AI text na řeč (TTS) – jak fungují syntetické hlasy, čeština, nástroje, licence a rizika zneužití

Text na řeč (TTS, text-to-speech) je technologie, která přečte napsaný text nahlas. Starší hlasy zněly robotickým dojmem, moderní neuronové hlasy už mají přirozenou intonaci, tempo i pauzy a lidé je často od skutečných mluvčích nerozliší. Využití je široké: audioknihy a podcasty, komentáře k videím, e-learning, přístupnost pro nevidomé a slabozraké, navigace, zákaznické linky, čtečky článků. Zároveň s přirozenějšími hlasy roste riziko zneužití (klonování hlasu, podvody) a otázky licencí a souhlasu mluvčích.

V článku vysvětlujeme jak TTS funguje, jaké služby existují, jak je to s češtinou, jak vybrat a nastavit hlas, jak upravit výslovnost (SSML), jaká jsou licenční a právní pravidla, jaká rizika hrozí a jak syntetický hlas používat zodpovědně. Čerpáme z přehledů služeb Google Cloud Text-to-Speech, Microsoft Azure: převod textu na řeč, Unite.ai: nejlepší generátory TTS a podmínek ElevenLabs. Většina srovnávacích článků pochází od prodejců a ceny i nabídka se rychle mění, proto konkrétní částky ověřte u poskytovatelů; v článku je záměrně neuvádíme.

Související články: Klonování hlasu pomocí AI, AI přepis řeči na text a Hlasový režim AI.

Aktualizováno: listopad 2026.

Jak TTS funguje

1. Analýza textu: systém rozpozná věty, čísla, zkratky, data a další prvky a převede je do podoby „jak se to čte“ (například „12. 3.“ jako „dvanáctého března“).
2. Fonetický převod: text se převede na fonémy a určí se přízvuk a intonace.
3. Neuronový model vytvoří zvukovou podobu (spektrogram) a vokodér z ní udělá zvuk.
4. Úpravy: tempo, výška, pauzy, emoce a styl (například „vyprávění“, „zpravodajství“).

Moderní systémy se často opírají o velké modely, které se naučily z tisíců hodin nahrávek. Kvalita se u různých jazyků liší podle množství dat; viz AI chatboti a čeština.

Orientační postup tvorby namluveného textu pomocí AI – vlastní infografika

Nabídka služeb

• Cloudové služby velkých firem: Google Cloud Text-to-Speech a Microsoft Azure nabízejí stovky hlasů v mnoha jazycích včetně češtiny, API pro vývojáře a podporu SSML; platí se zpravidla podle počtu znaků, s různými cenami podle kvality hlasu.
• Specializované služby: například ElevenLabs a další platformy zaměřené na přirozené hlasy, vícejazyčnost a dabing; jejich podmínky, například ElevenLabs Terms, řeší používání hlasů a obsahu. Přehledy jako Unite.ai ukazují širokou nabídku nástrojů.
• Agregátory a video editory: nástroje, které v jednom rozhraní nabízejí hlasy více poskytovatelů, často včetně českých; kvalitu a licenci je nutné zkontrolovat zvlášť.
• Vestavěné čtečky: operační systémy a prohlížeče mají vlastní hlasy pro čtení textu (přístupnost).
• Open-source modely: lze provozovat lokálně; kvalita v češtině se liší a vyžaduje technickou zručnost.
• Hlasoví asistenti a chatboti: viz Hlasový režim AI.

Pořadí kvality se mění; porovnejte více služeb na stejném českém textu a poslouchejte i delší úseky, protože chyby se projeví až při souvislé řeči.

Čeština v TTS

• Dostupnost: většina velkých služeb má české hlasy; množství a kvalita se liší.
• Typické chyby: špatný přízvuk u cizích slov, jmen a zkratek; nepřirozená intonace dlouhých vět; chybné čtení čísel, dat, měn a značek; problémy s homografy a vlastními jmény.
• Řešení: přepište sporná slova foneticky („Brno“ je bezproblémové, ale „Windows“ nebo „Microsoft“ vyžadují pozornost), vkládejte pauzy, rozdělte dlouhé věty, použijte SSML (značkovací jazyk pro nastavení výslovnosti, tempa a pauz) tam, kde jej služba podporuje.
• Audioknihy a delší texty: nechte vygenerovat zkušební kapitolu a poslechněte ji celou.
• Přízvuk a nářečí: některé služby nabízejí varianty akcentu; kvalita se různí.

Kvalita se průběžně zlepšuje, ale vždy poslouchejte výsledek celý, než jej zveřejníte.

Jak vybrat hlas

• Účel: zpravodajský tón, příběh, e-learning, reklama.
• Cílová skupina: děti, senioři, odborníci; tempo a styl přizpůsobte.
• Konzistence: u série videí či audioknih zachovejte stejný hlas.
• Emoce a styl: některé hlasy nabízejí různé styly (veselý, vážný); testujte.
• Licence hlasu: jsou hlasy pro komerční použití, nebo jen pro osobní? Zkontrolujte podmínky.
• Dostupnost API a limity: důležité pro automatizaci a firmy.
• Cena a spotřeba znaků: dlouhé texty mohou být nákladné; počítejte předem.

Licence a práva

• Podmínky služby: každý poskytovatel stanoví, zda lze nahrávky používat komerčně, zda je nutné uvádět původ a jaká jsou omezení; viz například podmínky ElevenLabs.
• Hlasy skutečných lidí: syntetický hlas může být založen na nahrávkách konkrétního mluvčího; zjistěte, zda existuje souhlas a licence. Používání hlasu cizí osoby bez souhlasu (klonování) může porušit práva osobnosti; viz Klonování hlasu pomocí AI.
• Text, který čtete: pokud čtete cizí knihu či článek nahlas a nahrávku zveřejníte, jde o užití díla, k němuž potřebujete svolení autora.
• Autorské právo k nahrávce: podobně jako u obrázků je situace u čistě strojového výstupu méně jasná; viz Umělá inteligence a autorský zákon v ČR.
• Označování: platformy a legislativa (například evropská pravidla pro označování syntetického obsahu) směřují k povinnosti označit obsah vytvořený AI; pravidla se postupně zavádějí a před komerčním nasazením si je ověřte; viz Značení AI obsahu a C2PA.

Kontrolní seznam – vlastní infografika

Rizika a zneužití

• Klonování hlasu a podvody: z krátké ukázky lze vytvořit hlas připomínající konkrétního člověka; viz Podvody s AI: phishing a vishing a Deepfake: jak poznat.
• Dezinformace: falešné projevy a „citace“ veřejných osob.
• Soukromí textu: čtený text se zpracovává u poskytovatele; důvěrné dokumenty do neověřených služeb nevkládejte; viz AI chatboti a soukromí dat.
• Falešné služby: aplikace „zdarma“ mohou sbírat hlasové vzorky; viz Falešné AI aplikace a rozšíření.
• Práce hlasových herců: kontroverze o využití hlasů profesionálních mluvčích a o náhradě jejich práce.
• Ochrana: domluvte si s rodinou kontrolní slovo, nesdílejte dlouhé hlasové ukázky veřejně, žádosti o peníze ověřujte na známém čísle.

Praktické využití

• Přístupnost: čtení článků, e-mailů a dokumentů osobám se zrakovým postižením či dyslexií.
• Vzdělávání: namluvení výukových materiálů, jazykové výuky a testů; viz AI pro učitele.
• Video a podcasty: komentáře, vysvětlující videa, titulky a dabing; viz AI dabing a titulky videa.
• Firmy: telefonní menu, oznámení, školení; zákazníkům sdělte, že komunikují s AI.
• Osobní použití: čtení článků při jízdě či cvičení (bezpečně a podle zákona).
• Audioknihy: AI namluvené knihy jsou rychlé a levné, ale kvalita a licence se liší; zvažte, zda je vhodné pro čtenáře označit hlas jako syntetický.

TTS v kostce

Základní údaje – vlastní infografika

Výhody a nevýhody

Souhrn pro uživatele – vlastní infografika

Související články

V kategorii Generování obrazu, videa a hlasu AI najdete také AI generování hudby: Suno a Udio, AI avataři a virtuální influenceři a AI generování videa.

Shrnutí

AI text na řeč dnes dokáže vytvořit přirozeně znějící hlas včetně češtiny a hodí se pro přístupnost, vzdělávání, videa i služby. Čísla, jména a zkratky však často čte špatně, proto vždy poslechněte celý výstup. Ověřte licenci hlasu a komerční použití, neklonujte cizí hlas bez souhlasu a počítejte s označováním syntetického obsahu. Do neověřených služeb nevkládejte důvěrné texty.

Často kladené otázky k AI text na řeč