Nie płać za AI — pięć darmowych alternatyw open source

O czym jest ten film

1. Pięć darmowych repozytoriów open source, które mają zastąpić płatne subskrypcje AI bez utraty prywatności danych.
2. Free LLM API: ponad 34 darmowych dostawców modeli językowych — łącznie około 7 miliardów tokenów miesięcznie dla Claude Code, Codexa i Groka.
3. FluidVoice: lokalna dyktacja i transkrypcja mowy jako alternatywa dla WhisperFlow i Granoli (14–18 USD miesięcznie).
4. Argument liczbowy: dyktowanie daje około 150 słów na minutę wobec 35–50 przy pisaniu na klawiaturze.
5. FluidVoice ma też tryb notatek ze spotkań (Fluent Meet) i możliwość streszczania lokalnym modelem; całość działa offline.
6. Voice Studio: w pełni lokalny, otwarty odpowiednik ElevenLabs — klonowanie głosu z 75-sekundowej próbki, dubbing i dyktowanie.
7. Wszystkie rozwiązania porównano 1:1 z płatnymi usługami — z uczciwym przyznaniem, że lokalne wersje ustępują jakością.
8. ACE-Step 1.5: lokalny generator muzyki zamiast Suno — dobry do instrumentalnych podkładów wolnych od praw autorskich.
9. Invoke AI: lokalne generowanie obrazów, przetestowane na miniaturze do samego filmu.
10. Materiał zawiera dwie wkładki komercyjne: promocję społeczności autora i sponsorowany fragment o Make.

10 najważniejszych takeaways — z kontekstem zastosowania

1.Darmowe tokeny dla Claude Code i Codexa — Free LLM API

Na czym polega: Repozytorium Free LLM API agreguje ponad 34 darmowych dostawców dużych modeli językowych (Gemini, GPT, DeepSeek, Qwen, GLM, Kimi i inne), którzy razem dają około 7 miliardów tokenów miesięcznie. Dostawców można podpiąć do Claude Code, Codexa czy Groka.

Jak stosować: Jeśli limity subskrypcji kończą się przed końcem miesiąca, skonfiguruj Free LLM API jako dostawcę modeli i korzystaj z narzędzi programistycznych bez opłat. Autor przygotował osobny film z pełną instrukcją konfiguracji (link w opisie materiału).

Na co uważać: Darmowe pule i warunki dostawców zmieniają się bez zapowiedzi — nie opieraj na nich całej pracy produkcyjnej i co jakiś czas sprawdzaj aktualne limity.

2.Głos zamiast klawiatury — trzy razy szybsze wprowadzanie tekstu

Na czym polega: Autor przepisał głosem blisko trzy miliony słów. Dyktowanie pozwala wypowiadać około 150 słów na minutę, a przeciętna osoba pisząca na klawiaturze wyciąga 35–50 — różnica rzędu trzech razy.

Jak stosować: Przypisz globalny skrót klawiszowy do dyktowania i sięgnij po niego wszędzie tam, gdzie piszesz dłuższy tekst: maile, notatki, prompty, dokumentacja. Klawiatura niech zostaje do korekty, nie do tworzenia.

Na co uważać: Jakość transkrypcji zależy od języka i wybranego modelu — najpierw przetestuj narzędzie na swoich realnych zdaniach.

3.FluidVoice: dyktacja całkowicie lokalna, bez chmury

Na czym polega: FluidVoice (w dniu nagrania numer jeden w trendach GitHuba) robi to, co płatne WhisperFlow i Granola, ale na twoim komputerze: nagrania nie opuszczają maszyny, a aplikacja działa także offline.

Jak stosować: Po instalacji wybierz język oraz silnik transkrypcji — większy model daje lepszą dokładność kosztem rozmiaru pobieranych plików. Następnie zezwól na dostęp do mikrofonu i dyktuj za pomocą skrótu klawiszowego. Historia nagrań zostaje w aplikacji.

Na co uważać: Model jednojęzyczny nie rozpozna innej mowy — w teście angielski silnik nie przepisał chińskiego. Do pracy w kilku językach trzeba przełączyć się na model wielojęzyczny.

4.Notatki ze spotkań bez wysyłania danych na zewnątrz

Na czym polega: FluidVoice ma tryb notatek ze spotkań (Fluent Meet): nagrywa rozmowę, zapisuje notatkę i pozwala streścić ją dowolnym lokalnym modelem.

Jak stosować: Włącz notatki przed spotkaniem przyciskiem u góry okna, zakończ je po fakcie, a potem wygeneruj streszczenie wybranym modelem z własnej maszyny. Jeśli chcesz, wszystko może dziać się bez internetu.

Na co uważać: Streszczenie jest tak dobre, jak lokalny model, który wybierzesz — przy wrażliwych spotkaniach to właśnie pełna lokalność jest atutem.

5.Voice Studio: klonowanie głosu z 75-sekundowej próbki

Na czym polega: Otwarty i w pełni lokalny odpowiednik ElevenLabs (który kosztuje do 99 USD miesięcznie przy ograniczonych kredytach). Wystarczy około 75 sekund nagrania, by sklonować głos i wygenerować mowę z dowolnego skryptu; w pakiecie są też dubbing i dyktowanie.

Jak stosować: Nagraj krótką próbkę głosu, wklej tekst i uruchom syntezę. Tak samo można wykorzystać inny głos niż własny.

Na co uważać: Klonowanie cudzego głosu bez zgody bywa problematyczne prawnie i etycznie — korzystaj z głosów, do których masz prawa.

6.Lokalny klon głosu ustępuje ElevenLabs — ustal właściwe oczekiwania

Na czym polega: W bezpośrednim porównaniu wypowiedź z ElevenLabs brzmi wyraźnie naturalniej. Autor wcale tego nie ukrywa — to darmowy model działający na własnym sprzęcie.

Jak stosować: Lokalnego klonu używaj tam, gdzie liczą się koszty i prywatność: szkice, wersje robocze, materiały wewnętrzne. Finalne nagrania publiczne rozważ u profesjonalnej usługi.

Na co uważać: Nie każda generacja wyjdzie za pierwszym razem — im naturalniejszy efekt chcesz osiągnąć, tym więcej prób i mocniejszego sprzętu potrzeba.

7.ACE-Step 1.5: darmowa muzyka bez praw autorskich zamiast Suno

Na czym polega: Suno generuje przekonującą muzykę, także wielojęzyczną, ale szybko zjada kredyty — autor zużywa około 500. ACE-Step 1.5 to otwarty model generowania muzyki, który działa lokalnie, między innymi na Macu.

Jak stosować: Podaj dokładnie ten sam tekst piosenki i opis stylu, którego użyłbyś w Suno. Wynik będzie gorszy, ale do instrumentalnych podkładów do filmów — bez praw autorskich i bez opłat — nadaje się jak najbardziej.

Na co uważać: Wokal to najsłabsze ogniwo lokalnego modelu — bez dodatkowego treningu brzmi sztucznie.

8.Krótki trening lokalnego modelu wystarcza do użytecznych wyników

Na czym polega: Muzyczny efekt z ACE-Step powstał po zaledwie 20–30 minutach uczenia. Dłuższy trening prawdopodobnie dałby lepszy wokal.

Jak stosować: Jeśli zamierzasz generować dużo podkładów, zainwestuj najpierw czas w douczenie modelu na własnym materiale — kolejne generacje będą lepsze.

Na co uważać: Czas treningu rośnie wraz z oczekiwaną jakością; na słabszym sprzęcie pierwsze sensowne wyniki mogą zająć więcej niż pół godziny.

9.Invoke AI: lokalne obrazy do miniatur i grafik roboczych

Na czym polega: W rankingach generowania i edycji obrazów prowadzi GPT, ale jest drogi. Invoke AI pozwala tworzyć grafiki lokalnie — autor zrobił nim miniaturę do własnego filmu.

Jak stosować: Opisz kompozycję (np. logo, hasło, postać) i generuj lokalnie, poprawiając wynik w kolejnych podejściach. Do miniatur i grafik koncepcyjnych to w zupełności wystarcza.

Na co uważać: Typowe słabości otwartych modeli: dłonie, twarze i napisy bywają zniekształcone lub ucięte — nie publikuj pierwszej wersji bez korekty.

10.Jakość w zamian za koszt i prywatność — policz, co ci się opłaca

Na czym polega: Wspólny mianownik wszystkich pięciu narzędzi: wynik jest zwykle gorszy niż u płatnego lidera kategorii, ale koszt spada do zera, a dane nie opuszczają komputera.

Jak stosować: Przejrzyj wyciągi z subskrypcji (narzędzia kodowe, transkrypcje, głos, muzyka, obrazy) i przenieś do lokalnych rozwiązań te zadania, w których jakość „wystarczająco dobra” naprawdę wystarcza.

Na co uważać: Tam, gdzie o wyniku decyduje jakość końcowa — publiczny wokal, głos marki, finalna grafika — różnica względem płatnych usług pozostaje słyszalna i widoczna.

Redakcyjne tłumaczenie

Wstęp: pięć subskrypcji do skreślenia z listy

Jeśli co miesiąc płacisz za kilka subskrypcji AI i przy tym chcesz zachować prywatność danych, ten materiał jest dla ciebie. Autor prezentuje pięć repozytoriów open source, dzięki którym można pozbyć się płatnych narzędzi — a przy tym żadne nagranie, tekst czy obraz nie muszą opuszczać twojego komputera. Bez zbędnych wstępów — zaczynamy.

Darmowe tokeny dla Claude Code i Codexa: Free LLM API

Pierwsza subskrypcja, którą wyrzucamy z budżetu, dotyczy narzędzi programistycznych: Claude Code i Codexa, a także Groka. Jeśli regularnie wyczerpujesz miesięczne limity, jest na to sposób: w sieci działa ponad 34 darmowych dostawców dużych modeli językowych, którzy łącznie udostępniają około siedmiu miliardów tokenów miesięcznie. Całą organizację tych dostawców załatwia repozytorium Free LLM API — obsługuje między innymi Gemini, GPT, DeepSeek, Qwen, GLM i Kimi, a więc praktycznie wszystko, czego można potrzebować. Autor nagrał osobny film z pełnym przewodnikiem: jak znaleźć darmowych dostawców, jak ich skonfigurować i połączyć, tak by Claude Code, Codex czy inne podobne narzędzie działało zupełnie bez opłat.

(Informacja dodatkowa: tokeny to jednostki, w których rozlicza się pracę modeli językowych; darmowe pule ustalają sami dostawcy i mogą je zmieniać.)

Dyktowanie i notatki ze spotkań: FluidVoice zamiast WhisperFlow i Granoli

Druga kategoria to transkrypcja mowy. Dwaj najwięksi gracze na rynku to WhisperFlow i Granola — abonamenty kosztują tam około 14–18 dolarów miesięcznie i obejmują dyktowanie głosowe oraz rozbudowane, długie historie notatek.

Sam autor używa WhisperFlow od blisko roku i przepisał głosem prawie trzy miliony słów. Liczby przemawiają same za siebie: dyktowanie pozwala wypowiadać około 150 słów na minutę, a przeciętna osoba pisząca na klawiaturze wyciąga 35–50. To niemal trzykrotny wzrost tempa samego wprowadzania tekstu — bez żadnej zmiany w reszcie pracy.

Jak to wygląda w praktyce? Po wciśnięciu skrótu klawiszowego na ekranie pojawia się fala dźwiękowa sygnalizująca nagrywanie, a każde wypowiedziane zdanie natychmiast zamienia się w tekst. Co ważne, narzędzie samo rozpoznaje język wypowiedzi — niczego nie trzeba przełączać ręcznie. Wszystkie wcześniejsze notatki zostają w aplikacji i są pod ręką w każdej chwili.

Darmowy odpowiednik to FluidVoice, który w dniu nagrania zajmował pierwsze miejsce w trendach GitHuba. Instalator wita hasłem w duchu: „Ty po prostu mów, resztą zajmiemy się my — dokładnie, szybko, prywatnie i bezpłatnie”. I faktycznie: transkrypcja odbywa się w całości na twoim komputerze. Po instalacji wybieramy język (w pokazie — angielski), a potem silnik rozpoznawania mowy. Do dyspozycji są dwa warianty różniące się rozmiarem pobieranych plików; autor porównuje prędkość i dokładność obu i decyduje się na większy, dokładniejszy model. Obok widnieje też wersja wielojęzyczna — dla osób mówiących w więcej niż jednym języku. Gdy model się zainstaluje, udzielamy aplikacji dostępu do mikrofonu, wchodzimy w opcje i możemy przeprowadzić test na żywo: wszystko, co powiemy, pojawia się na ekranie w czasie rzeczywistym.

Test ujawnił jednak jeden haczyk: model angielski nie przepisał słów wypowiedzianych po chińsku. Żeby dyktować w kilku językach, trzeba przełączyć się na model wielojęzyczny. Poza tym funkcja działa i zadanie zostaje wykonane.

Od WhisperFlow różni się to, że tam w rogu ekranu jest osobny, szybki przycisk pozwalający błyskawicznie przeskoczyć do notatnika ze spotkań. We FluidVoice notatki uruchamia się przyciskiem u góry okna — „Rozpocznij notatki ze spotkania”. Po zakończeniu rozmowy wystarczy kliknąć przycisk zakończenia, a aplikacja zapisze notatkę. Historia nagrań zostaje w programie, a notatkę z funkcji Fluent Meet można następnie streścić dowolnym lokalnym modelem. I to jest sedno: żadne dane nie są nigdzie wysyłane, a całość da się używać także offline.

Wkładka: społeczność i kurs autora

W tym miejscu materiał przerywa promocja: autor, były starszy inżynier AI w Amazonie i Microsofcie, zachęca do dołączenia do swojej społeczności, w której uczy budowania agentów, automatyzacji i prawdziwych produktów AI. W pakiecie jest mapa rozwoju — od automatyzacji, przez agentów i systemy badawcze, po budowanie własnego SaaS-a i komercjalizację umiejętności — a także szablony, przepływy pracy, cotygodniowe rozmowy na żywo i bezpośrednie wsparcie grupy. Cel, jak podkreśla, nie polega na oglądaniu kolejnych filmów, tylko na budowaniu, publikowaniu postępów i zbieraniu uwag.

Klonowanie głosu: Voice Studio zamiast ElevenLabs

Trzecia pozycja do zastąpienia to ElevenLabs. Cennik zaczyna się od kilku dolarów i sięga 99 dolarów miesięcznie za plan pro — przy ograniczonej, odnawianej co miesiąc puli kredytów, które często przepadają na nieudanych próbach generowania.

Odpowiedzią jest Voice Studio: kompletnie otwarty, w pełni lokalny odpowiednik ElevenLabs. Klonuje dowolny głos, obsługuje dubbing filmów i dyktowanie — podobnie jak narzędzia z poprzedniego rozdziału. Autor ma aplikację zainstalowaną, a własny głos sklonował, podając jej zaledwie 75 sekund nagrania. Do tego wystarczyło wkleić skrypt tego, co głos ma powiedzieć, i uruchomić syntezę. Efekt brzmi tak:

„Ustawimy projekt, zbudujemy główną funkcję, przetestujemy i wypuścimy, żeby realni ludzie mogli z niej korzystać. I szczerze mówiąc — właśnie na tym polega cała sprawa, bo demo nie przynosi użytkowników. Jeśli budujesz z AI, wypróbuj ten sposób pracy.”

Dla porównania tak brzmi próbka z ElevenLabs: „Sąsiedztwo budują marzenia, śmiech i miłość”. Różnica jest słyszalna: ElevenLabs wypada zdecydowanie naturalniej. Autor tego nie ukrywa — darmowy model na lokalnej maszynie nie dorówna usłudze za pieniądze. Ale klon działa, wynik da się wykorzystać, a przy okazji równie dobrze można posłużyć się innym głosem, nie tylko własnym. W pokazie osobny „głos demonstracyjny” przedstawia się: „Powstałem tutaj, na twoim komputerze — prywatnie, lokalnie i do dyspozycji, kiedy tylko zechcesz”, a potem czyta w całości skrypt filmu o Claude Code. I znowu: jakość wyraźnie niższa niż w ElevenLabs, widać to i słychać — ale coś, co działa lokalnie, zupełnie za darmo i z pełną prywatnością, ma swoją wartość. Żadne dane nie idą w świat.

Wkładka sponsorowana: Make i Maya

Ten fragment sponsoruje Make. Autor — były starszy inżynier oprogramowania w Microsofcie i Amazonie — pokazuje przykład warty skopiowania do portfolio. Firmy dostają od klientów prośby o zmianę planu, których sztuczna inteligencja nie powinna wykonywać samodzielnie na żywych danych — a spięcie bazy, agenta i komunikatora zespołowego zwykle wymaga mnóstwa własnego kodu. Większość widzianych przez niego portfolio to przy tym „kolejny chatbot”; na takich stanowiskach wolałby zobaczyć schemat: AI proponuje zmianę, człowiek ją zatwierdza.

Maya, asystentka wbudowana w Make, buduje cały scenariusz na podstawie opisu w zwykłym języku. Po wklejeniu planu rozmieszcza na płótnie wyszukiwanie rekordu, agenta, dziennik audytu i powiadomienia na Telegramie, a webhook autor dodaje sam. Na prośbę, by odpowiedzi tylko do odczytu pomijały etap akceptacji, Maya dopisuje odpowiednią gałąź; druga część scenariusza obsługuje zatwierdzanie zmian. Test: zgłoszenie zmiany planu na enterprise — telefon dostaje wiadomość, autor klika „zatwierdź”, rekord zmienia się na enterprise, a operacja ląduje w tabeli audytu. Osobna zakładka pokazuje rozumowanie agenta krok po kroku. Całość da się streścić jednym zdaniem, także na rozmowie rekrutacyjnej: wyszukiwanie zgłoszenia, sugestia AI, akceptacja człowieka, zapis w logu. Gotowe scenariusze są do skopiowania z opisu filmu; link daje miesiąc Make Pro za darmo — 10 000 operacji, bez podawania karty.

Muzyka bez praw autorskich: ACE-Step 1.5 zamiast Suno

Czwarta pozycja na liście to Suno, czyli generowanie muzyki przez AI. Autor korzysta z niego często — podkłady do filmów, muzyka wolna od praw autorskich — ale usługa jest droga: w planie pro kredyty są mocno ograniczone, a on sam zużywa około 500.

Test zaprojektowano uczciwie: dokładnie te same słowa piosenki i ten sam opis stylu trafiły zarówno do Suno, jak i do modelu lokalnego. Utwór z Suno — z fragmentami w różnych językach — brzmi naprawdę dobrze („Jedna mała iskra, pozwól jej rozbłysnąć…”), ale każdą sekundę tych efektów się opłaca. Dosłownie.

Lokalną odpowiedzią jest ACE-Step 1.5, potężny otwarty model generowania muzyki, który uruchomisz między innymi na Macu i innych wspieranych urządzeniach. Autor instaluje go błyskawicznie — właściwie zleca to AI, a następnie przy użyciu najlepszego modelu, na jaki stać jego komputer, generuje tę samą piosenkę z tych samych słów i stylu. Wynik? Słabszy, i autor nie udaje inaczej: dostajesz to, co darmowe. Za to ani muzyka, ani głos nie opuszczają komputera. Do instrumentalnej muzyki wolnej od praw autorskich model nadaje się jak najbardziej — ta część nie wymaga aż tyle treningu. Najwięcej pracy kosztuje klonowanie głosu: gdyby pozwolić modelowi uczyć się dłużej, wyniki byłyby lepsze. A tak przedstawia się efekt po zaledwie 20–30 minutach uczenia.

Obrazy: Invoke AI zamiast płatnych generatorów

Ostatnia kategoria to generowanie grafik. W rankingach — zarówno dla tworzenia obrazów z tekstu, jak i ich edycji — rządzi GPT, który, jak już wiemy, jest drogi. Co robić, gdy limity się skończą, a grafiki trzeba dalej tworzyć? Rozwiązaniem jest repozytorium Invoke AI, czyli generowanie obrazów lokalnie.

(Informacja dodatkowa: Invoke AI to popularny projekt open source służący do lokalnego generowania i edycji obrazów.)

Test praktyczny przeprowadzono na autentycznym zadaniu: autor kazał AI przygotować miniaturę właśnie do tego filmu. Efekt ma typowe wady otwartych modeli — dłonie się „nie dopisały”, twarz nie jest do końca ostra, a w drugiej grafice fragment napisu się uciął i przydałyby się kolejne poprawki. Kompozycja jednak działa: logo GitHuba, hasło o pięciu darmowych narzędziach AI. Jak na lokalny generator — zupełnie nieźle.

Podsumowanie

Te pięć repozytoriów — Free LLM API, FluidVoice, Voice Studio, ACE-Step 1.5 i Invoke AI — pozwala realnie ograniczyć wydatki na subskrypcje AI i zachować dane na własnym komputerze. Autor zachęca do polubienia filmu, subskrypcji kanału i komentarza z ulubionym narzędziem z listy — obiecuje przeczytać każdą opinię. Linki do wszystkich repozytoriów znajdują się w opisie materiału.