ElevenLabs 详解如何用 Eleven v4 的 Audio Tags 导演情感语音

情感文本转语音（TTS）将脚本转化为表演。情感 TTS 模型不是单调地朗读，而是带着情感说出每一个词，用愤怒、喜悦、悲伤、沮丧等情绪让场景鲜活起来。

通过将音频标签编织进脚本的结构中，你可以像导演一样塑造文本转语音的表演。添加 [furious] 来提升一句台词的强度，添加 [sarcastic] 来增添一丝冷幽默，或用任何其他标签来向模型展示你希望某句台词如何表演。

借助 Eleven v4，你可以逐行指导情感 TTS。以下是如何构建脚本，让你的文字鲜活起来。

什么是情感文本转语音？

情感文本转语音是 AI 生成的语音，它是在表演一句台词，而不是朗读它。它表达情感，理解时机和节奏，用强调说出正确的词，并添加叹息和笑声等非语言声音。

Eleven v4 是一款突破性的模型，它将文本变成真正的表演。借助行内描述，同一句话可以根据你的设想被低语、喊叫或含泪说出。

无论你是在为下一次发布撰写广告活动，还是在让你的小说章节鲜活起来，Eleven v4 都会以最高质量的文本转语音支持你的旅程。

Eleven v4 如何解读情感指导

Eleven v4 从你脚本中的音频标签获取情感指导线索，并将其转化为自然的音频表演。

以下是几种你可以用 Eleven v4 为文本添加情感指导以增强最终输出的方法：

音频标签：将音频标签写入你的指令中，例如 [whispers] 或 [cries]，以在脚本中放置行内指导。你将能够像指导任何舞台表演者一样指导 v4，从而创作出具有情感深度的场景。
标点符号：使用标点符号与音频标签一起塑造节奏和表达。省略号会放慢一句台词，破折号会在句子中间打断说话者，感叹号会增加强度，为你提供另一层指导而无需添加标签。
情感连续性：以某种情感开始一句话，Eleven v4 会将这种语气贯穿整行。在 v4 上使用音频标签迭代构建你的场景，创作出丰富、有上下文的脚本。

为了展示音频标签在 v4 中让文本鲜活起来的效果，让我们以带标签和不带标签的音频为例，探索它们之间的区别。

在第一个示例中，我们只使用一个默认句子。作为参考，这些示例中我们使用 Siren。

Eleven v4 上不带音频标签的故事段落

夜晚很安静，几乎不自然地安静。直到我听到身后的旧门吱呀一声打开。

我慢慢转过身，喊道：“有人吗？”

没有回答。

然后，从黑暗中的某个地方传来一声低沉、安静的笑声。

我后退了一步。“你真不该来这里，”一个声音低语道。

然后灯灭了。

0:00

现在，第二个示例是同一句话，但添加了音频标签。我们有情感提示、音效，甚至文本之外的声音，比如邪恶的笑声。

Eleven v4 上带音频标签的故事段落

[hesitant] 夜晚很安静，几乎不自然地安静。

[nervous] 然后我听到身后的旧门吱呀一声打开。[gate creaking] [scared] 我慢慢转过身，喊道：“有人吗？”

[tense, cautious] 没有回答。

[silence] [whispering, fearful] 然后，从黑暗中的某个地方，传来一声低沉、轻微的笑声。[evil laugh] [alarmed] 我后退了一步。[footstep] [low, threatening] “你真不该来这里。”一个声音低语道。

[whisper] [terrified] 然后，灯灭了。[light switch clicking]

0:00

五个情感文本转语音表演，使用Eleven v4

展示Eleven v4全部能力的最佳方式就是亲自尝试。通过创建账户，你可以在几分钟内开始使用Eleven v4。

为了给你一个小演示，展示这个情感文本转语音模型的可能性，这里有一句话被渲染了五次。每一行都分配了不同的舞台指示，精确展示了你可以用这个模型做什么。

以下五张卡片都使用“I didn’t think you’d actually come back.”作为文本，并配以情感丰富的音频标签进行修改。作为参考，这些示例还使用了Siren。

添加[furious]

辅音变硬，爆破音变得更加明显。这句话听起来愤怒，像是一种指责。

[furious]

[furious] I didn't think you'd actually come back