ElevenLabs o OpenAI per la voce di un centralino

Elisa ha un'azienda di impianti di climatizzazione con otto dipendenti. Il centralino risponde a voce registrata, fuori orario non risponde nessuno, e l'idea è una voce più naturale che dica gli orari e prenda un recapito. Vorrebbe anche una voce per i video con cui spiega gli interventi ai clienti. Ha sentito che si può "clonare" la voce del titolare. La scelta tra ElevenLabs e OpenAI riguarda quattro cose: come si paga, che voci hai, come funziona il consenso quando la voce è di una persona vera, e che cosa devi dire a chi ascolta.

Per chi è ciascuno

• ElevenLabs: se vuoi scegliere o clonare una voce e usarla per video e messaggi con un piano a crediti.
• OpenAI: se un fornitore costruisce il centralino e ti serve la voce come pezzo di un sistema più grande.
• Nessuno dei due, per ora: se la voce è di una persona che non ha dato un consenso scritto.

Come si paga, voce per voce

ElevenLabs vende piani a crediti. Nella lettura del 9 ottobre 2026 la pagina dei prezzi, in dollari e con le tasse escluse, mostra un piano Free con 10.000 crediti al mese, un piano Pro a 99 dollari al mese con 600.000 crediti, uno Scale a 299 dollari con 1,8 milioni e un Business a 990 dollari con 6 milioni ¹. Starter e Creator hanno prezzi con offerte sul primo mese e non li riportiamo, per non confondere la tariffa ordinaria con la promozione ¹. La pagina non traduce i crediti in minuti di audio, quindi non lo facciamo noi.

OpenAI si paga a consumo, come tutte le sue API. Nel listino letto il 9 ottobre 2026, in dollari, il modello tts-1 costa 15 dollari per milione di caratteri e tts-1-hd 30 ⁴. Il modello gpt-4o-mini-tts è invece a token: 0,60 dollari per milione in ingresso per il testo e 12 dollari per milione in uscita per l'audio ⁴.

Le due formule servono a due persone diverse. Il piano a crediti è facile da mettere a budget per chi produce video e messaggi. Il consumo ha senso quando la voce è parte di un sistema che qualcuno ha costruito e che genera audio mentre il cliente parla.

Che voci hai a disposizione

OpenAI dichiara 13 voci predefinite per l'endpoint di sintesi, ottimizzate per l'inglese, e un supporto per oltre 90 lingue, ricalcato sulle lingue di Whisper ⁵. Per una PMI italiana questo significa provare la resa in italiano con le proprie frasi: pronuncia dei nomi, ritmo, cifre e orari.

ElevenLabs permette di partire da una voce già pronta oppure di clonarne una. La documentazione indica che per la clonazione istantanea bastano circa 1 o 2 minuti di audio pulito, con un massimo di 3 minuti, mentre per quella professionale servono da 30 a 180 minuti ³. La clonazione istantanea è inclusa dal piano Starter, quella professionale dal Creator ¹.

In pratica, se ti basta una voce gradevole e neutra per un messaggio d'attesa, una voce predefinita è la strada più semplice. Se vuoi che nei video parli la voce del titolare, il tema è un altro, ed è il consenso.

Voci di persone vere: il consenso

I termini di ElevenLabs dicono che puoi creare un modello di voce solo con una voce che sei autorizzato a condividere, e che non puoi fornire contenuti per cui non hai tutti i diritti necessari ². Quando crei una clonazione istantanea devi inoltre confermare di avere il diritto e il consenso per clonare quella voce ³. Gli utenti gratuiti, sempre secondo i termini, possono usare il servizio solo per scopi non commerciali ².

Anche OpenAI parte dal consenso, ma lo rende una procedura tecnica: per creare una voce personalizzata servono due registrazioni, una di consenso, in cui la persona legge una frase prestabilita, e una di campione ⁶. In italiano la frase è "Sono il proprietario di questa voce e acconsento che OpenAI la utilizzi per creare un modello di voce sintetica" e qualsiasi differenza dallo script fa fallire il caricamento ⁶. Le voci personalizzate sono limitate ai clienti idonei, con un massimo di 20 voci per organizzazione ⁶.

Per un dipendente o un testimonial c'è poi il lato giuridico, che nessuna piattaforma risolve al posto tuo: lo trovi nella pagina su clonare la voce di un dipendente o di un testimonial.

Che cosa devi dire a chi ascolta

La documentazione di OpenAI chiede a chi usa la sintesi di dare agli utenti finali un'informazione chiara che la voce che sentono è generata dall'AI e non è una voce umana ⁵. È una regola della piattaforma, e vale la pena rispettarla a prescindere dal fornitore: una frase breve all'inizio della chiamata, come "Questo è l'assistente automatico di Climatica Rossi", evita equivoci e protegge l'azienda.

Se la voce risponde a clienti al telefono, quella frase fa parte anche delle regole di trasparenza sui sistemi che dialogano con le persone, che trovi nella guida su cosa prevede l'AI Act per chatbot e contenuti. Per le voci nei video, e in particolare per quelle clonate, vedi anche le regole sulle etichette dei deepfake.

Cosa provare prima di pagare

Scrivi cinque frasi del tuo centralino: il saluto, gli orari, un indirizzo con il numero civico, un numero di telefono lungo, una frase con il nome di un cliente. Fatele leggere a una voce di ElevenLabs e a una di OpenAI, poi fai ascoltare le versioni a due colleghi e a un cliente di fiducia, senza dire quale è quale. Segna dove la voce sbaglia: accenti, numeri, pause.

Se il centralino deve rispondere in tempo reale, chiedi al fornitore informatico quanto tempo passa fra la fine della frase del cliente e l'inizio della risposta. ElevenLabs indica la sintesi a bassa latenza fra le funzioni del piano Business ¹. Sul resto dei piani la pagina dei prezzi non dà un tempo di risposta, quindi è una domanda da fare a chi installa.

Il verdetto

Per chi produce video e messaggi con una voce scelta o clonata, ElevenLabs offre un percorso pronto a piani a crediti, con il consenso da dichiarare per ogni voce. Per chi ha un fornitore che costruisce un sistema vocale su misura, la sintesi a consumo di OpenAI si inserisce nel progetto. In ogni caso non clonare mai una voce senza il consenso scritto della persona, e di' sempre a chi ascolta che la voce è sintetica.

Altri confronti sono in Confronti e strumenti.