ElevenLabs: cos'è e come funziona

Cos'è ElevenLabs

ElevenLabs è un'azienda di intelligenza artificiale specializzata in voce sintetica: il suo prodotto di base trasforma un testo scritto in un file audio che suona come una persona vera — non la voce metallica e innaturale dei vecchi sintetizzatori «leggi il testo».

È stata fondata nel 2022 da Piotr Dąbkowski (ex Google) e Mati Staniszewski (ex Palantir), con sede a Londra e New York; nel tempo il servizio si è ampliato ben oltre la sola sintesi vocale: oggi comprende anche la clonazione della voce, il doppiaggio automatico di video in altre lingue, la generazione di musica (Eleven Music) ed effetti sonori, e strumenti per costruire agenti vocali — assistenti che parlano al telefono o in chat per conto di un'azienda.

Si usa dal sito elevenlabs.io, da un'app, oppure tramite un'API — un modo per un programmatore di collegare la voce di ElevenLabs dentro un proprio sito o una propria app, invece di generare l'audio a mano ogni volta.

A cosa serve: la sintesi vocale

La funzione di base è la sintesi vocale (text-to-speech): scrivi o incolli un testo, scegli una voce da una libreria di voci pronte — in decine di lingue, incluso l'italiano — e ottieni un file audio da scaricare. Si usa per audiolibri, podcast, voci fuori campo di video, e assistenti vocali.

1. Vai su elevenlabs.io e crea un account gratuito (email o accesso con Google).
2. Nell'interfaccia ElevenCreative, apri Playground e poi Text to Speech.
3. Scrivi o incolla il testo che vuoi trasformare in audio.
4. Scegli una voce dalla sezione Voices → Voice Library (oltre 10.000 voci pronte), filtrando per lingua, tono o genere.
5. Genera l'audio e scaricalo, oppure ascoltalo direttamente nel browser prima di scaricarlo.

Clonazione della voce e doppiaggio

La clonazione vocale esiste in due versioni. Per la clonazione istantanea (Instant Voice Cloning) basta un campione audio breve — anche attorno a un minuto — per creare una voce clonata usabile da subito, con una qualità un po' più limitata. La clonazione professionale (Professional Voice Cloning) richiede molto più materiale audio della stessa voce, ma restituisce un clone più fedele, pensato per un uso ripetuto nel tempo — per esempio un intero audiolibro con una voce specifica.

Il doppiaggio automatico (Dubbing Studio) funziona così: carichi un video o un audio, scegli la lingua di destinazione, ed ElevenLabs traduce il parlato e lo doppia nella nuova lingua, provando a mantenere il timbro della voce originale.

Quanto costa ElevenLabs

ElevenLabs funziona a crediti: una scorta mensile condivisa fra tutti i servizi, non solo caratteri di testo. Per la sintesi vocale 1 credito vale circa 1 carattere (0,5-1 sui modelli più rapidi via API); generare musica costa circa 900 crediti al minuto e un effetto sonoro circa 200 a generazione. Il piano gratuito ha un limite basso e non permette un uso commerciale pieno; i piani a pagamento, salendo di prezzo, aumentano i crediti mensili e aggiungono via via la clonazione vocale professionale, voci di qualità più alta e l'uso commerciale senza restrizioni. I prezzi sono in dollari ed esclusa IVA; pagando un anno intero si risparmiano 2 mesi.

ElevenLabs a confronto con le alternative

ElevenLabs non è il solo servizio di voce sintetica. Ecco, in sintesi, a cosa servono tre alternative note — non è un confronto provato di persona su questa redazione, ma un riepilogo di come si descrivono e di come vengono descritte dalla stampa di settore: serve a farti un'idea di dove si colloca ElevenLabs, non a scegliere a scatola chiusa.

1. 1

   Speechify

   gratis con voci limitate; piano Premium 29 $/mese

   Per chi: Chi vuole ascoltare testi e documenti invece di leggerli, non chi deve clonare una voce

   Nasce come «lettore AI»: trasforma in audio articoli, PDF, email e documenti per ascoltarli invece di leggerli, con oltre 1.000 voci e più di 60 lingue. Non è centrato sulla clonazione vocale come ElevenLabs — quella è in un prodotto separato, Speechify Studio, per uso più professionale.

   • Oltre 1.000 voci in 60+ lingue
   • Pensato per ascoltare contenuti esistenti (articoli, PDF), non solo generarne di nuovi
   • Clonazione vocale non nel piano base
   • Meno indicato per audio professionale (podcast, doppiaggio) rispetto a ElevenLabs
   Vai a Speechify
2. 2

   Murf

   non disponibile: il listino su murf.ai/pricing si carica via JavaScript e non si legge con un controllo automatico — da leggere a mano prima di citare una cifra

   Per chi: Chi fa presentazioni, corsi online e video aziendali

   Pensato soprattutto per voci fuori campo di presentazioni e video aziendali o formativi, con un editor che sincronizza l'audio generato al testo mostrato a schermo.

   • Editor pensato per il lavoro su slide e video
   • Molte voci professionali pronte all'uso
   • Meno centrato sulla clonazione vocale fedele rispetto a ElevenLabs — giudizio non verificato di persona in questa guida
   Vai a Murf
3. 3

   Google Cloud Text-to-Speech

   a consumo: circa 30 $ per milione di caratteri sulle voci Chirp 3 HD (il primo milione è gratis ogni mese), a token sulle voci più recenti Gemini TTS

   Per chi: Chi sviluppa un'app o un sito e vuole integrare la voce, non chi cerca uno strumento pronto da usare dal browser

   Non è un sito pensato per il pubblico come ElevenLabs: è un'API di Google — un modo per un programmatore di collegare la sintesi vocale dentro un proprio sito o app — pensata per chi sviluppa software, non per chi vuole generare un audio una tantum e scaricarlo. Amazon ha un servizio equivalente, Amazon Polly.

   • Si integra direttamente in un programma proprio
   • Tariffe a consumo trasparenti, utili su grandi volumi
   • Richiede saper programmare per usarlo
   • Nessuna interfaccia pronta per chi non scrive codice
   Vai a Google Cloud Text-to-Speech

I prezzi dei servizi qui sopra sono quelli letti sul listino ufficiale del fornitore. Possono cambiare senza preavviso: controllali sul sito del fornitore prima di decidere.

Cosa sapere prima di usarlo

Il piano gratuito non è illimitato: ha una quota di crediti che si ricarica ogni mese, non un uso libero. Se superi la quota, l'audio non si genera più finché non passi a un piano a pagamento o non arriva il mese nuovo.

La qualità varia da lingua a lingua. Sulle lingue più diffuse (incluso l'italiano) il risultato è generalmente molto naturale; su lingue o accenti meno comuni può suonare più artificiale. Anche in italiano, frasi molto lunghe o con una forte carica emotiva possono ancora «tradire» l'origine sintetica.

Clonare una voce richiede consenso, come già detto sopra: non è solo una questione etica, può avere conseguenze legali per chi lo fa senza permesso. Se ti interessa il tema più in generale — voci e volti falsificati con l'AI — c'è la guida sul deepfake.

Doppiare un video non ti dà automaticamente il diritto di usarlo. Se il video originale è protetto da copyright, doppiarlo con ElevenLabs non cambia chi ne detiene i diritti: serve comunque il permesso di chi possiede il contenuto originale.