Generátory AI hlasu 2026: srovnání nástrojů a cen

Generátory AI hlasu se za poslední dva roky dostaly do bodu, kdy běžný posluchač nepozná rozdíl od člověka — v angličtině. U češtiny je situace jiná a výběr nástroje tu rozhoduje mnohem víc. Porovnali jsme tři hlavní cesty, kterými může česká firma namluvit video, telefonní hlášku nebo e-learning: ElevenLabs, Google Cloud Text-to-Speech a OpenAI — u kterého navíc běží odpočet do vypnutí.

Pozor na terminologii: tenhle článek je o převodu textu na řeč. Opačný směr, tedy přepis mluveného slova do textu, jsme rozebírali zvlášť v srovnání nástrojů na přepis češtiny.

Rychlá odpověď: co si vybrat

Nástroj	Model účtování	Zdarma měsíčně	Sedne vám, když…
ElevenLabs	kredity (≈ znaky), tarify	10 000 kreditů, bez komerční licence	chcete nejpřirozenější češtinu a klonování hlasu
Google Cloud TTS	za znak, platíte jen spotřebu	1–4 mil. znaků podle typu hlasu	máte velký objem a stačí vám korektní, ne herecký projev
OpenAI	přes API	—	už na něm stavíte — ale čeká vás migrace (viz níže)

ElevenLabs: nejlepší čeština, platí se za znaky

ElevenLabs je dnes referenční bod pro kvalitu. Češtinu zvládají tři jeho modely: Eleven v3 (85 jazyků), Multilingual v2 (29 jazyků) a Flash v2.5 (32 jazyků). Pozor na model Flash v2 — ten umí jen angličtinu.

Bezplatný tarif dává 10 000 kreditů měsíčně, ale bez komerční licence — na firemní použití tedy nestačí a je to nejčastější přehlédnutá podmínka. Placené tarify začínají u nízkých jednotek dolarů (vstupní úrovně teď běží v akci, takže si ověřte cenu po jejím skončení) a škálují takto: Pro 99 $ za 600 000 kreditů, Scale 299 $ za 1,8 milionu a Business 990 $ za 6 milionů kreditů měsíčně. Komerční licence je součástí už nejnižšího placeného tarifu.

Klonování hlasu má dvě úrovně: Instant Voice Cloning z krátké nahrávky dostanete i v nejlevnějším placeném tarifu, kvalitnější Professional klon až od tarifu Creator — a vyšší tarify jich dovolí víc najednou.

Google Cloud TTS: nejlevnější při objemu

Google neprodává tarify, ale účtuje za znak — a má nezvykle štědrý trvalý bezplatný rámec. Ceny po jeho vyčerpání:

• Chirp 3: HD (aktuální generace) — 1 milion znaků měsíčně zdarma, pak 30 $ za milion
• Neural2 — 1 milion zdarma, pak 16 $ za milion
• WaveNet a Standard — 4 miliony znaků zdarma, pak 4 $ za milion
• Studio — 1 milion zdarma, pak 160 $ za milion

Standard, WaveNet, Neural2 i Studio Google vede jako starší modely; nasazujete-li něco nového, počítejte s Chirp 3: HD. Pro představu: průměrná stránka textu má kolem 1 800 znaků, takže čtyři miliony znaků odpovídají zhruba 2 200 stranám měsíčně — u WaveNetu zdarma. Pokud generujete hlášky do telefonní ústředny nebo popisky produktů ve velkém, Google vyjde řádově levněji než ElevenLabs. Projev je ale korektní spíš než herecký.

OpenAI vypíná TTS endpoint 6. ledna 2027

Tohle je nejdůležitější zpráva pro každého, kdo už AI hlasy nasadil. OpenAI v dokumentaci označilo všechny tři modely pro převod textu na řeč — gpt-4o-mini-tts, tts-1 i tts-1-hd — jako vyřazované, s termínem vypnutí 6. ledna 2027. Doporučenou náhradou je gpt-realtime-2.1-mini přes Realtime API, které ovšem nefunguje se stávajícím endpointem /v1/audio/speech. Nejde tedy o výměnu názvu modelu, ale o přepsání integrace.

Druhá poznámka z téže dokumentace je pro české firmy zásadní: OpenAI u svých hlasů přímo uvádí, že jsou optimalizované pro angličtinu. Čeština projde, ale přízvuk a intonace tomu odpovídají.

Čeština není angličtina: na co si dát pozor

Než cokoli nakoupíte, otestujte na svém textu — ne na ukázce z webu dodavatele. Česká úskalí, na kterých modely nejčastěji selhávají:

1. Skloňování jmen a firem. „Pošleme to panu Dvořákovi“ versus „panu Dvořák“ — chyba, kterou zákazník okamžitě slyší.
2. Čísla, datumy a jednotky. „1. 5.“ se dá přečíst nejméně třemi způsoby. Zkontrolujte, jak si to model vyloží.
3. Zkratky a cizí slova. DPH, IČO, s. r. o., názvy produktů v angličtině uprostřed české věty.
4. Délky a měkčení. Rozdíl mezi „byt“ a „být“ nebo „pas“ a „pás“ model občas setře.

Praktický postup: vezměte stránku reálného textu se jmény klientů a čísly, nechte ji namluvit u všech kandidátů a pusťte ji někomu, kdo neví, co testujete. Rozhodne to rychleji než jakékoli srovnání parametrů — včetně tohoto.

Kolik to reálně stojí

Modelový příklad: e-shop chce namluvit 300 popisů produktů po 600 znacích, tedy 180 000 znaků měsíčně. U Google WaveNetu se vejdete do bezplatného rámce a platíte nula. U Chirp 3: HD také (limit je 1 milion). U ElevenLabs 180 000 kreditů překročí tarif Creator a tlačí vás k tarifu Pro za 99 $ měsíčně. Rozdíl je tedy zhruba 1 200 $ ročně — a otázka zní, jestli vám za to vyšší kvalita projevu stojí. U produktových popisků většinou ne, u reklamního spotu nebo firemního videa často ano.

A ještě jedna věc, která se do tabulek nevejde: licence a souhlas. Klonovat hlas zaměstnance nebo známé osobnosti bez písemného souhlasu je právní problém bez ohledu na to, co vám nástroj technicky dovolí. U bezplatných tarifů navíc komerční užití typicky vůbec není povolené.

Pokud řešíte, jestli se vám AI hlasy vůbec vyplatí nasadit a kde, projdeme to s vámi krok za krokem — včetně toho, co nechcete slyšet. Orientaci v tom, kde ve firmě AI dává smysl, nabízí i AI Kompas, konkrétní příklady pak AI v praxi.

Časté otázky

Který generátor AI hlasu umí nejlépe česky?

Z testovaných nástrojů dává nejpřirozenější český projev ElevenLabs — češtinu podporují jeho modely Eleven v3, Multilingual v2 a Flash v2.5. Google Chirp 3: HD zvládá češtinu spolehlivě a levněji, ale s méně výrazným hereckým projevem. OpenAI své hlasy sám označuje za optimalizované pro angličtinu.

Můžu AI hlas použít komerčně zdarma?

U ElevenLabs ne — bezplatný tarif s 10 000 kredity měsíčně komerční licenci neobsahuje, ta přichází až s placeným tarifem. U Google Cloud TTS je bezplatný rámec (1 až 4 miliony znaků měsíčně podle typu hlasu) součástí běžné placené služby, takže komerční použití omezené není.

Co mám dělat, když stavím na OpenAI TTS?

Naplánujte migraci. Modely gpt-4o-mini-tts, tts-1 a tts-1-hd mají být vypnuty 6. ledna 2027 a doporučená náhrada gpt-realtime-2.1-mini běží přes Realtime API, které nepoužívá endpoint /v1/audio/speech. Integraci bude potřeba přepsat, ne jen přepnout název modelu.

Zdroje: ElevenLabs Pricing, ElevenLabs — podporované jazyky, Google Cloud Text-to-Speech Pricing, OpenAI — Text to speech (dokumentace). Ceny a podmínky platné k 24. 10. 2026, před nákupem si je ověřte.