Yapay zeka seslendirme: araçlar, Türkçe desteği ve kullanım
Yapay zeka seslendirme araçları Ekim 2026: ElevenLabs, HeyGen Voice, Gemini ve yerel modeller. Hangisi Türkçe konuşuyor, fiyatı ne, videoya nasıl oturur?
Yapay zeka seslendirme, yazdığın metni bir modelin sesli konuşmaya çevirmesidir. Teknik adı metinden sese (text to speech, kısaca TTS). Reklam filminde dış ses, eğitim videosunda anlatım, sosyal medya videosunda seslendirme ve sesli kitap bugün bu yolla üretilebiliyor.
Bu yazıda güncel araçları ve bağımsız karşılaştırma sonuçlarını, hangilerinin Türkçe konuştuğunu, bilgisayarında ücretsiz çalışan modelleri, duygu ve vurgunun nasıl verildiğini, maliyeti ve sesi videoya oturtmayı anlatıyoruz. Rakamlar 12 Ekim 2026 itibarıyla; bu alanda sıralama ve fiyat sık değişiyor.
Yapay zeka seslendirme nedir, kaç türü var?
Üç ayrı iş aynı adla anılıyor:
| Tür | Ne yaparsın | Ne zaman |
|---|---|---|
| Hazır sesle seslendirme | Kütüphaneden bir ses seçer, metni yazarsın | Çoğu iş için yeterli |
| Ses tasarımı | Sesi yazıyla tarif edersin: "kırklarında, sakin, hafif boğuk bir kadın sesi" | Markaya özel, kimseye ait olmayan bir ses istediğinde |
| Ses klonlama | Gerçek bir kişinin kaydını verir, o sesle konuştursun | Kendi sesin ya da izin vermiş bir seslendirmenle süreklilik istediğinde |
Üçünde de çıktı bir ses dosyasıdır. Farkı sesin kime ait olduğu ve bunun getirdiği izin sorusu belirler; klonlama bölümünde ayrıntısı var.
En iyi yapay zeka seslendirme araçları: Ekim 2026 sıralaması
Bağımsız karşılaştırmada sık başvurulan kaynaklardan biri Artificial Analysis'in kör dinleme sıralaması. Dinleyiciler aynı metnin iki modelden çıkan halini, hangisinin hangi model olduğunu bilmeden dinliyor ve daha doğal olanı seçiyor; oylar Elo puanına dönüşüyor. Genel sıralamanın (yeni sekmede açılır) 12 Ekim'deki ilk sıraları:
| Sıra | Model | Şirket | Elo | 1 milyon karakter | Türkçe |
|---|---|---|---|---|---|
| 1 | Eleven v4 Turbo | ElevenLabs | 1327 | 40 dolar | Var |
| 2 | Eleven v4 | ElevenLabs | 1323 | 80 dolar | Var |
| 3 | Qwen-Audio-3.1-TTS-Plus | Alibaba | 1298 | 19,3 dolar | Doğrulamadık |
| 4 | Sonic 3.6 | Cartesia | 1284 | 49 dolar | Var |
| 5 | Gemini 3.8 Flash TTS | 1272 | 16,5 dolar | Var | |
| 8 | Gemini 3.8 Flash-Lite TTS | 1244 | 11 dolar | Var |
Bu sıralamada her şirket kendi hazır sesleriyle yarışıyor. İkinci bir sıralama daha var: aynı sekiz klonlanmış sesle (yeni sekmede açılır) yapılan karşılaştırma. Orada modelin kendisi ölçülüyor, ses kütüphanesinin kalitesi devre dışı kalıyor:
| Sıra | Model | Elo | 1 milyon karakter |
|---|---|---|---|
| 1 | HeyGen Voice | 1201 | 30 dolar |
| 2 | Qwen-Audio-3.1-TTS-Plus | 1187 | 19,3 dolar |
| 3 | Eleven v4 Turbo | 1168 | 40 dolar |
| 4 | Eleven v4 | 1162 | 80 dolar |
HeyGen Voice, HeyGen'in 9 Ekim 2026'da duyurduğu (yeni sekmede açılır) kendi ses modeli. "Birinci" başlığı bu ikinci sıralamaya ait; genel sıralamada henüz yer almıyor.
Ücretli araçlar: hangisi ne için?
ElevenLabs. En geniş ses kütüphanesi ve en çok ayar burada. Model sayfasına (yeni sekmede açılır) göre güncel ana model Eleven v4 (90'dan fazla dil, tek istekte 10.000 karakter), hızlı sürümü v4 Turbo; önceki kuşak v3 ve Multilingual v2 de duruyor. Hepsinin dil listesinde Türkçe var. Sitedeki planlar (yeni sekmede açılır):
| Plan | Aylık | Kredi | Ticari kullanım |
|---|---|---|---|
| Free | 0 dolar | 10.000 | Yok |
| Starter | 6 dolar | 30.000 | Var |
| Creator | 22 dolar | 121.000 | Var, profesyonel ses klonlama dahil |
| Pro | 99 dolar | 600.000 | Var |
Ücretsiz planla ürettiğin sesi reklamda ya da satış videosunda kullanamazsın; ticari iş için en az Starter gerekiyor.
HeyGen Voice. Duyuruya göre HeyGen platformunda ve API'sinde ücretsiz; profesyonel ses klonlama ayda 99 dolarlık ek. HeyGen asıl olarak avatar videoları üreten bir platform, ses modeli de o videoların sesi olarak tasarlanmış. Duyuruda dil listesi yok; Türkçe için denemeden karar verme.
Google Gemini TTS. Belgelerine (yeni sekmede açılır) göre Gemini 3.8 Flash TTS ve Flash-Lite TTS Türkçeyi destekliyor. 30 hazır ses var, bir istekte iki konuşmacılı diyalog üretilebiliyor. Karakter başına fiyatı listenin en düşüklerinden; çok hacimli işlerde öne çıkıyor.
Cartesia Sonic 3.6. Belgelerine (yeni sekmede açılır) göre 44 dil, Türkçe dahil. Hız için tasarlanmış; canlı sesli asistan gibi gecikmenin önemli olduğu işlerde tercih ediliyor.
Bilgisayarında çalışan ücretsiz modeller
Açık modelleri kendi bilgisayarına kurup internet olmadan, karakter ücreti ödemeden çalıştırabilirsin. Karşılığında kurulum bilgisi ve çoğunda güçlü bir ekran kartı gerekir. Türkçe açısından durum:
| Model | Türkçe | Lisans | Not |
|---|---|---|---|
| Chatterbox Multilingual (yeni sekmede açılır) (Resemble AI) | Var, 23 dilden biri | MIT, ticari kullanım serbest | Duygu yoğunluğu sayıyla ayarlanır; her çıktıya duyulmayan filigran gömülür |
| XTTS-v2 (yeni sekmede açılır) (Coqui) | Var, 17 dilden biri | Coqui Public Model License; ticari kullanıma kapalı | 6 saniyelik kayıtla ses klonlar; şirket 2024'te kapandı, model gelişmiyor |
| Fish Audio S2 Pro (yeni sekmede açılır) | Var, ama üst kademede değil | Araştırma lisansı; ticari kullanım ayrı lisans ister | 80'den fazla dil; en iyi sonuç Japonca, İngilizce ve Çincede. Serbest yazılan duygu etiketleri |
| Piper (yeni sekmede açılır) | Var, tek ses | Sesin kendi lisansına bak | Çok hafif, ekran kartı istemez; ses kalitesi ötekilerin gerisinde |
| Qwen3-TTS (yeni sekmede açılır) (Alibaba) | Yok | Apache 2.0 | 10 dil; Türkçe listede değil |
| Kokoro (yeni sekmede açılır) | Yok | Apache 2.0 | 82 milyon parametre, çok hızlı; Türkçe sesi yok |
Sıralamada en üstteki açık model Breeze TTS 2 (genel sıralamada 10.). Duyurulara göre yalnız İngilizce ve Çince konuşuyor, ağırlıkları da ticari kullanıma kapalı.
Özetle: Türkçe ve ticari iş için bu listede lisansı açık olan yerel seçenek Chatterbox Multilingual. Ötekiler deneme, kişisel proje ve araştırma için uygun. Yerel model şu durumlarda mantıklı: metin dışarı çıkmamalıysa, çok büyük hacimde üretim yapıyorsan ya da kurcalamayı seviyorsan. Tek bir reklam filmi için kurulum zahmetine değmez.
1. bölüm Kullanım
Yapay zeka seslendirme nasıl yapılır?
Araç değişse de adımlar aynı:
Türkçe metni seslendirmeye hazırlamak
Modellerin Türkçede en sık takıldığı yerler belli:
- Rakamlar. "12.500 TL" yerine "on iki bin beş yüz lira" yaz. Tarih ve saat de aynı: "on dokuz otuz".
- Kısaltmalar. "vb.", "örn.", "KDV" her modelde doğru okunmaz. Açık halini yaz ya da nasıl okunacaksa öyle yaz: "ka de ve".
- Yabancı marka ve ürün adları. Model adı Türkçe kurallarla okur. Doğru okunmuyorsa okunuşunu yaz: "Heygen" yerine "heycen".
- Ekler. Yabancı ada gelen eki kesmeyle ayırmak bazen duraksama yaratır; okunuş bozuluyorsa kesmeyi kaldırıp dene.
- Duraklar. Virgül kısa, nokta uzun durak verir. Vurgulamak istediğin kelimeden önce cümleyi böl.
- Uzun cümleler. Yirmi kelimeyi geçen cümlede tonlama dağılır. İkiye böl.
Duygu ve vurgu nasıl verilir?
Her araç başka bir yöntem kullanıyor:
| Araç | Yöntem | Örnek |
|---|---|---|
| ElevenLabs (v3, v4 Turbo) | Metnin içine köşeli parantezli etiket | [whispers] Kimse bilmiyor. |
| Gemini TTS | Ayrı bir stil talimatı ve metin içinde açılı etiket | Stil: "sakin, yavaş, güven veren" · Metin: <short pause> |
| Fish Audio S2 Pro | Serbest yazılan köşeli etiket | [excited], [sigh] |
| Chatterbox | İki sayı: exaggeration (yoğunluk) ve cfg | exaggeration 0,7 ve üstü, cfg 0,3 civarı daha dramatik okur |
| Cartesia Sonic 3.6 | Etiket yok; tonu metnin anlamından çıkarır | Ünlem ve soru işareti yeterli |
Etiketleri belgelerdeki gibi İngilizce yaz: [whispers], [laughs], [excited]. Tek cümlede bir etiket yeter.
Etiketten önce metne bak. "Hemen dene!" cümlesini sakin okutmak için etiket aramak yerine ünlemi kaldırmak çoğu zaman yeter.
Yapay zeka seslendirme ne kadar tutar?
ElevenLabs belgelerine göre 10.000 karakter yaklaşık 10 dakikalık konuşma ediyor; yani 1.000 karakter kabaca bir dakika. Sıralamadaki API fiyatlarıyla bir dakikanın maliyeti:
| Model | 1.000 karakter (yaklaşık 1 dakika) |
|---|---|
| Eleven v4 | 0,08 dolar |
| Eleven v4 Turbo | 0,04 dolar |
| HeyGen Voice | 0,03 dolar |
| Qwen-Audio-3.1-TTS-Plus | 0,019 dolar |
| Gemini 3.8 Flash TTS | 0,017 dolar |
| Gemini 3.8 Flash-Lite TTS | 0,011 dolar |
Reklam senaryosu yazımızdaki 30 saniyelik örneğin seslendirme metni yaklaşık 150 karakter. Tek üretimin maliyeti iki sentin altında kalır. Abonelikte hesap krediyle yapılır: ElevenLabs Creator planındaki 121.000 kredi, karakter başına bir kredi harcayan modellerde yaklaşık iki saatlik ses eder.
Gerçek maliyet üretim ücreti değil, harcadığın zamandır: doğru sesi bulmak, metni kulağa göre yeniden yazmak, on deneme arasından birini seçmek. Yerel modelde ücret sıfırdır ama kurulum ve ekran kartı senin cebinden çıkar.
Seslendirmeyi videoya nasıl oturturum?
Planların nasıl üretildiğini yapay zeka ile reklam filmi yazımızda, seslendirme metninin saniye saniye nasıl yazıldığını reklam senaryosu yazımızda anlattık.
Ses klonlama ve izin
Kendi sesini klonlamak ise serbest ve pratik: bir kez kayıt verir, sonraki videolarda stüdyoya girmeden aynı sesle devam edersin. İyi bir klon için sessiz ortamda, tek tonda, temiz bir kayıt gerekir; kaydın kalitesi klonun kalitesini doğrudan belirler.
Biz nasıl kullanıyoruz?
Yap
- Aracı kendi Türkçe metninle dene.
- Rakamları ve kısaltmaları açık yaz.
- Sesi plan plan üret.
- Ticari işte planın ve modelin lisansını kontrol et.
Yapma
- İngilizce sıralamaya bakıp Türkçe için karar verme.
- Sığmayan metni hızlandırarak çözme.
- Ücretsiz planın çıktısını reklamda kullanma.
- İzin almadan kimsenin sesini klonlama.
Sık sorulanlar
Yapay zeka seslendirme nedir?
Yazılı bir metnin yapay zeka modeliyle insan sesine yakın bir konuşmaya çevrilmesidir. Hazır bir sesle, yazıyla tarif edilen yeni bir sesle ya da gerçek bir kişinin klonlanmış sesiyle yapılabilir.
Ücretsiz yapay zeka seslendirme var mı?
Var. ElevenLabs ücretsiz planda ayda 10.000 kredi veriyor ama bu planın çıktısı ticari işte kullanılamıyor. Chatterbox Multilingual gibi açık modeller bilgisayarına kurulup ücretsiz çalıştırılabilir; kurulum bilgisi ve çoğu zaman güçlü bir ekran kartı ister.
Türkçe için en iyi yapay zeka seslendirme aracı hangisi?
Bağımsız sıralamalar İngilizce için yapılıyor; Türkçe için güvenilir bir sıralama yok. ElevenLabs, Gemini TTS ve Cartesia Sonic Türkçeyi destekliyor. Kendi metninden birkaç cümleyi üçünde de üretip karşılaştırmak en sağlıklı yol.
Yapay zeka seslendirme reklamda kullanılabilir mi?
Kullanılabilir, iki şartla: kullandığın planın ticari kullanım hakkı vermesi ve sesin gerçek bir kişiye aitse o kişinin izninin bulunması. Gerçek bir kişinin yapay zeka kopyasıyla ürün tavsiye ettirmek Türkiye'de yasak.
30 saniyelik bir seslendirme ne kadar tutar?
Üretim ücreti olarak birkaç sent: 30 saniyelik bir seslendirme metni birkaç yüz karakteri geçmez ve sıralamadaki en pahalı modelde 1.000 karakter 0,08 dolar. Asıl maliyet doğru sesi bulmak ve metni düzeltmek için harcanan zamandır.
Yapay zeka sesi insan sesinden ayırt edilir mi?
Kısa ve düz anlatımda ayırt etmek zorlaştı. Uzun metinde, güçlü duygu gerektiren sahnelerde ve özel adlarda fark hala duyulabiliyor. Bu yüzden her kaydı sonuna kadar dinleyip kontrol etmek gerekiyor.
