Cześć, tu Sonetho. ⚡
„Do narracji na YouTube CLOVA Dubbing nie wystarczy?”
To pytanie słyszę bardzo często.
Dlatego sam przeprowadziłem porównanie.
Te same 4 koreańskie scenariusze wygenerowałem 5 głosami CLOVA Voice i 4 głosami ElevenLabs, w sumie 9 głosami, i przesłuchałem w całości wszystkie 36 próbek.
🧪 Jak porównywałem
Scenariusze obejmują 4 kategorie.
Gra emocjami (kwestia, która przechodzi od radości z sukcesu do ciężaru żalu), czytanie w stylu wiadomości telewizyjnych, mieszanka angielskiego i liczb (jak ChatGPT, 22 dolary) oraz spójność na długim tekście.
Po stronie CLOVA wygenerowałem 1 głos standardowy i 4 głosy Pro przez API CLOVA Voice.
Oficjalna dokumentacja NAVER Cloud podaje, że CLOVA Dubbing korzysta właśnie z tego silnika CLOVA Voice, więc porównanie jakości jest zasadne.
Po stronie ElevenLabs wygenerowałem 2 głosy popularne w koreańskiej społeczności w obu modelach, v2 i v3.
Przy każdej kategorii poniżej wstawiłem prawdziwe próbki. Posłuchaj i oceń sam.
Wszystkie to oryginały wygenerowane na potrzeby tego testu, jako fragmenty do porównania.
🎧 Co wyszło na słuch
Kategoria | NAJLEPSZY | W jednym zdaniu |
|---|---|---|
Gra emocjami | ElevenLabs | Szczerze mówiąc, CLOVA to wciąż robotyczny TTS pierwszej generacji. |
Wymowa angielskiego i liczb | Eleven v3 | Prawie wszystko czyta poprawnie. Zwrot akcji: CLOVA jest lepszy niż Eleven v2 |
Moment „to człowiek?!” | ElevenLabs | Zwłaszcza dobrze wytrenowany PVC trudno odróżnić od żywej osoby |
Spójność głosu | CLOVA i Eleven v2 | v3 dobrze czyta, ale w zamian ma wadę zmieniającego się głosu |
A oto te wyniki rozpisane szczegółowo.
🎧 Posłuchaj kategorii emocje
Scenariusz: „Ha... zdałem?! To chyba nie sen, prawda?”
CLOVA Voice (Ara Pro)
ElevenLabs (Hyuk, v3)
Przy wyrażaniu emocji porównanie w ogóle się nie broni.
CLOVA Voice, czy to Pro, czy standard, czyta emocjonalne kwestie tak, jakby czytała wiadomości.
Zresztą CLOVA Dubbing nie ma żadnej funkcji sterowania emocją. Są tylko tempo, wysokość dźwięku i efekty specjalne.
ElevenLabs naprawdę zagrał przejście od westchnienia do radości, a dobrze wytrenowany PVC (klon mojego własnego głosu) osiągał poziom, na którym trudno rozpoznać, czy to człowiek, czy AI.
Przy mieszance angielskiego i liczb był ciekawy zwrot akcji.
Najlepiej przeczytał to Eleven v3. Wyrażenia takie jak ChatGPT, Gemini czy 22 dolary wymówił niemal bezbłędnie.
Drugie miejsce zajął jednak nie ElevenLabs Multilingual v2, lecz CLOVA.
Gdy v2 napotka wzorzec spoza danych treningowych, wymowa się sypie, a CLOVA czytał od niego stabilniej.
Różnice są też wewnątrz CLOVA: głosy Pro czytają angielskie słowa wyraźnie lepiej niż głos standardowy.
🎧 Posłuchaj kategorii angielski i liczby
W scenariuszu przewijają się ChatGPT, Gemini i 22 dolary
① ElevenLabs v2 (Hyuk): ten, który nie daje rady
② CLOVA Voice (Ara Pro): zaskakująco stabilny
③ ElevenLabs v3 (Hyuk): niemal bezbłędny
Różnica charakterów v2 i v3 też była wyraźna.
v2 opiera się na wyuczonych danych, więc na znanych zdaniach jest stabilny, ale słabo radzi sobie z nowymi wzorcami.
v3 dobrze czyta także nowe wzorce, ale w zamian ma wadę spójności: barwa głosu drży przy zmianie akapitu.
Tę cechę opisałem dokładniej w koreańskim teście Eleven v3 vs v2 w 4 kategoriach.
💰 Ceny i licencja: tu jest prawdziwy rozłam
Poza jakością to właśnie warunki robią większą różnicę. Stan na lipiec 2026.
Kryterium | CLOVA Dubbing | ElevenLabs |
|---|---|---|
Za darmo | 15 000 znaków/miesiąc, 20 pobrań | 10 000 kredytów/miesiąc |
Warunki darmowego planu | Obowiązkowy znak wodny + podanie źródła + zakaz publikacji na kanale zarobkowym | Użytek komercyjny dozwolony przy podaniu źródła |
Cena wejścia w prawa komercyjne | 19,900원 (ale tylko do użytku osobistego i niekomercyjnego) | $6 (około 8 000 KRW, pełne prawa komercyjne) |
Sprzedaż, reklama, emisja | Od Premium 89,900원 | Od planu Starter ($6) |
Klonowanie głosu | Brak | Instant od $6, PVC od $22 |
Jedna ważna uwaga.
Użycie darmowego CLOVA Dubbing na zarobkowym kanale YouTube łamie regulamin.
Od grudnia 2023 plan darmowy jest dozwolony wyłącznie na „kanale, który nie generuje żadnych przychodów”.
Wpisy blogowe głoszące, że „wystarczy podać źródło, by korzystać za darmo, nawet na kanale z AdSense”, opierają się na dawnej, już zniesionej polityce.
A nawet po wykupieniu Standard (19,900원) sprzedaż treści, produkcja na zlecenie, emisja i reklama wciąż są niedozwolone.
To domena Premium (89,900원).
🤔 Więc czego używać?
Kiedy pasuje CLOVA Dubbing
Gdy tworzysz kanał bez monetyzacji albo filmy do prywatnego użytku.
Gdy potrzebujesz edytora, który zamyka wszystko na jednym ekranie: od wgrania filmu po napisy, efekty dźwiękowe i dubbing.
Gdy wygodniejszy jest dla ciebie koreański interfejs i aplikacja mobilna.
Kiedy pasuje ElevenLabs
Gdy używasz go do treści zarobkowych. Pełne prawa komercyjne już od 8 000 KRW sprawiają, że nie musisz przeliczać warunków.
Do narracji, audiobooków i pracy z dialogami, które wymagają gry emocjami.
Gdy chcesz sklonować własny głos (PVC) i tworzyć treści.
Jeśli zarejestrujesz się w ElevenLabs przez poniższy link, zniżka 50% na pierwszy miesiąc planu Creator naliczy się automatycznie.
Odbierz 50% zniżki na pierwszy miesiąc ElevenLabs →
❓ Najczęstsze pytania (FAQ)
Q. Czy mogę użyć darmowego CLOVA Dubbing na zarobkowym kanale YouTube?
Nie.
Od grudnia 2023 plan darmowy jest dozwolony tylko do publikacji na kanałach bez przychodów.
Jeśli na kanale masz włączony AdSense, potrzebujesz planu płatnego, a sprzedaż treści czy filmy reklamowe są możliwe dopiero od Premium (89,900원/miesiąc).
Q. Co brzmi bardziej naturalnie: CLOVA Dubbing czy ElevenLabs?
Na słuch ElevenLabs prowadzi w wyrażaniu emocji i ogólnej naturalności, zwłaszcza v3 i dobrze wytrenowany PVC.
Był jednak zwrot akcji: w zdaniach z domieszką angielskiego CLOVA czyta stabilniej niż ElevenLabs v2.
Q. Ile kosztuje CLOVA Dubbing?
Za darmo (15 000 znaków/miesiąc), Standard 19,900원/miesiąc, Premium 89,900원/miesiąc.
Standard jest ograniczony do użytku osobistego i niekomercyjnego, więc do sprzedaży treści lub reklamy potrzebny jest Premium.
Jeśli ciekawi cię potrójne starcie koreańskich TTS, zajrzyj też do Typecast vs Vrew vs ElevenLabs.
Starcie w rozpoznawaniu mowy (STT) ma ciąg dalszy w CLOVA rozpoznawanie mowy vs Scribe w praktyce.
Do zobaczenia w następnym wpisie. Tu Sonetho. ⚡