ElevenLabs: Eleven v3

Eleven v3 is het expressieve tekst-naar-spraakmodel van ElevenLabs voor emotionele dialogen, gesprekken tussen personages en vertelteksten voor luisterboeken. Het zet een geschreven script om in gesproken audio en gebruikt context om het emotionele bereik en de voordracht vorm te geven. De producent ondersteunt zowel spraak met één stem als een dialoogworkflow met meerdere sprekers. Deze kaart betreft de genoemde v3-versie en houdt die gescheiden van v3 Conversational en de latere v4-familie.

Audiotags in de tekst kunnen emotie, stemgebruik en non-verbale reacties sturen. De fabrikant geeft voorbeelden zoals [sad], [angry], [happily], [whispers], [shouts], [laughs], [clears throat] en [sighs]. Plaats de aanwijzing dicht bij de woorden of reactie waarop deze betrekking heeft. Schrijf voor een verhalende scène de emotionele overgang in de daadwerkelijke dialoog en gebruik de tag om de bedoelde klank expliciet te maken, in plaats van op een losse beschrijving van de scène te vertrouwen.

V3 ondersteunt geen SSML-tags van het type <break>. De promptinggids gebruikt audiotags, leestekens, beletseltekens en tekststructuur voor pauzes en tempo. Die aanpak levert een voordrachtaanwijzing op en geen exacte timingafspraak. Bij een aarzelende regel kunnen een beletselteken en de relevante stemaanwijzing de bedoelde aarzeling duidelijk maken. Als een opname in een exacte tijdlijn moet passen, plaats deze dan via de gekozen take en montageworkflow, in plaats van een pauzetag als een eenheid met vaste duur te behandelen.

Stemselectie blijft belangrijk. Volgens de gedocumenteerde richtlijnen is een voordracht die al in het trainingsmateriaal van de stem aanwezig is gemakkelijker te reproduceren, terwijl ongebruikelijke verzoeken minder betrouwbaar kunnen zijn. Stem de stem af op het personage of de verteller en controleer of de gekozen tags de bedoelde voordracht opleveren. De huidige v3-promptingsectie zegt dat Professional Voice Clones niet volledig voor deze versie zijn geoptimaliseerd; de gedocumenteerde verbeteringen aan stemklonen en native uitspraakregelaars van v4 zijn afzonderlijke versiefuncties. De productgids vermeldt ook dat Speed, Similarity en Speaker Boost niet beschikbaar zijn voor de gewone v3. Bereid tempo en voordracht voor via de stem, tags, leestekens en tekststructuur, in plaats van de schuifregelaars van een andere versie over te nemen.

Eleven v3 ondersteunt meer dan 70 talen, waaronder Engels, Frans, Duits, Japans, Koreaans, Spaans, Portugees en Russisch. Kies een stem die past bij de taal en het regionale accent en bereid de concrete gesproken formulering vóór de synthese voor. Taalondersteuning vertaalt een script niet automatisch. Behoud bij een gelokaliseerde personagescène de bedoeling en reactie van de spreker en pas tegelijk de formulering op natuurlijke wijze aan het publiek aan.

Een tekst-naar-spraakverzoek ondersteunt maximaal 5.000 tekens. Verdeel langere scripts op volledige scène- of vertelgrenzen zodat elk segment een duidelijk begin en einde heeft. De producent biedt create- en stream-modi voor spraak en eveneens create- en stream-modi voor dialogen. Koppel bij dialogen elke spreekbeurt aan de bedoelde spreker en behoud hun volgorde. Houd een emotionele verandering bij voldoende omliggende tekst om de overgang begrijpelijk te maken.

De gedeelde audioworkflow van de producent biedt MP3, PCM en telefoniecoderingen zoals μ-law, met aanvullende formaten in de TTS-gids. Uitspraakwoordenboeken bieden een manier om namen en technische termen consistent te houden. De woordenboekgids vermeldt v3 expliciet voor foneemregels en beperkt de meertalige fonetische uitbreiding tot v4; dat maakt de native IPA-syntaxis van v4 tussen schuine strepen nog geen v3-functie. Bereid belangrijke schrijfwijzen of spreekaliassen voor en controleer het resultaat met de geselecteerde stem.

Lever voor een praktische voordrachtbriefing een volledig uitgewerkte episode aan in plaats van een schets: een inleiding van de verteller, de concrete tekst van het personage en de reactie die de scène afsluit. Specificeer welke inhoud wordt uitgesproken, waar een stemreactie hoort en welke emotionele richting elk moment heeft. Controleer uitspraak, stemidentiteit, onbedoeld voorlezen van aanwijzingen en de overgang tussen sprekers. Het resultaat is een expressieve opname van het aangeleverde script, met een gekozen take die in het audioproject kan worden hergebruikt of herzien.