nawiasach, np. [door creaking]. To drugi, niezależny opis tego, co słychać.
| Polecenie PL / EN | Tag Scribe dla PL | Tag Scribe dla EN | Miejsce opisu w CLAP: PL / EN |
|---|---|---|---|
| Skrzypiące drewniane drzwi w starym, pustym domu / Old wooden door creaking open in an empty house | shaking glass | door creaking | 4 / 1 |
| Burza z piorunami nad miastem, ulewny deszcz / Thunderstorm over a city, heavy rain and rolling thunder | scratching | applause | 5 / 1 |
| Kroki na żwirze, potem otwiera się metalowa brama / Footsteps on gravel, then a metal gate opens | sound of keys jingling | sound of footsteps | 4 / 1 |
| Tłum kibiców na stadionie wiwatuje po golu / Stadium crowd cheering after a goal | clinking | cheering | 5 / 1 |
| Dzwonek starego telefonu stacjonarnego / Old landline telephone ringing | clicking | phone ringing | 3 / 1 |
Angielskie polecenia wygrały w CLAP pięć razy na pięć, a Scribe opisał je trafnie w czterech przypadkach. Burzę nazwał „applause”, co przy ulewnym deszczu nie dziwi, bo szum kropli i oklaski brzmią podobnie. CLAP i tak dopasował ten plik do burzy. Polskie polecenia nie trafiły ani razu u żadnego z sędziów.
Czy wyższe prompt influence ratuje polski?
Nie. Powtórzyłem dwa polskie polecenia (drzwi i telefon) z prompt influence 1,0. Scribe opisał wyniki jako „metal clanging” i „clicking”, a w CLAP żaden z pięciu opisów nie dostał wyniku powyżej zera. Wniosek: generator nie rozumie treści polskiego opisu, a nie tylko go luźno interpretuje. Muzyka ElevenLabs radzi sobie z polskim znacznie lepiej, więc to ograniczenie tego jednego modelu.
Polecenia do skopiowania
Pisz krótko: co brzmi, na jakiej powierzchni, w jakiej przestrzeni i czy coś dzieje się potem. Pierwsze cztery polecenia pochodzą z testu, dwa kolejne to skrócone wersje teł, które wygenerowałem do innych testów, a dwa ostatnie to przykłady oparte na słowniku z dokumentacji (tych nie generowałem):
Old wooden door creaking open in an empty house
Footsteps on gravel, then a metal gate opens
Stadium crowd cheering after a goal
Old landline telephone ringing
Steady rain on a city street at dusk, a tram approaching and ringing its bell
Busy cafe ambience, people talking, cups clinking, espresso machine hissing
Cinematic braam, deep and brassy, trailer hit
Fast whoosh transition, left to rightDwa ostatnie wykorzystują słownik z dokumentacji ElevenLabs: braam to ciężkie, dęte uderzenie z trailerów, whoosh to przelot przez powietrze. Przydają się też impact (uderzenie), ambience (tło miejsca), one-shot (pojedynczy dźwięk), loop i drone (ciągła, napięta plama). Tła z deszczem i kawiarnią, a także kuchnię, wygenerowałem w dłuższej wersji do testów dubbingu i Voice Isolatora.
Przez API wystarczy jedno polecenie (przetestowane 28.09.2026):
curl -X POST "https://api.elevenlabs.io/v1/sound-generation?output_format=mp3_44100_128" \
-H "xi-api-key: $ELEVENLABS_API_KEY" -H "Content-Type: application/json" \
-d '{"text":"Old wooden door creaking open in an empty house",
"duration_seconds":5,"prompt_influence":0.3,
"model_id":"eleven_text_to_sound_v2"}' -o drzwi.mp3Ile kosztują efekty dźwiękowe
Cennik API z 28 września 2026 podaje 0,12 USD (0,46 zł) za minutę dźwięku, bez VAT. Nagłówek odpowiedzi API pokazywał mi 10 kredytów za sekundę: 50 za efekt 5 s, 120 za 12 s, 270 za 27 s. Dokumentacja wciąż wspomina o 40 kredytach za sekundę przy ręcznie ustawionej długości, więc przed dużą serią sprawdź licznik na koncie. Treść polecenia nie wpływa na cenę. Darmowy plan ma 10 tys. kredytów miesięcznie, ale bez licencji komercyjnej, która zaczyna się od planu Starter za 6 USD (23,14 zł). Cennik podaje, że efekty są wolne od tantiem. Porównanie planów jest w tekście ile kosztuje ElevenLabs, a reszta narzędzi w przewodniku ElevenLabs.
Jeśli potrzebujesz do tego lektora, modele głosowe opisuję w tekście o Eleven v4.
Najczęstsze pytania
Czy ElevenLabs Sound Effects rozumie polski?
W moim teście nie. Pięć polskich poleceń dało przypadkowe dźwięki, a te same opisy po angielsku trafiły pięć razy na pięć. Podniesienie prompt influence do 1,0 nie pomogło.
Ile kosztuje wygenerowanie efektu dźwiękowego?
Mnie efekt 5-sekundowy kosztował 50 kredytów. Przez API to 0,12 USD za minutę, czyli ok. 0,01 USD (0,04 zł) za 5 sekund, bez VAT.
Jak długi może być efekt dźwiękowy?
Od 0,5 do 30 sekund w jednym przebiegu. Dłuższe tło zrobisz z efektu zapętlonego, który gra w kółko bez słyszalnego szwu.
Czy mogę użyć efektów komercyjnie?
Tak, od planu Starter, który daje licencję komercyjną. ElevenLabs opisuje efekty jako wolne od tantiem. Darmowy plan nie obejmuje użytku komercyjnego.
Źródła i data sprawdzenia
dokumentacja: Sound effects, API: Sound effects, cennik API, cennik planów, model CLAP laion/larger_clap_general. Test własny 28.09.2026: 12 efektów po 5 s (600 kredytów) plus 3 tła do innych testów. Kurs 3,857 zł/USD. Sprawdzone 28 września 2026.
Cały tydzień w AI, w jednym mailu
Wybrane premiery, narzędzia i analizy. Raz w tygodniu, prosto do skrzynki.
Zapisz się za darmo →Link do ElevenLabs jest partnerski: jeśli kupisz przez niego, serwis dostaje prowizję, a Ty płacisz tyle samo. Nie wpływa to na treść, także tam, gdzie piszę krytycznie.
Podobne tematy na Promptowym
