Eleven Music: generator muzyki AI z polskim tekstem, test

👁 114 przeczytań

Eleven Music to generator muzyki AI od ElevenLabs: z opisu stylu i opcjonalnie tekstu piosenki robi gotowy utwór z wokalem albo bez. Sprawdziłem go na czterech próbkach: podkład lo-fi z poleceniem po angielsku i po polsku oraz piosenka indie pop z moim polskim tekstem, zamówiona raz angielskim, raz polskim opisem. Poniżej wszystkie utwory do odsłuchania, czasy generowania, koszt w kredytach i złotych oraz pomiar, czy wokal naprawdę śpiewa po polsku.

01Efekty dźwiękowe AI w ElevenLabs: test poleceń PL i ENPięć par efektów z tym samym opisem po polsku i po angielsku, ocenionych przez dwa modele. Wynik zmienia sposób pisania poleceń.Czytaj →02ElevenLabs 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 →03Voice 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 →04ElevenLabs Scribe: transkrypcja po polsku, test błędówMinutowy wywiad z nazwiskami typu Brzęczyszczykiewicz i 13 liczbami: Scribe v2 w trzech ustawieniach kontra Whisper, plus nagrania z szumem.Czytaj →05Ile 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 →06AI lektor: darmowe i płatne sposoby na polski głos, klonowanie i granice prawaAI lektor to synteza mowy na tyle dobra, że nagranie da się puścić w filmie, podcaście czy kursie bez tłumaczenia się słuchaczom.…Czytaj →

Co potrafi Eleven Music

• Modele: Music v2.5 (najnowszy), v2 i v1. Uwaga: w API domyślny wciąż jest v1 w okresie przejściowym, więc nowszy model trzeba wskazać ręcznie (model_id: music_v2_5). W aplikacji domyślny jest v2.
• Długość: według dokumentacji od 3 sekund do 5 minut.
• Wokal albo instrumental: parametr force_instrumental gwarantuje wersję bez śpiewu.
• Kontrola: plan kompozycji (sekcje z długościami i stylem w JSON), inpainting, czyli ponowne wygenerowanie jednego fragmentu, oraz Audio Reference - próbka ok. 30 s, która podpowiada brzmienie (v2 i v2.5, plany płatne, każda próbka jest sprawdzana pod kątem praw autorskich).
• Licencja: ElevenLabs podaje, że muzyka jest dopuszczona do niemal wszystkich zastosowań komercyjnych, od filmów po reklamy i gry. Użytek komercyjny zaczyna się od planu Starter.

Mój test: cztery utwory, polskie i angielskie polecenia

28 września 2026 wygenerowałem przez API cztery utwory modelem Music v2.5. Nie oceniałem gatunku na ucho. Użyłem modelu CLAP, który porównuje nagranie z opisami sześciu gatunków (lo-fi, indie pop, rock, klasyka, EDM, folk), a śpiew przepisałem transkrypcją Scribe i porównałem z tekstem, który podałem.

Podkład lo-fi: angielski kontra polski opis

Oba z force_instrumental, po 30 s. Transkrypcja nie znalazła w nich słów, tylko znacznik [outro jingle].

Upbeat lo-fi hip hop beat for a YouTube vlog intro, warm Rhodes piano
chords, vinyl crackle, soft kick and snare, 85 BPM, instrumental

Pogodny bit lo-fi hip hop do intro vloga na YouTube, ciepłe akordy
pianina Rhodes, trzaski winylu, miękka stopa i werbel, 85 BPM,
instrumentalny

Piosenka z polskim tekstem

Tekst napisałem sam: zwrotkę i refren po cztery wersy o spóźnionym tramwaju w deszczu. Styl opisałem raz po angielsku, raz po polsku, za każdym razem z dopiskiem, że wokal ma śpiewać po polsku.

Dreamy indie pop song with a soft female vocal singing in Polish,
clean electric guitar, warm bass, brushed drums, 100 BPM,
melancholic but hopeful. Lyrics:
[Verse]
Tramwaj spóźnia się jak zwykle,
deszcz rysuje miasto w szkle,
trzymam kawę w obu dłoniach,
jeszcze chwila, jeszcze nie.
[Chorus]
Warszawa budzi się powoli,
nikt nie pyta, dokąd gnasz,
pięć minut tylko dla mnie,
zanim miasto zmieni twarz.

Wyniki

Wszystkie cztery utwory trafiły w zamówiony gatunek, bo CLAP za każdym razem wskazał go jako najbardziej pasujący z sześciu. Przy angielskim opisie wynik był wyższy o 0,07-0,15, więc styl wychodzi odrobinę wierniejszy. Tekst został zaśpiewany w całości i zrozumiale: Scribe odtworzył wszystkie 37 słów w obu wersjach, a automatyczne wykrywanie języka rozpoznało polski z prawdopodobieństwem ok. 98%. Tu Eleven Music wyraźnie różni się od generatora efektów ElevenLabs, który w moim teście efektów dźwiękowych polskich poleceń nie rozumiał wcale.

Czego nie zmierzyłem: czy akcentowanie słów jest naturalne dla polskiego ucha i jak Eleven Music wypada obok Suno na tych samych poleceniach. To temat na osobne porównanie. Obecny stan narzędzi do muzyki zebrałem w przewodniku AI do muzyki.

Do czego użyłbym Eleven Music

To moja opinia po tym teście. Najmocniejsza strona to szybkość i przewidywalność krótkich form: podkład 30 s pod film na YouTube albo dżingiel z polskim tekstem powstaje w kilka sekund i od razu ma licencję komercyjną w płatnym planie. Przy dłuższej piosence wygodniejszy będzie plan kompozycji, w którym osobno ustawiasz długość i styl zwrotki, refrenu i zakończenia, a potem poprawiasz inpaintingiem tylko słabszy fragment zamiast losować cały utwór od nowa. Jeśli i tak robisz w ElevenLabs lektora albo dubbing, muzyka z tego samego konta oszczędza jedną subskrypcję.

Jak pisać polecenia do Eleven Music

• Zacznij od gatunku i nastroju, potem instrumenty, tempo w BPM i rodzaj wokalu.
• Język śpiewu napisz wprost („female vocal singing in Polish”). Tekst dołącz po słowie „Lyrics:” i oznacz sekcje [Verse], [Chorus].
• Jeśli nie chcesz wokalu, oprócz słowa „instrumental” ustaw w API force_instrumental, który według dokumentacji gwarantuje wersję bez śpiewu.
• Polski opis działa, ale angielski dał mi wierniejszy styl. Tekst piosenki zostaw po polsku.
• Długość ustaw parametrem, a nie w opisie.

Polecenie API, którym to robiłem (przetestowane 28.09.2026 także z długością 10 s):

curl -X POST "https://api.elevenlabs.io/v1/music?output_format=mp3_44100_128" \
  -H "xi-api-key: $ELEVENLABS_API_KEY" -H "Content-Type: application/json" \
  -d '{"prompt":"Upbeat lo-fi hip hop beat for a YouTube vlog intro, warm Rhodes piano chords, vinyl crackle, 85 BPM, instrumental",
       "music_length_ms":30000,"model_id":"music_v2_5","force_instrumental":true}' -o muzyka.mp3

Ile kosztuje Eleven Music

Cennik API z 28 września 2026: 0,15 USD (0,58 zł) za minutę muzyki, bez VAT. W moim teście cztery utwory o łącznej długości 150 s zużyły 5730 kredytów, czyli ok. 38 kredytów na sekundę, około 2300 na minutę. Przy tym tempie darmowy plan (10 tys. kredytów, bez użytku komercyjnego) wystarcza na ok. 4 minuty muzyki miesięcznie, Starter za 6 USD (23,14 zł) na ok. 13 minut, a Creator za 22 USD (84,85 zł) na ok. 52 minuty. Według pomocy ElevenLabs koszt zależy od długości i liczby wariantów, a aplikacja pokazuje go przed kliknięciem „Generate”. Plany porównuję w tekście ile kosztuje ElevenLabs, a wszystkie narzędzia firmy w przewodniku ElevenLabs.

Jeśli do muzyki potrzebujesz lektora, najnowszy model głosu opisałem w tekście o Eleven v4.

Najczęstsze pytania

Czy Eleven Music śpiewa po polsku?

Tak. W moim teście dwie piosenki z polskim tekstem zostały zaśpiewane w całości: transkrypcja odtworzyła 37 z 37 słów, a język rozpoznano jako polski z prawdopodobieństwem ok. 98%.

Ile kosztuje Eleven Music?

Przez API 0,15 USD (0,58 zł) za minutę, bez VAT. W planach płacisz kredytami: u mnie 2,5 minuty muzyki zużyło 5730 kredytów, około 2300 na minutę.

Czy muzykę z Eleven Music można wykorzystać komercyjnie?

Tak, od planu Starter. ElevenLabs podaje, że Eleven Music jest dopuszczona do niemal wszystkich zastosowań komercyjnych, szczegóły są w regulaminie muzyki.

Jak długi utwór zrobi Eleven Music?

Według dokumentacji od 3 sekund do 5 minut. Moje utwory 30 i 45 s były gotowe po 7-10 sekundach.

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.