W skrócie
- Modele badawcze naśladują głos z 3–15 sekund nagrania, a szybki klon ElevenLabs potrzebuje minimum 10 sekund i jest od planu za 6 USD miesięcznie.
- Sąd Najwyższy w wyroku z 7 marca 2023 r. uznał głos za samodzielne dobro osobiste; pierwszy polski proces lektora o klon głosu ma kolejną rozprawę 27 listopada 2026 r.
- W teście Consumer Reports 4 z 6 usług klonowania głosu sprawdzały zgodę tylko oświadczeniem, a ludzie rozpoznają syntetyczną mowę w ok. 73% przypadków.
Stan na 7 listopada 2026
Klonowanie głosu: co to jest i jak działa
Klonowanie głosu to synteza mowy, która z krótkiego nagrania uczy się barwy, tempa i akcentu konkretnej osoby, a potem czyta jej głosem dowolny tekst. Ta sama technologia służy lektorom i chorym, którzy tracą mowę, oraz oszustom. Granicę wyznacza zgoda właściciela głosu.
Definicja
Klonowanie głosu (ang. voice cloning) to tworzenie syntetycznej kopii głosu konkretnej osoby przez model AI zamiany tekstu na mowę. Kopia mówi słowa, których ta osoba nigdy nie wypowiedziała, w jej barwie i sposobie mówienia.
Są dwa sposoby:
- Klon błyskawiczny (zero-shot): model wytrenowany wcześniej na tysiącach mówców dostaje kilka sekund lub minut nagrania i od razu je naśladuje. Nic się nie trenuje, więc trwa to chwilę, ale nietypowy głos lub akcent wychodzi gorzej.
- Klon profesjonalny (dostrajanie): na dłuższych nagraniach powstaje osobny model jednego głosu. Trwa to godziny, a efekt trudniej odróżnić od oryginału.
Ten tekst opisuje technologię i prawo. Oszustwa telefoniczne sklonowanym głosem omawiamy osobno w tekście jak rozpoznać vishing i oszustwa sklonowanym głosem, a szerszy obraz ryzyk w przewodniku zagrożenia AI w firmie i urzędzie: jak je rozpoznać i jak się chronić.
Ile nagrania potrzeba i jakie są zabezpieczenia: tabela
Modele pokazane przez Microsoft i OpenAI naśladowały głos z 3–15 sekund nagrania, komercyjne narzędzia wymagają od 10 sekund do kilku godzin. Im dłuższa próbka, tym zwykle staranniej sprawdzana jest zgoda.
| Narzędzie lub zastosowanie | Ile próbki | Zabezpieczenia | Legalne, gdy… |
|---|---|---|---|
| Microsoft VALL-E i VALL-E 2 (badania) | 3 sekundy | Niedostępne publicznie; Microsoft nie planuje produktu | Nie dotyczy, to projekt badawczy |
| OpenAI Voice Engine (podgląd z 2024 r.) | 15 sekund | Tylko wybrani partnerzy; wyraźna zgoda mówcy, informacja dla odbiorców, znak wodny | Partner ma świadomą zgodę mówcy i ujawnia, że głos jest syntetyczny |
| ElevenLabs Instant Voice Cloning | min. 10 s, zalecane 1–2 min | Płatny plan (od 6 USD/mies.), oświadczenie o prawach do głosu, blokada głosów celebrytów, śledzenie, kto wygenerował nagranie | Klonujesz własny głos albo masz zgodę jego właściciela |
| ElevenLabs Professional Voice Cloning | 30–180 min | Weryfikacja: czytasz na głos zdania kontrolne; tylko własny głos | Głos jest Twój (cudzego nie sklonujesz nawet za zgodą) |
| Microsoft Azure Personal Voice (dla firm) | krótka próbka mowy | Dostęp po akceptacji Microsoftu; nagrane oświadczenie o zgodzie, porównywane z próbką | Firma ma pisemną zgodę osoby, której głos klonuje |
| Apple Personal Voice (dostępność) | ok. 15 min, 150 zdań | Przetwarzanie na urządzeniu; tylko własny głos | Tworzysz kopię własnego głosu na własny użytek |
| Lektor, dubbing, reklama w firmie | zależnie od narzędzia | Umowa z lektorem | Umowa określa zakres, czas i oznaczanie nagrań |
Najkrótsze próbki to wyniki badań: VALL-E Microsoftu (styczeń 2023 r.) naśladował nieznanego mówcę z 3 sekund (arXiv), a następca VALL-E 2 według Microsoftu jako pierwszy dorównał w testach nagraniom ludzi i pozostaje tylko demonstracją badawczą (Microsoft Research). Voice Engine OpenAI z 15 sekundami dostali w 2024 r. tylko partnerzy (OpenAI).
Policzmy to. Apple prosi osobę, która może stracić mowę, o około 15 minut czytania, czyli 900 sekund. To 90 razy więcej niż minimum 10 sekund w szybkim klonie ElevenLabs. Długość nagrania nie decyduje więc o tym, czy klon „zadziała”, tylko o jego jakości i o tym, jak dokładnie narzędzie sprawdza, czyj to głos.
Narzędzia do klonowania głosu: co sprawdzają, a czego nie
Najsłabszym ogniwem jest szybki klon: w większości usług wystarcza zaznaczenie pola „mam prawo do tego głosu”. Mocniejsze zabezpieczenia, czyli odczytanie zdań kontrolnych na żywo albo nagrane oświadczenie o zgodzie, dotyczą zwykle droższych trybów.
- ElevenLabs obsługuje polski. Klon profesjonalny wymaga odczytania w przeglądarce zdań weryfikacyjnych i firma pisze wprost, że nawet za zgodą nie sklonujesz w tym trybie cudzego głosu (dokumentacja ElevenLabs). Szybki klon jest od planu Starter za 6 USD miesięcznie, w planie darmowym go nie ma (cennik ElevenLabs). Firma deklaruje blokadę głosów celebrytów i innych głosów wysokiego ryzyka, znakowanie w standardzie C2PA i blokowanie kont za nadużycia (ElevenLabs).
- Test Consumer Reports z marca 2025 r. pokazał, jak to wygląda w praktyce: w ElevenLabs, Speechify, PlayHT i Lovo wystarczyło oświadczenie, że ma się prawo do głosu. Descript wymagał nagranego oświadczenia o zgodzie, a Resemble AI nagrania na żywo, ale badacze obeszli oba zabezpieczenia (Consumer Reports).
- Microsoft Azure Personal Voice to usługa z ograniczonym dostępem: firma musi uzyskać akceptację Microsoftu i dostarczyć nagrane oświadczenie osoby, że zgadza się na użycie swojego głosu. Microsoft może porównać to nagranie z próbką głosu (Microsoft Learn).
„Klonowanie głosu AI za darmo”. Darmowe serwisy „bez rejestracji” z wyników wyszukiwania zwykle nie mówią, kto przechowuje Twoją próbkę i co z nią zrobi. Głos to dana osobowa, więc wgrywasz ją firmie, której nie znasz. Jeśli chcesz sprawdzić technologię na sobie, wybierz narzędzie z jasnym regulaminem i klonuj wyłącznie własny głos.
Legalne zastosowania: lektor, dubbing i głos dla osób, które tracą mowę
Najbardziej wartościowe zastosowanie to przywracanie głosu chorym. Na co dzień klony służą też do czytania tekstów lektorskich, dubbingu i nagrań szkoleniowych, zawsze na podstawie zgody i umowy.
- Osoby z ALS i po utracie mowy. Apple wprowadziło Personal Voice w iOS 17 z myślą o osobach zagrożonych utratą mowy, np. po diagnozie ALS. Nagranie przetwarzane jest na urządzeniu, a potem telefon mówi tym głosem wpisany tekst (Apple). ElevenLabs razem z organizacjami Bridging Voice i Scott-Morgan Foundation prowadzi program Impact, w którym chorzy na ALS dostają bezpłatny dostęp do klonowania; cel to milion osób (ElevenLabs). Klon można często zbudować ze starych nagrań, sprzed choroby.
- Lektor i dubbing. Lektor może sprzedać licencję na swój klon, a firma przetłumaczyć szkolenie na inne języki tym samym głosem. Umowa powinna określać, do jakich treści, na jak długo i w jakich kanałach wolno używać klonu.
- Własny głos w pracy. Trener poprawia błąd w nagraniu kursu, zmieniając tekst zamiast wracać do studia. Czym taki klon różni się od zwykłego asystenta, który czyta gotowym głosem, wyjaśniamy w tekście który asystent głosowy wybrać.
Czy głos jest chroniony w polskim prawie?
Tak. Głos nie jest wymieniony w art. 23 kodeksu cywilnego, ale ten katalog jest otwarty, a Sąd Najwyższy w wyroku z 7 marca 2023 r. (II CSKP 659/22) uznał głos za samodzielne dobro osobiste. Cyfrowe przekształcenie głosu tak, by odbiorca rozpoznał w nim głos innej osoby, i fałszywe przypisanie jej wypowiedzi wskazał jako typowy przykład ingerencji, nazywając to zjawiskiem deep fake.
- Dobra osobiste (art. 23 i 24 kc). Osoba, której głos sklonowano bez zgody, może żądać zaniechania, usunięcia skutków (np. przeprosin), zadośćuczynienia lub zapłaty na cel społeczny (kodeks cywilny). Wcześniej część prawników traktowała głos jako element wizerunku, chroniony, gdy da się po nim rozpoznać osobę.
- Wizerunek (art. 81 prawa autorskiego) dotyczy przede wszystkim podobizny. Prawo autorskie chroni też konkretne nagrania i artystyczne wykonania (art. 85), ale nie samą barwę głosu (prawo autorskie). Dlatego w sporach o klon głosu podstawą są zwykle dobra osobiste.
- RODO. Nagranie głosu, po którym da się rozpoznać człowieka, to dana osobowa. Jeśli głos służy do jednoznacznej identyfikacji, np. w biometrii bankowej, jest daną biometryczną, czyli szczególną kategorią danych (art. 4 pkt 14 i art. 9 RODO). O tym, jak banki korzystają z AI wobec klientów, piszemy w tekście AI w bankowości: jakie masz prawa.
Pierwsza sprawa w Polsce. Lektor Jarosław Łukomski pozwał spółkę, która w reklamach użyła wygenerowanego przez AI głosu, według biegłego „łudząco podobnego” do jego głosu. Żąda przeprosin i 50 tys. zł. Sąd Okręgowy w Warszawie odroczył sprawę do 27 listopada 2026 r., wyroku jeszcze nie ma (Rzeczpospolita). Sąd bada przede wszystkim, czy przeciętny odbiorca rozpoznałby w reklamie głos lektora.
Oznaczanie i przepisy: AI Act, FCC i ELVIS Act
W UE sklonowany głos, który udaje prawdziwą osobę, trzeba oznaczyć jako treść z AI. W USA pierwsze przepisy idą dalej: zakazują głosów AI w automatycznych połączeniach bez zgody i chronią głos jak wizerunek.
- AI Act, art. 50 ust. 4. Od 2 sierpnia 2026 r. kto zawodowo używa AI do stworzenia lub przerobienia deepfake’a, także dźwiękowego, musi ujawnić, że treść wygenerowała lub zmieniła AI (AI Act). Zgoda lektora nie zwalnia z ujawnienia, bo art. 50 ust. 4 nie przewiduje takiego wyjątku (to nasz wniosek z przepisu). Niewiążące wytyczne Komisji jako deepfake podają klon głosów prowadzących podcast prasowy, a nie uznają za niego głosu postaci fikcyjnej, np. w audiobooku, grze lub animacji, gdy nikt nie jest wprowadzany w błąd co do tożsamości lektora (przykłady po pkt 116).
- AI Act, art. 50 ust. 2. Dostawcy generatorów, także mowy, muszą znakować wyniki w sposób odczytywalny maszynowo. Generatory obecne na rynku przed 2 sierpnia 2026 r. mają na to czas do 2 grudnia 2026 r. (rozporządzenie (UE) 2026/1744). Pełny kalendarz obowiązków opisujemy w przewodniku AI Act: co musi wiedzieć firma w Polsce.
- FCC, 8 lutego 2024 r. Amerykańska Federalna Komisja Łączności uznała, że głos wygenerowany przez AI to „sztuczny głos” w rozumieniu ustawy o ochronie konsumentów telefonii (TCPA), więc takie połączenia automatyczne wymagają wcześniejszej zgody odbiorcy. Bezpośrednim tłem były fałszywe telefony głosem prezydenta Bidena przed prawyborami w New Hampshire (FCC).
- ELVIS Act, Tennessee. Ustawę podpisano 21 marca 2024 r. i obowiązuje od 1 lipca 2024 r. Dopisała głos, także jego symulację, do chronionych praw osobistych i zabrania użycia AI do odtworzenia rozpoznawalnego głosu bez zgody (stan Tennessee).
W firmie: zanim marketing nagra reklamę klonem głosu, potrzebne są trzy rzeczy: pisemna zgoda i umowa z właścicielem głosu, oznaczenie nagrania zgodnie z AI Act i sprawdzenie, gdzie dostawca przechowuje próbki. Te zasady, razem z RODO i polityką AI, ćwiczymy na szkoleniu Bezpieczne AI w firmie.
Jak chronić swój głos przed sklonowaniem
Nie da się całkiem ukryć głosu, ale można ograniczyć, ile czystych nagrań leży w sieci i kto ma do nich dostęp. Przed skutkami klonowania chronią przede wszystkim ustalone wcześniej zasady weryfikacji.
- Publiczne nagrania. Zastanów się, zanim wrzucisz publicznie długie, wyraźne nagranie samego siebie, zwłaszcza bez muzyki w tle. Profile z filmami dzieci ustaw jako prywatne.
- Ustawienia nagrań. Sprawdź w asystentach głosowych i aplikacjach z dyktowaniem, czy nagrania są przechowywane i czy możesz je usunąć. Nie wgrywaj swojego głosu do darmowych klonerów o nieznanym właścicielu.
- Hasło rodzinne i oddzwonienie. Ustal z bliskimi hasło na nietypowe prośby o pieniądze. Szczegółową procedurę dla domu i firmy opisujemy w tekście o vishingu, a proste zasady dla starszych osób w tekście AI dla seniora.
- W firmie. Załóż, że głos prezesa występującego w podcastach da się sklonować, i nie opieraj zatwierdzania przelewów na rozpoznaniu głosu.
Z praktyki szkoleń: Adam Bakalarz prowadził dla personelu szpitala wystąpienie o atakach z użyciem AI, w tym deepfake’ach i vishingu.
Jak rozpoznać sklonowany głos i co potrafią detektory
Na słuch nie odróżnisz dobrego klonu od oryginału, a detektory działają tylko w ograniczonym zakresie. Pewniejsza jest weryfikacja innym kanałem niż analiza brzmienia.
- Ucho zawodzi. W badaniu UCL z 2023 r. 529 uczestników rozpoznawało syntetyczną mowę w około 73% przypadków, po angielsku i po mandaryńsku tak samo, a szkolenie poprawiło wynik tylko nieznacznie. Badacze zaznaczyli, że użyte generatory były już wtedy starsze od najnowszych (UCL).
- Detektory producentów. Klasyfikator ElevenLabs wskazuje, czy nagranie powstało w ElevenLabs, z deklarowaną precyzją 99% i czułością 80%, ale tylko dla niezmienionych plików ze starszych modeli. Kompresja i montaż obniżają skuteczność, a nagrań z innych generatorów nie rozpoznaje (ElevenLabs). Podobnie SynthID Google wykrywa tylko znak wodny narzędzi Google; opisujemy to w tekście o rozpoznawaniu deepfake’ów.
- Sygnały pomocnicze bywają takie: równe tempo bez oddechów, dziwne pauzy, płaska intonacja w emocjonalnej rozmowie, unikanie pytań o wspólne sprawy. Ich brak niczego nie dowodzi.
Wszystkie teksty o bezpieczeństwie AI
Klonowanie głosu to jeden z wątków hubu o bezpieczeństwie AI. Pełny przegląd ryzyk znajdziesz w przewodniku Zagrożenia AI w firmie i urzędzie, a fałszywe nagrania wideo i zdjęcia w tekście Deepfake: jak rozpoznać fałszywe wideo i zdjęcia. Pełna lista tekstów jest poniżej.
Co to znaczy dla Ciebie
Klonuj tylko własny głos albo głos osoby, od której masz pisemną zgodę i umowę, a nagranie, które może uchodzić za prawdziwą wypowiedź, oznacz jako wygenerowane przez AI (nasze zalecenie). Swój głos chroń, ograniczając publiczne nagrania i wybierając narzędzia z jasnym regulaminem. Telefonom „znajomym głosem” nie ufaj bez oddzwonienia na znany numer.
Najczęstsze pytania
Czy klonowanie głosu jest legalne w Polsce?
Klonowanie własnego głosu albo cudzego za zgodą jest legalne. Bez zgody narusza dobra osobiste: Sąd Najwyższy w 2023 r. uznał głos za samodzielne dobro osobiste, a nagranie głosu to także dana osobowa w rozumieniu RODO.
Ile sekund nagrania potrzeba do sklonowania głosu?
Modele badawcze, jak VALL-E Microsoftu, potrzebowały 3 sekund, a Voice Engine OpenAI 15 sekund. Szybki klon ElevenLabs wymaga minimum 10 sekund (zalecane 1–2 minuty), a profesjonalny 30–180 minut.
Czy można sklonować głos za darmo?
W ElevenLabs szybki klon jest od płatnego planu Starter (6 USD miesięcznie). Darmowe serwisy często nie mówią, co robią z próbką głosu, więc wgrywaj do nich najwyżej własny głos i tylko po przeczytaniu regulaminu.
Czy sklonowany głos trzeba oznaczać?
Tak, jeśli firma używa AI do stworzenia lub przerobienia nagrania, które może uchodzić za prawdziwą wypowiedź. Od 2 sierpnia 2026 r. art. 50 ust. 4 AI Act wymaga ujawnienia, że treść wygenerowała lub zmieniła AI. Zgoda właściciela głosu z tego nie zwalnia, bo przepis nie przewiduje takiego wyjątku (nasz wniosek z przepisu). Głos postaci fikcyjnej, gdy nikt nie jest wprowadzany w błąd co do tożsamości lektora, według niewiążących wytycznych Komisji nie jest deepfakiem.
Czy ElevenLabs pozwala sklonować cudzy głos?
W trybie profesjonalnym nie: trzeba odczytać zdania weryfikacyjne i można sklonować tylko własny głos. W trybie szybkim wystarczy oświadczenie, że masz prawo do głosu, a za nadużycia ElevenLabs blokuje konta.
Czy program wykryje sklonowany głos?
Tylko częściowo. Detektory producentów, np. ElevenLabs, rozpoznają nagrania z własnych narzędzi, a skuteczność spada po kompresji i montażu. Pewniejsze jest sprawdzenie rozmówcy innym kanałem.
Źródła i data sprawdzenia
- Microsoft Research: VALL-E (arXiv, styczeń 2023)
- Microsoft Research: VALL-E 2
- OpenAI: Navigating the challenges and opportunities of synthetic voices (29.03.2024)
- ElevenLabs: dokumentacja klonowania głosu (IVC i PVC)
- ElevenLabs: cennik
- ElevenLabs: bezpieczeństwo
- ElevenLabs: program Impact
- ElevenLabs: AI Speech Classifier
- ElevenLabs: obsługiwane języki
- Microsoft Learn: zgoda w Azure Personal Voice
- Microsoft Learn: ograniczony dostęp do funkcji mowy
- Apple: zapowiedź Personal Voice (maj 2023)
- Apple Machine Learning Research: Personal Voice
- Consumer Reports: test 6 usług klonowania głosu (10.03.2025)
- FCC: głosy AI w połączeniach automatycznych (8.02.2024)
- Stan Tennessee: podpisanie ELVIS Act (21.03.2024)
- Rozporządzenie (UE) 2024/1689 (AI Act), art. 50
- Rozporządzenie (UE) 2026/1744 (Digital Omnibus on AI)
- RODO, art. 4 pkt 14 i art. 9
- Kodeks cywilny, art. 23 i 24 (ISAP)
- Ustawa o prawie autorskim, art. 81 i 85 (ISAP)
- Rzeczpospolita: sąd odroczył sprawę lektora Jarosława Łukomskiego (21.08.2026)
- Dziennik Gazeta Prawna: lektor walczy o prawo do własnego głosu
- UCL: ludzie nie rozpoznają ponad jednej czwartej syntetycznej mowy (2.08.2023)
- Komisja Europejska: wytyczne do obowiązków przejrzystości z art. 50 AI Act, C(2026) 7702 final (5.11.2026)
- Komisja Europejska: wytyczne do obowiązków przejrzystości z art. 50 AI Act, wersja polska, C(2026) 7702 final (5.11.2026)
Sprawdzono 7 listopada 2026
Czytaj dalej
W tej sprawie
W tej sprawie
W tej sprawie
Zobacz też
Zobacz też
Zobacz też
Zobacz też
Zobacz też
Zobacz też
- Sora od OpenAI: co się stało, czy jeszcze działa i czym ją zastąpić
- VOLTA: złośliwy program pyta AI, ile warte są dane ofiary
- Sieć ponad 400 aplikacji i stron AI ukrywała generator deepfake’ów
- Oznaczanie treści AI: art. 50 AI Act w praktyce, z wzorami oznaczeń
- Kradzież tożsamości: co robić, jak zastrzec PESEL i jak AI pomaga oszustom
Zobacz też
Zobacz też
- NCSC: do 2028 r. Rosja i Chiny rutynowo użyją AI w cyberatakach
- Spoofing: jak oszuści podrabiają numer, SMS, e-mail i głos (i jak to sprawdzić)
- Quishing: jak rozpoznać fałszywy kod QR, sprawdzić go przed otwarciem i gdzie zgłosić
- Silne hasło w 2026 r.: jak je ułożyć, gdy AI zgaduje hasła szybciej
- Passkey (klucz dostępu): logowanie bez hasła i jak je włączyć
- Fałszywe sklepy przed Black Friday: część polecały czaty AI
Zobacz też
- Phishing: co to jest, jak rozpoznać oszustwo i co zrobić po kliknięciu
- Deepfake: jak rozpoznać fałszywe wideo i zdjęcia tworzone przez AI
- Microsoft: hakerzy z Korei Północnej używają AI od rozpoznania po kod
- AI dla seniora: 6 prostych zastosowań i jak nie dać się oszukać
- Spoofing: jak oszuści podrabiają numer, SMS, e-mail i głos (i jak to sprawdzić)
Zobacz też
- Halucynacje AI: skąd się biorą i jak je wyłapać
- Vishing i klonowanie głosu: jak rozpoznać oszustwo telefoniczne z AI
- Phishing: co to jest, jak rozpoznać oszustwo i co zrobić po kliknięciu
- Deepfake: jak rozpoznać fałszywe wideo i zdjęcia tworzone przez AI
- Prompt injection: jak atakuje się asystentów i agentów AI i jak się bronić
- Dzieci i chatboty: co mówią badania JED i Common Sense Media
- Polityka AI w firmie: wzór, punkty obowiązkowe i trzy zasady na start
- Czy ChatGPT jest bezpieczny? Dane, prywatność i ustawienia, które warto zmienić
- Klonowanie głosu AI: jak działa, które narzędzia są legalne i co mówi prawo
- Spoofing: jak oszuści podrabiają numer, SMS, e-mail i głos (i jak to sprawdzić)
- Smishing: jak rozpoznać fałszywy SMS, co zrobić po kliknięciu i gdzie go zgłosić
- Quishing: jak rozpoznać fałszywy kod QR, sprawdzić go przed otwarciem i gdzie zgłosić
- Kradzież tożsamości: co robić, jak zastrzec PESEL i jak AI pomaga oszustom
- Silne hasło w 2026 r.: jak je ułożyć, gdy AI zgaduje hasła szybciej
- Passkey (klucz dostępu): logowanie bez hasła i jak je włączyć
Zobacz też
Zobacz też
Zobacz też
Zobacz też
Przewodnik po temacie Zagrożenia AI w firmie i urzędzie: jak je rozpoznać i jak się chronić

