La quasi totalità delle recensioni di ElevenLabs è scritta in inglese, da chi lo usa in inglese. Ma se produci contenuti per un pubblico italiano, la domanda vera è un’altra: come se la cava in italiano? Lo dice bene? Legge i numeri e le sigle senza incespicare? Suona naturale o “robotico col doppiaggio”?
Per rispondere l’ho provato con le mani, dando allo strumento sempre gli stessi compiti e misurando di persona costi, limiti e risultati — invece di copiarli dal sito del produttore. Qui sotto trovi gli audio veri, i numeri reali (compresi quelli scomodi) e cosa, secondo me, vale e cosa no. Se invece cerchi il quadro d’insieme, l’ho riassunto nella guida alle migliori voci AI in italiano.
Verdetto in breve
ElevenLabs resta il riferimento per la qualità della voce, e la cosa importante per noi è che regge bene anche in italiano, soprattutto con il modello più avanzato. È la scelta giusta se la voce è il cuore del tuo lavoro — narrazione, podcast, audiolibri, voiceover.
I difetti però ci sono, e sono concreti: costa, e soprattutto le funzioni avanzate (video, doppiaggio) divorano crediti a una velocità che sorprende; l’assistenza clienti è il punto più criticato dagli utenti; e una parte delle funzioni più nuove è ancora in beta, con implicazioni anche sulla licenza.
Il mio voto: 8,5/10. Promosso, ma a occhi aperti sui costi. Ecco come se la cava nei singoli aspetti:
| Aspetto | Voto |
|---|---|
| Qualità della voce | 9 / 10 |
| Resa in italiano | 8,5 / 10 |
| Funzioni (clonazione, doppiaggio, video) | 8 / 10 |
| Facilità d’uso | 8,5 / 10 |
| Prezzo e rapporto qualità-prezzo | 6,5 / 10 |
| Assistenza clienti | 5 / 10 |
| Complessivo | 8,5 / 10 |
Cos’è ElevenLabs e a chi serve
ElevenLabs è una piattaforma di voce basata su intelligenza artificiale. Il nucleo è il text-to-speech (trasformare testo in parlato), ma intorno è cresciuta una suite intera: clonazione vocale, doppiaggio di video da una lingua all’altra, una funzione video con sincronizzazione labiale (in beta) e un’API per gli sviluppatori.
Per il parlato si scelgono tre modelli, che ho messo a confronto in questa recensione: v3 (il più espressivo), Multilingual v2 (lo “standard”) e Flash v2.5 (il più veloce, pensato per la bassa latenza). Il TTS copre 32 lingue, italiano incluso.
Negli ultimi tempi ElevenLabs è diventata una vera e propria suite audio, non solo un sintetizzatore: oltre al text-to-speech ci sono trascrizione (speech-to-text), effetti sonori, isolatore vocale, modificatore di voce e perfino generazione musicale. C’è anche uno Studio pensato per i progetti lunghi, come gli audiolibri.
Serve a chi crea contenuti audio e vuole qualità senza studio di registrazione: youtuber, podcaster, autori di audiolibri, agenzie, sviluppatori che integrano voci nelle proprie app.
Come l’ho testato
Per rendere i confronti onesti uso sempre lo stesso testo standard in italiano, costruito apposta per mettere in difficoltà qualsiasi sintetizzatore: contiene un numero scritto come “1.250”, sigle molto comuni nell’italiano tecnico (IA, API, SEO), un nome proprio e una domanda. Lo faccio leggere in tre versioni — standard, narrativo e dialogo — perché ognuna stressa cose diverse: pronuncia, espressività, gestione delle pause.
Tutto a parità di condizioni: stessa voce (“Antonio – Natural, Balanced and Calm”), stessi parametri dove esistono (Velocità 0.95, Stabilità 96%, Somiglianza 98%, Stile 0%). Il modello v3 non espone questi slider, quindi gira sui suoi default. Cambia solo il modello: così le differenze che senti sono del modello, non delle impostazioni.
Perché tanta insistenza sull’italiano? Perché è proprio dove i sintetizzatori inciampano: numeri, sigle, nomi propri e la giusta cadenza delle frasi sono il banco di prova vero, e quasi nessuna recensione lo affronta nella nostra lingua. È qui che si vede se uno strumento è davvero pronto per un pubblico italiano o solo “tradotto”.
La voce in italiano: v3, Multilingual v2 e Flash a confronto
Qui sta il cuore della recensione. Ho generato i tre paragrafi con i tre modelli — gli audio sono qui sotto, ascoltali e giudica con le tue orecchie.
Testo standard (numeri e sigle)
Il v3 se la cava quasi alla perfezione: l’unico neo sono alcune sigle (SEO, API) lette in modo un po’ incerto. Il Multilingual v2 invece va peggio proprio lì dove conta: sbaglia le sigle e legge male anche “1.250”, e il tono è corretto ma “senza anima”. La sorpresa è il Flash v2.5: nonostante sia il modello “veloce e meno pregiato”, legge bene “1.250” e quasi correttamente le sigle — meglio del Multilingual su questo terreno.
Testo narrativo (espressività)
Qui il v3 stacca tutti: intonazione ottima, pause al punto giusto, cambi di tono naturali. Il Multilingual v2 è corretto e ha una buona espressività. Il Flash, invece, mostra il suo limite: voce più metallica e poco espressiva.
Dialogo (pause e ritmo)
Il v3 di nuovo impeccabile. Il Multilingual v2 è corretto ma corre troppo: non si prende le pause che un dialogo richiede. Il Flash commette un errore vistoso in un passaggio tra battuta e inciso narrativo, oltre alla solita voce un po’ metallica.
In sintesi: per voiceover, audiolibri e dialoghi in italiano, il v3 è la scelta giusta, netta. Per testi pieni di numeri e sigle dove conta la velocità, il Flash regge sorprendentemente bene. Il Multilingual v2, lo “standard”, è in italiano il compromesso meno convincente. Un dettaglio utile: nella mia prova tutti e tre i modelli hanno consumato gli stessi crediti a parità di testo — lo “sconto” del Flash, di cui parlo più avanti, vale solo via API.
| Modello | Numeri e sigle | Espressività | Meglio per |
|---|---|---|---|
| v3 | Buono (qualche sigla incerta) | Ottima | Voiceover, audiolibri, dialoghi |
| Multilingual v2 | Debole (sbaglia “1.250” e le sigle) | Buona ma “senza anima” | Uso generico |
| Flash v2.5 | Sorprendentemente buono | Scarsa (metallica) | Testi tecnici, velocità, volumi via API |
Il modo migliore per capire se la voce fa al caso tuo è sentirla sul tuo testo.
Clonazione vocale: ho clonato una voce passo passo
La clonazione istantanea è inclusa già dal piano economico. Bastano 10 secondi di audio (file fino a 10 MB) per creare una voce; io le ho dato un campione più generoso, circa due minuti e mezzo. Esiste anche una clonazione “professionale” dai piani superiori, pensata per risultati ancora più fedeli partendo da registrazioni più lunghe; per questa prova mi è bastata l’istantanea.
Il risultato è stato quasi perfetto: il clone è indistinguibile dalla voce di partenza. Va detto con onestà: come campione non ho usato una voce umana ma una voce sintetica, per non caricare la mia voce o quella di altri sui loro server — quindi ha riprodotto quella voce-sorgente quasi alla perfezione. Resta un risultato notevole, e la fedeltà in italiano è altissima.
Sul fronte fiducia, prima di clonare si spunta una dichiarazione in cui confermi di avere i diritti/consensi sui campioni e di non usare l’output per scopi illegali, fraudolenti o dannosi. E una cosa importante: i modelli vocali creati si possono eliminare dal proprio account, quindi la voce clonata e i campioni non restano lì per forza.
Doppiaggio e video: le funzioni che divorano crediti
ElevenLabs non fa solo voci: traduce e ri-voce i video (doppiaggio) e, in beta, ne genera con sincronizzazione labiale. Sono le funzioni più “wow” — e le più costose.
Doppiaggio (dubbing)
Ho preso una clip di pubblico dominio (un’astronauta della NASA che parla inglese), l’ho ritagliata a 12 secondi e l’ho doppiata dall’inglese all’italiano con il modello Dubbing v2. La traduzione è risultata ottima, senza errori, e sullo Starter l’output non aveva watermark.
Ecco la clip di partenza in inglese e, subito sotto, il risultato doppiato in italiano — così senti da dove si parte e dove si arriva:
La scoperta utile è un parametro nascosto in “Avanzato”: “Somiglianza con il parlante”. A valori alti il sistema cerca di preservare la voce originale — e il risultato in italiano è assurdo, con un accento inglese caricaturale. Portandolo a 0, l’italiano suona naturale (ma si perde la somiglianza con la voce di partenza). È una tensione onesta col claim “manteniamo la voce del parlante”: o naturale, o somigliante, difficilmente entrambe. Per un buon doppiaggio in italiano, tienilo basso.
Il costo, però, fa riflettere: 2.233 crediti per 12 secondi. Su un piano da 30.000 crediti al mese è circa il 7% del mese per una sola clip cortissima.
Una nota di contesto: se il doppiaggio è il tuo obiettivo principale, mettendo a confronto tutto il cluster il riferimento resta HeyGen — più conveniente e con la ri-sincronizzazione delle labbra. ElevenLabs qui traduce bene, ma non è lo strumento più adatto a chi localizza video con continuità.
Video con sincronizzazione labiale (beta)
Per curiosità ho generato anche un video a partire dall’audio v3, con un avatar messo a disposizione dalla piattaforma.
Tecnicamente interessante, ma il prezzo è proibitivo: 31.391 crediti per circa 17 secondi. Per darti un’idea, è quanto 63 generazioni audio dello stesso testo, circa un quarto dell’intero piano Creator mensile, o tre mesi interi del piano gratuito — per un singolo video. È una funzione in beta: bella da vedere, ma oggi, a questi costi, difficile da usare sul serio.
Quanto costa davvero: crediti, API e costi nascosti
ElevenLabs funziona a crediti, e i crediti corrispondono ai caratteri di testo. I prezzi sono in dollari (anche sulla pagina italiana). Ecco i piani principali (verificati il 15 giugno 2026):
| Piano | Prezzo/mese | Crediti/mese | Licenza commerciale |
|---|---|---|---|
| Gratis | $0 | 10.000 | no |
| Starter | $6 | 30.000 | sì |
| Creator | $22 (1° mese $11) | 121.000 | sì |
| Pro | $99 | 600.000 | sì |
| Scale | $299 | 1.800.000 | sì |
| Business | $990 | 6.000.000 | sì |
C’è una distinzione che quasi nessuno spiega, e che cambia i conti. Nell’interfaccia (Studio) tutti i modelli costano uguale a parità di testo. Via API, invece, il Flash/Turbo costa 0,05 $ per 1.000 caratteri contro 0,10 $ del Multilingual: cioè la metà, e a parità di spesa ottieni il doppio dei caratteri. È questo lo “sconto API”. Attenzione anche al fatto che lo stesso piano (es. Creator) offre quantità diverse se lo usi via Studio o via API — un dettaglio su cui è facile sbagliare i conti.
E quando finisci i crediti del mese? Si paga a consumo, con una tariffa per minuto extra che cala salendo di piano (indicativamente da ~0,36 $/min sul gratuito a ~0,17 $/min sui piani alti): un altro motivo per scegliere il piano giusto invece di sforare di continuo su uno piccolo.
Il vero “costo nascosto” però è un altro, ed è la lamentela numero uno degli utenti: si pagano i crediti per ogni tentativo di generazione, non solo per quelli riusciti. Una rigenerazione, un audio venuto male, una prova da rifare: crediti comunque consumati. Diversi utenti riportano un costo effettivo intorno a 2,8 volte quello pubblicizzato. I miei test lo confermano dal lato delle funzioni avanzate: il video da 31.391 crediti e il doppiaggio rifatto due volte sono esattamente il tipo di consumo che svuota un piano in fretta.
Il consiglio pratico: usa molto il piano gratuito prima di pagare, e tieni le funzioni beta (video, doppiaggio) per quando ti servono davvero. E se ti stai chiedendo se non convenga restare sul gratis — il suo o quello di altri strumenti — ho confrontato ElevenLabs e le voci gratis in italiano, con gli audio affiancati.
Licenza e privacy: cosa puoi farci (legalmente) in Italia
Riporto qui i punti dei loro termini ufficiali; non è una consulenza legale.
- Uso commerciale: il piano gratuito non ha licenza commerciale; tutti i piani a pagamento, dallo Starter in su, sì (a patto che tu abbia i diritti sul contenuto e rispetti i loro termini).
- Attribuzione: richiesta solo sul piano gratuito; sui piani a pagamento non serve.
- Proprietà: mantieni i diritti sui tuoi contenuti, ma concedi a ElevenLabs una licenza per usarli ad addestrare e migliorare i loro modelli; si impegnano a non commercializzare la tua voce da sola senza permesso.
- L’insidia da conoscere: la licenza commerciale vale purché tu non usi le funzioni in Beta. Tradotto: l’output del video lip-sync (beta) e del doppiaggio v2 (alpha) potrebbe non essere coperto per l’uso commerciale. Quel video da 31.000 crediti, a rigore, oggi non lo monetizzeresti.
- Per l’Italia: valgono i termini in versione europea, e ricordati che l’EU AI Act richiede, in certi contesti, di etichettare i contenuti audio generati dall’IA.
Cosa dicono gli altri utenti
Il quadro delle recensioni racconta una cosa precisa: il prodotto è amato, l’esperienza commerciale meno. Su G2 ElevenLabs ha circa 4,5/5 (oltre 1.000 recensioni); su Trustpilot scende a circa 3,2/5, e quel divario riguarda crediti, fatturazione e assistenza — non la qualità della voce.
Le lodi ricorrenti: realismo ed espressività delle voci, ampia libreria multilingua, clonazione di qualità, API semplice e veloce.
Le critiche ricorrenti: crediti che si bruciano in fretta (e si paga anche per le generazioni fallite); fatturazione, rimborsi e disdette percepiti come ostici; assistenza clienti lenta; e incoerenze tra modelli, con debolezze proprio su numeri, sigle e accenti nelle lingue non inglesi.
Quest’ultimo punto è interessante: è esattamente ciò che ho riscontrato a mano sul “1.250” e sulle sigle. La mia prova, insomma, conferma il sentiment degli utenti — e lo fa coi numeri.
A chi conviene (e a chi no)
Conviene se la voce è il centro del tuo lavoro e la qualità in italiano è prioritaria: narrazione, audiolibri, podcast, voiceover per video, doppiaggio occasionale. Conviene anche agli sviluppatori, grazie all’API e al Flash a metà prezzo per i volumi.
Conviene meno se hai un budget piccolo e produci tanto: il modello a crediti, con il conteggio anche delle generazioni fallite, può rendere la spesa imprevedibile. E se il tuo obiettivo principale è il video con avatar, oggi i costi in beta lo rendono poco pratico: meglio strumenti nati per quello.
Consigli pratici per spendere meno e ottenere di più
- Scegli il modello in base al testo: v3 per narrazione, audiolibri e dialoghi; Flash quando il testo è pieno di numeri e sigle o ti serve velocità.
- Doppiaggio in italiano: tieni il parametro “Somiglianza con il parlante” basso (a 0), altrimenti l’accento straniero rovina il risultato.
- Prima di pagare, prova gratis: genera il tuo testo reale sul piano gratuito e ascolta se la voce ti convince davvero.
- Occhio al consumo: paghi i crediti anche per le generazioni fallite, quindi sistema testo e impostazioni prima di generare. Le funzioni beta (video, doppiaggio) costano tantissimo: usale solo quando servono.
- Se lavori a volume o via API: il Flash costa la metà del Multilingual a parità di caratteri.
- Privacy: ricorda che puoi eliminare dal tuo account le voci clonate e i campioni caricati.
Pro e contro
A favore
- Qualità della voce ai vertici, anche in italiano (modello v3).
- Clonazione vocale rapida e molto fedele.
- Doppiaggio con traduzione precisa e senza watermark (dallo Starter).
- API flessibile e, sul Flash, conveniente.
Contro
- Costo elevato e crediti che si consumano in fretta (si paga anche per i tentativi falliti).
- Funzioni avanzate (video, doppiaggio) carissime in crediti.
- Assistenza clienti spesso lenta.
- Funzioni in beta non coperte dalla licenza commerciale.
Le alternative a ElevenLabs
Se ElevenLabs non ti convince — per prezzo o per esigenze specifiche — i nomi da valutare sono Murf e Speechify: li ho provati con gli stessi test in italiano. Ho messo a confronto diretto ElevenLabs vs Murf, con gli audio affiancati; e c’è anche il confronto ElevenLabs vs Speechify.
In sintesi: ElevenLabs vince sulla naturalezza e sulla clonazione; gli altri possono avere senso per editor integrati, listini diversi o casi d’uso particolari. La differenza, in italiano, la senti soprattutto sull’espressività. E se vuoi vedere come si colloca rispetto a tutti gli altri, guarda la classifica delle voci AI.
Domande frequenti
Le domande che mi fanno più spesso
ElevenLabs funziona bene in italiano?
Sì, soprattutto con il modello v3, che in narrazione e dialoghi suona naturale ed espressivo. Il limite più frequente sono alcune sigle lette in modo incerto; il Multilingual v2 è meno convincente su numeri e sigle.
Qual è la differenza tra i modelli v3, Multilingual v2 e Flash?
Il v3 è il più espressivo (migliore per voiceover e audiolibri); il Multilingual v2 è lo standard; il Flash v2.5 è il più veloce e, a sorpresa, se la cava bene con numeri e sigle, ma risulta più metallico e meno espressivo.
Quanto costa ElevenLabs?
C’è un piano gratuito (10.000 crediti/mese, senza uso commerciale). I piani a pagamento partono da 6 $/mese (Starter, 30.000 crediti) e salgono fino a Business e Enterprise. I crediti corrispondono ai caratteri di testo.
Posso usare gli audio di ElevenLabs commercialmente?
Sì, da qualsiasi piano a pagamento (dallo Starter), purché tu abbia i diritti sul contenuto. Il piano gratuito non include la licenza commerciale e richiede l’attribuzione. Attenzione: le funzioni ancora in beta potrebbero non essere coperte dalla licenza commerciale.
La clonazione vocale è sicura per la privacy?
Prima di clonare devi dichiarare di avere i diritti sui campioni, e i modelli vocali creati si possono eliminare dal proprio account. Per le mie prove ho usato una voce sintetica, così da non caricare voci reali.
Il doppiaggio mantiene la voce originale?
Può provarci, ma c’è un compromesso: il parametro “Somiglianza con il parlante” a valori alti preserva la voce ma trascina un accento straniero esagerato; a 0 suona naturale nella lingua di destinazione ma perde la somiglianza.
Verdetto finale
ElevenLabs fa quello che promette meglio di chiunque altro sulla qualità della voce, e — cosa che conta per noi — lo fa anche in italiano, in particolare con il modello v3. Se la voce è il centro del tuo lavoro, è lo strumento da cui partire.
Il prezzo da pagare, letteralmente, è la gestione dei crediti: si consumano in fretta, paghi anche gli errori, e le funzioni avanzate costano tantissimo. Aggiungici un’assistenza che gli utenti criticano e alcune funzioni ancora in beta, e capisci perché il mio voto si ferma a un 8,5/10 invece del pieno.
Il modo giusto di entrarci è dalla porta gratuita: provalo sul tuo testo, ascolta se la voce ti convince, e sali di piano solo quando sei sicuro.