ElevenLabs: Eleven v3

Eleven v3 är ElevenLabs uttrycksfulla text-till-tal-modell för känslomässig dialog, samtal mellan karaktärer och ljudboksberättarröst. Den omvandlar ett skrivet manus till talat ljud och använder sammanhanget för att forma känslomässigt omfång och framförande. Producenten stöder både tal med en enda röst och ett dialogarbetsflöde med flera talare. Det här kortet gäller den namngivna v3-versionen, separat från v3 Conversational och den senare v4-familjen.

Infogade ljudtaggar kan styra känsla, röstframförande och icke-verbala reaktioner. Tillverkaren ger exempel som [sad], [angry], [happily], [whispers], [shouts], [laughs], [clears throat] och [sighs]. Placera signalen nära orden eller reaktionen den ska påverka. Skriv in känsloövergången i den faktiska dialogen för en berättande scen och använd taggen för att göra det avsedda ljudet uttryckligt i stället för att förlita dig på en fristående scenbeskrivning.

V3 stöder inte SSML-taggar av typen <break>. Promptguiden använder ljudtaggar, interpunktion, tre punkter och textstruktur för pauser och tempo. Det ger en anvisning för framförandet snarare än ett exakt timingavtal. För en tveksam replik kan tre punkter och relevant röstsignal tydliggöra den avsedda tvekan. Om en inspelning måste passa en exakt tidslinje använder du vald tagning och redigeringsarbetsflödet för att placera den i stället för att behandla en paustagg som en enhet med fast längd.

Röstvalet är fortfarande viktigt. Den dokumenterade vägledningen säger att ett framförande som redan finns i röstens träningsmaterial är lättare att återskapa, medan ovanliga önskemål kan vara mindre tillförlitliga. Matcha rösten till karaktären eller berättaren och granska om valda taggar ger det avsedda framförandet. Det aktuella promptavsnittet för v3 säger att Professional Voice Clones inte är fullt optimerade för denna version; v4:s dokumenterade klonförbättringar och inbyggda uttalskontroller är separata versionsegenskaper. Produktguiden markerar också Speed, Similarity och Speaker Boost som otillgängliga för vanlig v3. Förbered tempo och framförande genom röst, taggar, interpunktion och textstruktur i stället för att ärva en annan versions reglage.

Eleven v3 stöder fler än 70 språk, däribland engelska, franska, tyska, japanska, koreanska, spanska, portugisiska och ryska. Välj en röst som passar språk och regional accent och förbered den faktiska talade ordalydelsen före syntesen. Språkstöd översätter inte ett manus automatiskt. För en lokaliserad karaktärsscen bevarar du talarens avsikt och reaktion samtidigt som formuleringen anpassas naturligt till publiken.

En text-till-tal-begäran stöder upp till 5 000 tecken. Dela längre manus vid kompletta scen- eller berättargränser så att varje segment får en tydlig början och ett tydligt slut. Producenten erbjuder skapa- och strömningslägen för tal samt skapa- och strömningslägen för dialog. Koppla varje samtalstur till avsedd talare för dialog och behåll turernas ordning. Håll ett känsloskifte tillsammans med tillräckligt med omgivande text för att övergången ska bli begriplig.

Producentens gemensamma ljudarbetsflöde erbjuder MP3, PCM och telefonikodningar som μ-law, med ytterligare format listade i TTS-guiden. Uttalsordlistor ger ett sätt att hålla namn och tekniska termer konsekventa. Ordlistguiden listar uttryckligen v3 för fonemregler och begränsar dess flerspråkiga fonetiska utökning till v4; det gör inte v4:s inbyggda IPA-syntax omsluten av snedstreck till en v3-funktion. Förbered viktiga stavningar eller talade alias och kontrollera resultatet med vald röst.

För ett praktiskt framförandeuppdrag ger du ett färdigt avsnitt i stället för en disposition: berättarens introduktion, karaktärens faktiska replik och reaktionen som avslutar scenen. Ange vilket innehåll som uttalas, var en röstreaktion hör hemma och den känslomässiga riktningen i varje moment. Granska uttal, röstidentitet, oavsiktlig uppläsning av anvisningar och övergången mellan talare. Resultatet är en uttrycksfull inspelning av det angivna manuset, med en vald tagning som kan återanvändas eller revideras i ljudprojektet.