Содержание
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.
Частые вопросы
Можно ли писать теги по-русски?
Модель получает тег как есть, но ElevenLabs даёт все примеры по-английски и обучала модель на них. Английские теги срабатывают надёжнее, текст озвучки при этом может быть русским.
Сколько тегов можно поставить?
Ограничения нет, но теги входят в лимит символов: 2000 у Eleven v4 и 4000 у Eleven v3. Обычно хватает одного тега на смену эмоции.
Почему тег прочитался вслух или прозвучал как звук?
Чаще всего подача не подходит голосу или тег похож на звуковой эффект. Опиши голос словами, например [trembling, tearful voice], или возьми голос с более широким диапазоном.
Как сделать паузу?
Тегом [pause] или [long pause], многоточием или новой строкой. SSML-теги вроде <break> Eleven v4 и v3 не поддерживают.
Почему два дубля звучат по-разному?
Каждая генерация — новое исполнение, как у актёра. Чем выше «Эмоциональность», тем больше разница. Для ровного результата снизь её.
