Один и тот же текст звучит по-разному в зависимости от голоса, тегов и знаков препинания. Если подача задана только словами «сделай эмоционально», модель угадывает; если текст размечен, она следует разметке.
В Eleven v4 подачу задают три вещи: голос, текст с тегами и две настройки. Главное из них — голос: он определяет тембр, темп и манеру, а теги и настройки работают уже поверх него.
Eleven v4 — модель по умолчанию в новых проектах, поэтому гайд написан для неё. Теги и знаки препинания так же работают в Eleven v3, отличия собраны в отдельном разделе.
Что понадобится
- Текст реплики или сценария.
- Режим «Озвучка» в «Генерации» с выбранной моделью Eleven v4.
Пошагово
- 1
Выбери голос под манеру
Прослушай несколько голосов на одной реплике.
- 2
Подготовь текст
Числа и сокращения — словами, короткие фразы, знаки препинания на местах.
- 3
Расставь теги
Тег перед фразой, где меняется эмоция; развёрнутый тег в начале абзаца для темпа.
- 4
Сделай черновик в Eleven v4 Turbo
Проверь темп и теги: Turbo вдвое дешевле v4.
- 5
Озвучь финал в Eleven v4
С теми же тегами; если дубль не понравился, сгенерируй ещё один.
Начни с голоса
Голос повторяет манеру записи, по которой он создан. Бодрый голос легче звучит бодро, спокойный — спокойно. Eleven v4 умеет исполнять и подачу, которой в записи голоса не было, например шёпот у голоса диктора, но надёжнее всего теги срабатывают, когда подача голосу близка.
Сравни голоса на одном тексте
Прослушай два-три голоса на одной и той же реплике с тегами и выбери тот, что ближе к нужной манере.
Свой голос — из чистой записи
Eleven v4 точно передаёт запись, по которой создан голос, вместе с шумом, щелчками и перепадами громкости. Для «Нового голоса» бери 1–2 минуты чистой речи в одной манере.
Другой язык — акцент носителя
На другом языке голос в Eleven v4 говорит с акцентом носителя этого языка. Чтобы добавить акцент, попробуй тег вроде [strong French accent].
Теги: как задать эмоцию и подачу
Тег — короткая инструкция в квадратных скобках там, где подача должна измениться. Напечатай «[» в поле озвучки, и Givon предложит 12 тегов. Список не ограничен: любое описание звучания до 40 символов в скобках уходит в модель.
ElevenLabs пишет все примеры тегов по-английски, поэтому и мы советуем английские теги. Сам текст озвучки при этом может быть на любом языке.
Эмоции
[excited], [sad], [angry], [curious], [sarcastic], [nervous], [calm]
Манера
[whispers], [shouting], [softly], [flatly], [deadpan], [cheerfully]
Реакции
[laughs], [sighs], [exhales], [clears throat], [gasps], [crying]
Паузы и темп
[pause], [long pause], [rushed], [slows down], [hesitates]
Звуки
[applause], [door slams], [phone buzzing], [light rain]
Эксперимент
[sings], [strong French accent]: срабатывают не на всех голосах
Куда ставить теги
Перед фразой или сразу после
[annoyed] Это сложно. — раздражение на всю фразу. Это сложно. [sighs] — вздох после неё.
Подряд, чтобы собрать эмоцию
[hesitant] [nervous] Я... я не уверен. Несколько тегов подряд или через запятую в одних скобках: [excited, happy].
Смена эмоции внутри текста
[hesitant] Я не хотел этого говорить. [regretful] Само вырвалось. Каждый новый тег — новый поворот интонации.
Тег-режиссура в начале абзаца
Развёрнутое описание задаёт темп и тон всему абзацу: [Quiet, measured narration], [Gradually building energy], [Low, steady voice, restrained urgency].
Я в порядке. [flatly] Я в порядке. [quietly, after a pause] Я в порядке. [angrily, fed up] Я в ПОРЯДКЕ.
Одни и те же слова, четыре разных ответа.
Знаки препинания и структура
Текст влияет на подачу не меньше тегов. Eleven v4 читает текст целиком и берёт интонацию из контекста: восклицания, вопросы, ремарки вроде «сказала она дрожащим голосом».
- Многоточие…
- Пауза и вес фразе, иногда с оттенком сомнения
- ЗАГЛАВНЫЕ
- Ударение на слове: «Мне это нужно СЕЙЧАС»
- Тире в конце реплики
- Оборванная фраза
- Новая строка
- Пауза длиннее, чем после точки
- Запятые
- Дыхание и ритм внутри фразы
Числа, сокращения и произношение
Числа — словами
ElevenLabs советует не оставлять цифры и символы, особенно в многоязычных моделях: «двадцать процентов» надёжнее, чем «20%». То же с датами, временем, телефонами и суммами.
Сокращения — полностью
«кг» → «килограммов», «ул.» → «улица», адрес сайта — словами. Эмодзи и редкие символы лучше убрать.
Сложные слова — в «Словарь»
Имя, бренд или термин, который голос читает неправильно, добавь в «Медиатека» → «Голоса» → «Словарь»: правило сработает во всех озвучках из текста.
Транскрипция в Eleven v4
Eleven v4 понимает международную транскрипцию между косыми чертами, например /ˌbaɪoʊˈkemɪstri/, со знаками ударения. Проверь результат на своём голосе.
«Эмоциональность» и «Сходство» в Eleven v4
Настройки задают не точный результат, а диапазон: каждая генерация — новый дубль. Чаще всего хватает значений по умолчанию, 50% и 75%, а подачу удобнее менять тегами.
- «Эмоциональность» выше
- Живее и выразительнее, но дубли сильнее отличаются: сделай несколько и выбери лучший
- «Эмоциональность» ниже
- Ровно и предсказуемо, подходит для инструкций и длинного текста
- «Сходство» выше
- Ближе к исходному голосу, но вместе с ним повторяются и дефекты записи
Шаблоны под задачу
[excited] Новая коллекция уже на сайте! [whispers] А для первых ста покупателей — скидка двадцать процентов. [laughs] Успей, пока не разобрали.
Eleven v4. Голос Marina, настройки по умолчанию.
[curious] Почему кофе после обеда бодрит слабее, чем утром? [pause] Всё дело в кортизоле. [low, steady voice] Утром его уровень и так высокий...
[sighs] Опять ты за своё... [sarcastic] Конечно, это была ОЧЕНЬ хорошая идея. [exhales] Ладно. [curious] Рассказывай, что на этот раз?
Eleven v4. Голос Marina, «Эмоциональность» 75%, «Сходство» 75%.
[professional] Спасибо, что обратились. [sympathetic] Понимаю, как это неприятно. [reassuring] Мы вернём деньги в течение трёх дней.
[Quiet, reflective narration] Город ещё спал... [Building tension, measured pace] Шаги за спиной стали ближе. [Gentle pause, then quiet realization] Это был он.
Что иначе в Eleven v3
Теги, знаки препинания и советы по тексту в Eleven v3 те же. Отличаются настройки и лимит.
«Подача» вместо настроек
У v3 четыре пресета: «Натурально» — ровная озвучка для большинства задач, «Спокойно» — медленнее и ровнее для объяснений, «Выразительно» — больше эмоций при чёткой дикции, «Реклама» — энергично для коротких рекламных текстов.
Теги и пресет
Чем ровнее пресет, тем слабее голос откликается на теги. Для текста с большим числом тегов бери «Выразительно» или «Натурально».
Голос важнее тегов
v3 сильнее зависит от голоса: голос, записанный громко, плохо шепчет по тегу. Подбирай голос с нужной манерой.
До 4000 символов
v3 принимает вдвое больше текста за запрос, чем v4: удобно для длинного закадрового текста одним куском.
Чего избегать в тегах
Действия, которых не слышно
[standing], [grinning], [pacing] ничего не дают: тег должен описывать звук, а не позу или мимику.
Тег, похожий на звуковой эффект
Eleven v4 умеет и речь, и звуки, поэтому [crying] иногда звучит как звук плача. Опиши голос: [trembling, tearful voice], [low, gravelly voice].
Подача против характера голоса
Голос для медитаций неубедительно кричит, а строгий деловой голос плохо смеётся по тегу [giggles]. Подбери голос под задачу.
Повтор того, что уже в тексте
Если в тексте написано «он громко рассмеялся», не заменяй это тегом: модель прочитает фразу, а тег [chuckles] можно добавить рядом.
