Do zbudowania kopii czyjegoś głosu dokumentacja ElevenLabs zaleca jedną do dwóch minut czystego nagrania, a powyżej trzech minut poprawa jest już niewielka. Ta sama dokumentacja odnotowuje, że część użytkowników osiąga dobry efekt z trzydziestu sekund. Technologia jest przy tym publicznie dostępna i działa po polsku. Używają jej producenci audiobooków, ale też ludzie dzwoniący do seniorów głosem ich wnuka. Poniżej jedno i drugie: jak to działa, do czego służy legalnie, co mówi o tym prawo i co naprawdę chroni przed nadużyciem.
Czym jest klonowanie głosu i ile nagrania potrzebuje
Klonowanie głosu to zbudowanie modelu, który czyta dowolny tekst barwą konkretnej osoby. Nie jest to sklejanie nagranych słów, tylko odtwarzanie sposobu mówienia: wysokości, tempa, akcentu i charakterystycznych naleciałości.
Narzędzia dzielą to na dwa tryby. Szybki działa na krótkiej próbce i daje wynik od ręki. Dokładniejszy wymaga dłuższego materiału i treningu, a używa się go tam, gdzie głos ma pracować godzinami, na przykład w audiobooku.
Liczby warto brać z dokumentacji producenta, a nie z obiegu. ElevenLabs w opisie szybkiego klonowania zaleca jedną do dwóch minut czystego nagrania. Odradza przekraczanie trzech minut, bo, jak pisze, “przyniesie to niewielką poprawę, a w niektórych przypadkach może nawet zaszkodzić klonowi”.
Producent dodaje przy tym obserwację, która tłumaczy rozrzut krążących liczb. Zdarzało się, że próbki trzydziestosekundowe dawały doskonałe wyniki, a dziesięciominutowe gorsze. Jakość nagrania waży więc więcej niż jego długość.
Nagranie o takiej długości nie jest trudne do zdobycia. Wystarczy film w mediach społecznościowych, podcast, nagranie ze spotkania albo wiadomość głosowa.
Do czego klonowanie głosu służy legalnie
Zastosowań jest sporo i większość nie ma nic wspólnego z oszustwami. Lektor do materiału wideo bez wynajmowania studia. Audiobook czytany jednym głosem przez kilkadziesiąt godzin. Dubbing i tłumaczenia, w których postać brzmi tak samo w każdym języku. Odzyskanie własnego głosu przez osobę, która traci mowę z powodu choroby.
Jest też zastosowanie czysto operacyjne i mamy je w Polsce na dużą skalę. We wrześniu 2026 Allegro uruchomiło razem z ElevenLabs agenta głosowego na pierwszej linii infolinii Allegro Delivery. Ta sama technologia, która pozwala podszyć się pod wnuczka, odbiera telefony o statusie przesyłki.
To jest w tej sprawie najważniejsze i warto to powiedzieć wprost. Narzędzie nie jest ani dobre, ani złe. Różnicę robi zgoda osoby, której głos jest odtwarzany, oraz to, czy odbiorca wie, z kim rozmawia.
Co mówią regulaminy o zgodzie osoby, której głos klonujesz
ElevenLabs przerzuca ten obowiązek na użytkownika i robi to jednoznacznie. Zapisując sklonowany głos, potwierdzasz, że masz prawo i zgodę na jego sklonowanie. Dokumentacja odsyła dalej do regulaminu usługi i do materiałów o bezpieczeństwie. Inni dostawcy mają własne regulaminy i warto je przeczytać osobno.
Różnica między oświadczeniem a weryfikacją jest tu istotna. Dokumentacja szybkiego klonowania nie opisuje żadnej procedury sprawdzania tego oświadczenia. Jest pole do zaznaczenia i twoja odpowiedzialność za to, co w nim zadeklarujesz.
Praktyczny wniosek dla kogoś, kto chce z tego korzystać legalnie, jest krótki. Zgodę bierz na piśmie i zapisz, do czego konkretnie głos ma być użyty. Nagranie głosu znajomego z komunikatora nie jest zgodą, a zaznaczenie pola w formularzu nie czyni go zgodą.
Jak sklonować własny głos po polsku
Najprostszy i najbezpieczniejszy przypadek to własny głos, bo zgodę masz z definicji. Na przykładzie szybkiego klonowania w ElevenLabs proces wygląda tak.
- Sprawdź, czy narzędzie obsługuje polski. Nie wszystkie generatory radzą sobie z naszą fonetyką równie dobrze. Klon z obcym akcentem nadaje się co najwyżej do testów.
- Nagraj od jednej do dwóch minut czystego materiału. Cicha przestrzeń, jeden mikrofon, normalne tempo mówienia, bez muzyki w tle i bez pogłosu. Dłuższe nagranie nie jest lepsze, a przy złej akustyce bywa gorsze.
- Nagrywaj naturalnie i spójnie. Jeden sposób mówienia przez całą próbkę, bez zmiany tempa i nastroju w połowie. Dokumentacja kładzie nacisk właśnie na spójność tonu.
- Potwierdź prawo do głosu. Przy własnym głosie to formalność, przy cudzym musi stać za tym realna zgoda, a nie samo zaznaczenie pola.
- Zrób test na tekście, którego nie było w próbce. Dopiero wtedy słychać, czy klon poprawnie czyta polskie końcówki, liczebniki i nazwy własne.
Pytanie o wariant bezpłatny wraca w wyszukiwarce najczęściej. Nie wskazujemy konkretnej darmowej opcji, bo nie zweryfikowaliśmy aktualnych cenników. Przed rejestracją sprawdź u dostawcy, czy bezpłatny plan w ogóle obejmuje klonowanie głosu i jaki ma limit.
Co AI Act każe oznaczać, a czego nie
Tu obiegowa opinia rozjeżdża się z przepisem, więc warto rozdzielić dwie rzeczy. Obowiązki przejrzystości z artykułu 50 unijnego rozporządzenia o sztucznej inteligencji obowiązują od 2 sierpnia 2026 i nie zostały odroczone razem z resztą pakietu.
Obowiązki rozkładają się między dwa podmioty. Producent narzędzia ma oznaczać wyniki swojego systemu w sposób czytelny maszynowo. Systemy obecne na rynku przed 2 sierpnia 2026 mają na to czas do 2 grudnia 2026. Firma, która z gotowego narzędzia korzysta, ma ujawnić, że materiał jest sztuczny, ale tylko w określonych kategoriach.
Deepfake jest jedną z tych kategorii, jednak nie rozstrzyga o tym etykieta. Komisja każe sprawdzić trzy przesłanki naraz: wysokie podobieństwo, odniesienie do czegoś istniejącego lub realnie możliwego oraz zdolność wprowadzenia odbiorcy w błąd co do autentyczności. Dopiero komplet przesądza sprawę.
Użytek osobisty w ogóle nie tworzy podmiotu stosującego, więc żart na urodziny cioci leży poza rozporządzeniem. Kary za naruszenie artykułu 50 sięgają 15 milionów euro albo 3 procent obrotu, ale polskie przepisy o kontrolach i karach ruszają dopiero 28 października 2026. Cały ten kalendarz, razem z przesunięciami, rozpisaliśmy w przewodniku po AI Act dla polskich firm.
Jedna rzecz nie wynika z tego wszystkiego. Obowiązek oznaczania może istnieć także tam, gdzie materiał powstał w złej wierze. Tyle że przestępca go zignoruje i żaden przepis nie zmusi go z góry do posłuszeństwa. Artykuł 50 porządkuje rynek legalny i samo jego istnienie nie chroni przed telefonem od oszusta.
Jak wygląda oszustwo na wnuczka z klonowanym głosem
Schemat opisuje Komisja Nadzoru Finansowego w materiale swojego centrum edukacyjnego i warto przeczytać go dosłownie, bo różni się od wyobrażeń.
W schemacie ogólnym oszust przedstawia się jako członek rodziny albo jako przedstawiciel organów ścigania. W opisanym przez KNF wariancie z klonowanym głosem rozmowę prowadzi jednak osoba podająca się za policjanta lub prokuratora. Zapowiada, że “przekaże do telefonu” wspomnianego wcześniej krewnego, i dopiero wtedy wchodzi głos wygenerowany przez sztuczną inteligencję. KNF odnotowuje, że taka rozmowa “odbywa się bardzo płynnie, co może stwarzać poczucie wiarygodności”.
⚠️ Najciekawszy jest jednak fragment o tym, skąd bierze się próbka głosu, i tego akurat nie ma w popularnych poradnikach. Poza publicznie dostępnymi nagraniami wideo KNF wskazuje na telefony od rzekomych ankieterów, wykonywane wcześniej do osoby, pod którą oszust ma się potem podszyć.
To przestawia całą obronę. Niewinny telefon z ankietą, po którym nic się nie dzieje, może być etapem przygotowania. Nie chodzi o to, żeby nie odbierać telefonów. Chodzi o to, żeby nie uznawać ostrożności w mediach społecznościowych za wystarczające zabezpieczenie. Próbkę można pozyskać wprost od ciebie.
Pierwsza Misja AI · Kodożercy
Zagrożenia AI rozumie ten, kto wie, jak ona działa
Kurs Pierwsza Misja AI ma osobną lekcję o ciemnej stronie AI: halucynacje, deepfakes, manipulacja. Zanim zaczniesz się bać, zacznij rozumieć.
Poznaj pełny program →
Co realnie pomaga, a czego nie usłyszysz
Zacznijmy od złej wiadomości, bo od niej zależy sens całej reszty. Nie licz na to, że rozpoznasz klon po brzmieniu. Dokumentacja producenta opisuje wynik jako wierną kopię, a KNF pisze o rozmowie płynnej na tyle, żeby budzić zaufanie. Żadne z tych źródeł nie podaje cechy dźwiękowej, po której da się pewnie odróżnić dobry klon od żywego człowieka.
Poradniki podpowiadające, żeby wsłuchać się w oddech, pauzy albo metaliczny posmak, opisują słabe klony sprzed kilku lat. Przy dobrej próbce te wskazówki dają fałszywe poczucie kontroli, a to jest gorsze niż brak wskazówki.
Obrona nie polega więc na rozstrzyganiu, kto mówi. Polega na przerwaniu rozmowy i sprawdzeniu sprawy poza nią.
- Rozłącz się i sam skontaktuj się z bliskim przez numer, który masz zapisany, albo innym niezależnym kanałem. Numer na wyświetlaczu da się podrobić. Oddzwanianie na niego niczego nie weryfikuje.
- Jeśli bliski nie odbiera, zapytaj kogoś jeszcze. Innego domownika, sąsiada, kolegę z pracy. Brak kontaktu sam w sobie niczego nie potwierdza.
- Hasło rodzinne bywa pomocne, ale traktuj je jako dodatkowy filtr, nie zamiennik oddzwonienia. Pod presją łatwo je zapomnieć. Oszust może też twierdzić, że rozmówca jest ranny albo zdenerwowany.
Sygnały alarmowe mieszczą się zwykle w treści, a nie w brzmieniu. Presja czasu, prośba o pieniądze albo o kod, zniechęcanie do konsultacji. Żaden z nich nie przesądza sam, kto jest po drugiej stronie. Rozstrzyga dopiero kontakt niezależnym kanałem.
Jeśli pieniądze już wyszły z konta, sprawa przenosi się gdzie indziej. Terminy, obowiązki banku i ścieżkę po odmowie zwrotu rozpisaliśmy w poradniku o zgłaszaniu oszustwa bankowego.
Najczęstsze pytania o klonowanie głosu
Ile nagrania potrzeba, żeby sklonować głos?
Dokumentacja ElevenLabs zaleca dla szybkiego klonowania jedną do dwóch minut czystego nagrania i odradza przekraczanie trzech minut. Producent odnotowuje przy tym, że część użytkowników uzyskiwała doskonałe wyniki z trzydziestosekundowej próbki, a gorsze z dziesięciominutowej. Jakość materiału waży więcej niż jego długość, a liczby różnią się między narzędziami.
Czy klonowanie głosu jest legalne w Polsce?
Samo narzędzie jest legalne i ma zastosowania zawodowe, od dubbingu po infolinie. Granicę wyznacza zgoda osoby, której głos odtwarzasz, oraz cel. Dokumentacja ElevenLabs wymaga oświadczenia o posiadaniu prawa i zgody. Podszywanie się pod inną osobę w celu wyłudzenia jest przestępstwem niezależnie od użytej technologii.
Czy muszę oznaczać nagranie zrobione klonem głosu?
Zależy od tego, czym to nagranie jest. Obowiązek ujawnienia z artykułu 50 obejmuje deepfake’i, czyli materiały spełniające naraz trzy przesłanki: wysokie podobieństwo, odniesienie do czegoś realnego i zdolność wprowadzenia odbiorcy w błąd. Użytek osobisty w ogóle nie tworzy podmiotu stosującego. Znakowanie czytelne maszynowo jest natomiast obowiązkiem producenta narzędzia, nie twoim.
Czy da się rozpoznać sklonowany głos po brzmieniu?
Nie można bezpiecznie zakładać, że rozpoznasz. Ani dokumentacja producenta, ani materiały KNF nie podają cechy dźwiękowej, która pewnie odróżnia klon od żywego człowieka. Schemat rozmowy bywa podpowiedzią: presja czasu, prośba o pieniądze, zniechęcanie do konsultacji. Sam w sobie niczego nie rozstrzyga, więc sprawę weryfikuje się kontaktem przez znany numer albo inny niezależny kanał.
Skąd oszuści biorą próbkę głosu?
Z nagrań publicznie dostępnych, na przykład filmów w mediach społecznościowych i podcastów. KNF wskazuje też na telefony od rzekomych ankieterów wykonywane wcześniej do osoby, pod którą oszust zamierza się podszyć. Ograniczenie tego, co publikujesz, pomaga tylko częściowo, bo drugi kanał pozyskania próbki prowadzi wprost przez rozmowę z tobą.
Podsumowanie
Klonowanie głosu przestało być ciekawostką i jest dziś zwykłym narzędziem, dostępnym publicznie i działającym po polsku. Do zbudowania kopii wystarcza materiał, który większość z nas zostawia po sobie bez zastanowienia. Producent podaje w dokumentacji jedną do dwóch minut jako zakres zalecany. Prawo nadąża za tym połowicznie. Obowiązki przejrzystości z AI Act obowiązują od sierpnia 2026 i porządkują rynek legalny. Oszust dzwoniący do twojej babci po prostu je zignoruje. Domowa obrona nie polega więc na wsłuchiwaniu się w barwę, bo sam odsłuch nie daje pewnej weryfikacji, a poradniki obiecujące co innego dają złudzenie kontroli. Zostaje jeden nawyk, prosty i wart wyrobienia zawczasu: rozłącz się i sam sprawdź sprawę u bliskiego, przez numer, który masz zapisany, albo przez inny niezależny kanał.
Newsletter · DevstockAcademy & Kodożercy
Bądź na bieżąco ze światem IT, AI i automatyzacji
Co wtorek: newsy z branży, praktyczne tipy i narzędzia które warto znać. Zero spamu.
