ElevenLabs: Eleven v3

Eleven v3 er ElevenLabs’ uttrykksfulle tekst-til-tale-modell for følelsesladet dialog, karaktersamtaler og lydbokfortelling. Den gjør et skriftlig manus om til talelyd og bruker kontekst til å forme følelsesmessig spenn og fremføring. Produsenten støtter både tale med én stemme og en dialogarbeidsflyt med flere talere. Dette kortet gjelder den navngitte v3-utgaven, adskilt fra v3 Conversational og den senere v4-familien.

Innebygde lydtagger kan styre følelse, stemmefremføring og ikke-verbale reaksjoner. Produsenten gir eksempler som [sad], [angry], [happily], [whispers], [shouts], [laughs], [clears throat] og [sighs]. Plasser signalet nær ordene eller reaksjonen det skal påvirke. Til en fortellende scene skriver du følelsesovergangen inn i den faktiske dialogen og bruker taggen til å gjøre den tiltenkte lyden eksplisitt, i stedet for å støtte deg på en løsrevet beskrivelse av scenen.

V3 støtter ikke SSML <break>-tagger. Promptveiledningen bruker lydtagger, tegnsetting, utelatelsesprikker og tekststruktur for pauser og tempo. Denne tilnærmingen gir en fremføringsinstruksjon, ikke en nøyaktig tidskontrakt. Til en nølende replikk kan utelatelsesprikker og det relevante stemmesignalet gjøre ønsket nøling tydelig. Hvis et opptak må passe i en presis tidslinje, bruker du det valgte opptaket og redigeringsarbeidsflyten til å plassere det, i stedet for å behandle en pausetagg som en enhet med fast varighet.

Stemmevalg er fortsatt viktig. Den dokumenterte veiledningen sier at en fremføring som allerede finnes i stemmens treningsmateriale, er lettere å gjenskape, mens uvanlige forespørsler kan være mindre pålitelige. Tilpass stemmen til karakteren eller fortelleren og gjennomgå om de valgte taggene gir ønsket fremføring. Den gjeldende v3-promptdelen sier at Professional Voice Clones ikke er fullt optimalisert for denne utgaven; v4s dokumenterte forbedringer for kloner og innebygde uttalekontroller er separate utgavefunksjoner. Produktveiledningen markerer også Speed, Similarity og Speaker Boost som utilgjengelige for vanlig v3. Forbered tempo og fremføring gjennom stemme, tagger, tegnsetting og tekststruktur i stedet for å arve glidebrytere fra en annen utgave.

Eleven v3 støtter mer enn 70 språk, blant annet engelsk, fransk, tysk, japansk, koreansk, spansk, portugisisk og russisk. Velg en stemme som passer til språket og den regionale aksenten og forbered faktisk muntlig ordlyd før syntese. Språkstøtte oversetter ikke et manus automatisk. Til en lokalisert karakterscene bevarer du talerens hensikt og reaksjon mens ordlyden tilpasses naturlig til publikum.

En tekst-til-tale-forespørsel støtter opptil 5 000 tegn. Del lengre manus ved fullstendige scene- eller fortellergrenser slik at hvert segment har en tydelig begynnelse og slutt. Produsenten tilbyr create- og stream-moduser for tale, samt create- og stream-moduser for dialog. Til dialog knytter du hver samtaletur til riktig taler og beholder rekkefølgen. Hold en følelsesendring sammen med nok omkringliggende tekst til at overgangen forstås.

Produsentens felles lydarbeidsflyt tilbyr MP3, PCM og telefonikodinger som μ-law, med ytterligere formater oppført i TTS-veiledningen. Uttaleordbøker gir en måte å holde navn og faguttrykk konsistente på. Ordbokveiledningen oppgir uttrykkelig v3 for fonemregler og begrenser den flerspråklige fonetiske utvidelsen til v4; dette gjør ikke v4s innebygde IPA-syntaks omsluttet av skråstreker til en v3-funksjon. Forbered viktige skrivemåter eller muntlige aliaser og kontroller resultatet med den valgte stemmen.

Til en praktisk fremføringsbeskrivelse gir du en ferdig episode i stedet for en disposisjon: fortellerens innledning, karakterens faktiske replikk og reaksjonen som avslutter scenen. Angi hvilket innhold som sies, hvor en stemmereaksjon hører hjemme og den følelsesmessige retningen for hvert øyeblikk. Gjennomgå uttale, stemmeidentitet, utilsiktet opplesning av instruksjoner og overgangen mellom talere. Resultatet er et uttrykksfullt opptak av det oppgitte manuset, med en valgt tagning som kan gjenbrukes eller revideres i lydprosjektet.