CLOVA Dubbing vs ElevenLabs: stesso copione, ho ascoltato 9 voci e tirato le somme

Ciao, qui Sonetho. ⚡

« Per una voce narrante su YouTube, CLOVA Dubbing non basta? »
È una domanda che mi arriva spesso.
Così ho fatto il confronto di persona.
Ho generato gli stessi 4 copioni coreani con 5 voci CLOVA Voice e 4 voci ElevenLabs, 9 voci in totale, e ho ascoltato per intero tutti i 36 campioni.

🧪 Come ho fatto il confronto

I copioni coprono 4 categorie.
La recitazione emotiva (una battuta che passa dalla gioia per un successo al peso dei rimpianti), la lettura in stile telegiornale, il misto di inglese e numeri (come ChatGPT, 22 dollari) e la coerenza sui testi lunghi.
Per CLOVA ho generato 1 voce standard e 4 voci Pro tramite l'API CLOVA Voice.
La documentazione ufficiale di NAVER Cloud specifica che CLOVA Dubbing usa proprio questo motore CLOVA Voice: il confronto sulla qualità è quindi valido.
Per ElevenLabs ho generato 2 voci molto amate dalla community coreana con entrambi i modelli v2 e v3.

Per ogni categoria qui sotto ho inserito campioni reali. Ascoltali e giudica da te.
Sono tutti originali prodotti per questo test, in estratti a scopo di confronto.

🎧 Cosa emerge dall'ascolto

I risultati, spiegati nel dettaglio, sono questi.

Sull'espressione delle emozioni il confronto non regge nemmeno.
CLOVA Voice, sia in Pro sia in standard, recita le battute emotive come se leggesse un notiziario.
Del resto CLOVA Dubbing non offre alcun comando per guidare l'emozione. Ci sono solo velocità, tono ed effetti speciali.
ElevenLabs, invece, ha davvero recitato il passaggio dal sospiro alla gioia, e un PVC ben addestrato (la clonazione della mia stessa voce) raggiungeva un livello in cui è difficile capire se sia umano o IA.

Sul misto di inglese e numeri c'è stato un colpo di scena divertente.
A leggere meglio è stato Eleven v3. Ha pronunciato in modo quasi perfetto espressioni come ChatGPT, Gemini o 22 dollari.
Il secondo posto, però, non è andato a ElevenLabs Multilingual v2, ma a CLOVA.
Appena v2 incontra uno schema assente dai dati di addestramento la pronuncia crolla, mentre CLOVA leggeva in modo più stabile.
Anche dentro CLOVA ci sono differenze: le voci Pro leggono le parole inglesi nettamente meglio di quella standard.

Anche la differenza di indole tra v2 e v3 era netta.
v2 si basa sui dati appresi: è stabile sulle frasi familiari, ma debole davanti agli schemi inediti.
v3 legge bene anche gli schemi inediti, ma ha un difetto di coerenza: il timbro oscilla quando cambia il paragrafo.
Ho approfondito questo comportamento nel test coreano Eleven v3 vs v2 in 4 categorie.

🎙️ Ascolta tutte e 9 le voci

Sopra ho inserito solo le voci principali.
Pubblico qui tutte e 9 le varianti create con lo stesso script emotivo.
Ho incluso anche le due precedenti per facilitare il confronto.

CLOVA Nara (Standard)

CLOVA Ara Pro

CLOVA Donghyun Pro

CLOVA Ian Pro

CLOVA Yuna Pro

ElevenLabs Hyuk (Multilingual v2)

ElevenLabs Hyuk (v3)

ElevenLabs Selly (Multilingual v2)

ElevenLabs Selly (v3)

Anche all'interno di CLOVA, la versione Standard e quella Pro sono differenti.
Tuttavia, le quattro versioni Pro differiscono solo per il timbro di voce, mentre il modo di gestire le emozioni è identico.
Per quanto riguarda ElevenLabs, anche usando la stessa voce, le versioni v2 e v3 suonano come attori diversi.

⏱️ Oltre alla qualità, abbiamo misurato anche la velocità

Se si estraggono decine di clip da un singolo video, il tempo di generazione corrisponde al tempo di lavoro.
Per questo motivo, durante la creazione di 36 campioni, abbiamo registrato il tempo trascorso dalla chiamata API alla ricezione completa dell'audio.

Il dato più affidabile è la differenza tra v3 e v2.
La v3 è risultata in media del 65% più lenta della v2 (6,877ms contro 4,180ms).
Poiché abbiamo alternato le chiamate tra i due modelli per ogni voce, l'orario o le condizioni del server non possono aver favorito una parte rispetto all'altra.
In precedenza abbiamo accennato al fatto che la v3 ha una pronuncia inglese migliore, ma il prezzo da pagare è il tempo.
Ciò significa che per estrarre 100 clip servono 7 minuti con la v2 e 11 minuti con la v3.

Il divario tra i motori è stato di 3.9 volte.
La media di CLOVA è di 1,413ms, mentre quella di ElevenLabs è di 5,529ms.
In termini di caratteri elaborati al secondo, parliamo di 125 contro 32.
La voce standard di CLOVA è stata la più veloce con 918ms, e anche all'interno di CLOVA le versioni Pro sono più lente dello standard.

Dichiariamo anche i limiti di questo test.
Abbiamo effettuato una sola misurazione per ogni combinazione e il tempo include la latenza di rete.
Inoltre, il ciclo di misurazione è stato suddiviso per categorie. Poiché le chiamate della stessa categoria venivano inviate in sequenza, non è possibile distinguere se la lentezza di una specifica categoria dipenda dal tipo di testo o dallo stato del server in quel momento.
Per questo motivo, non abbiamo utilizzato la classifica per categoria come conclusione.
Solo il divario tra i motori e la differenza tra v3 e v2 sono stati riportati sopra, poiché sono troppo significativi per essere spiegati come un bias.

In aggiunta, questi dati sono il risultato di una modalità che riceve Multilingual v2 e v3 in un unico invio.
ElevenLabs offre separatamente modelli della serie Flash orientati alla bassa latenza e modalità di streaming.
Se dovete scegliere per conversazioni in tempo reale o chiamate, non dovete fare riferimento a questa tabella, ma a quelle opzioni.

💰 Prezzi e licenza: qui sta il vero bivio

Al di là della qualità, sono le condizioni a fare la differenza maggiore. Dati aggiornati a luglio 2026.

Un'avvertenza importante.
Usare CLOVA Dubbing gratuito su un canale YouTube monetizzato viola i termini d'uso.
Da dicembre 2023 il piano gratuito è consentito solo su « un canale che non genera alcun reddito ».
Gli articoli di blog secondo cui « basta citare la fonte per usare il gratuito, anche su un canale AdSense » si riferiscono a una vecchia policy ormai abrogata.
E anche pagando Standard (19,900원), la vendita di contenuti, la produzione in outsourcing, la trasmissione e la pubblicità restano vietate.
Quello è territorio di Premium (89,900원).

🤔 Quindi, quale usare?

Quando conviene CLOVA Dubbing
Quando crei un canale non monetizzato o video per uso personale.
Quando ti serve un editor che chiude tutto in un'unica schermata, dal caricamento del video ai sottotitoli, agli effetti sonori e al doppiaggio.
Quando ti trovi meglio con un'interfaccia in coreano e un'app mobile.

Quando conviene ElevenLabs
Quando lo usi per contenuti monetizzati. Con i diritti commerciali completi già da 8.000 KRW non serve fare calcoli sulle condizioni.
Per voci narranti, audiolibri o lavori sui dialoghi che richiedono recitazione emotiva.
Quando vuoi clonare la tua stessa voce (PVC) per creare contenuti.

Iscrivendoti a ElevenLabs tramite il link qui sotto, lo sconto del 50% sul primo mese del piano Creator si applica in automatico.

Ottieni il 50% di sconto sul primo mese di ElevenLabs →

❓ Domande frequenti (FAQ)

Q. Posso usare CLOVA Dubbing gratuito su un canale YouTube monetizzato?
No.
Da dicembre 2023 il piano gratuito è consentito solo per la pubblicazione su canali senza reddito.
Se sul canale è attivo AdSense serve un piano a pagamento, e la vendita di contenuti o i video pubblicitari sono possibili solo da Premium (89,900원/mese).

Q. Tra CLOVA Dubbing ed ElevenLabs, quale suona più naturale?
All'ascolto, ElevenLabs è avanti su espressione emotiva e naturalezza complessiva, in particolare v3 e un PVC ben addestrato.
Detto questo, sulle frasi con inglese misto c'è stato il colpo di scena di CLOVA che legge in modo più stabile di ElevenLabs v2.

Q. Quanto costa CLOVA Dubbing?
Gratuito (15.000 caratteri/mese), Standard 19,900원/mese, Premium 89,900원/mese.
Standard è limitato all'uso personale e non profit, quindi per vendere contenuti o fare pubblicità serve Premium.

Se ti incuriosisce la sfida a tre dei TTS coreani, dai un'occhiata anche a Typecast vs Vrew vs ElevenLabs.
La sfida sul riconoscimento vocale (STT) continua in CLOVA riconoscimento vocale vs Scribe, alla prova.
Ci vediamo al prossimo articolo. Sono stato Sonetho. ⚡