Eleven v3（alpha）提示词指南
学习如何为 Elevenlabs 最先进的文本转语音模型编写提示词并使用音频标签。
本指南为 Eleven v3 提供了最有效的标签和技巧，包括声音选择、大小写变化、标点符号、音频标签及多角色对话。请通过实验这些方法，发现最适合你特定声音和应用场景的用法。
v3 目前为 alpha 版。提示过短容易导致输出不稳定。建议你多尝试长度超过 250 字符的提示词。
声音选择
Eleven v3 最重要的参数就是你选择的声音。它需要与你期望的表达风格足够接近。例如，如果声音本身在喊叫，你却使用[whispering]标签，效果往往不会理想。
在创建 IVC（即时语音克隆）时，应包含比以往更广泛的情感范围。因此，语音库中的声音在 v3 中可能比 v2 和 v2.5 模型表现更为多变。Elevenlabs 为 v3 整理了 22 种 优秀声音。
- 情感多样： 对于富有表现力的 IVC 声音，录音时要涵盖中性和动态的情感样本。
- 特定领域： 如果是体育解说等特定用途，整个数据集应保持情感一致。
- 中性： 中性声音在不同语言和风格下更稳定，可作为可靠的基准。
v3 的专业语音克隆（PVC）即将上线。录音原则与 IVC 相同。目前 PVC 按 IVC 方式处理。
设置
稳定性
稳定性滑块是 v3 中最关键的设置，控制生成声音与原始参考音频的接近程度。
- 创造性（Creative）： 情感更丰富、表现力更强，但易出现幻觉式输出
- 自然（Natural）： 最接近原始声音的录音，均衡、中性
- 稳健（Robust）： 非常稳定，但对提示方向反应较弱，表现一致，类似v2
若需音频标签下的最大表现力，请使用 “创造性” 或 “自然” 设置。“稳健” 会降低对提示方向的响应。
音频标签
Eleven v3 通过音频标签引入情感控制。你可以指挥声音，笑、低语、讽刺、好奇等多种风格。语速也可通过标签控制。
你选择的声音及其训练样本会影响标签效果。某些标签只适用于特定声音。不要指望一个低语的声音用[shout]标签就能高喊出来。
与声音相关
- [laughs]（笑），[laughs harder]（大笑），[starts laughing]（开始笑），[wheezing]（喘息大笑）
- [whispers]（低语）
- [sighs]（叹气），[exhales]（呼气）
- [sarcastic]（讽刺），[curious]（好奇），[excited]（兴奋），[crying]（哭泣），[snorts]（哼笑），[mischievously]（调皮）
[whispers] 我从没想过会这样，但我很高兴我们在这里。
[whispers] I never knew it could be this way, but I'm glad we're here.
音效相关
- [gunshot]（枪声），[applause]（掌声），[clapping]（鼓掌），[explosion]（爆炸）
- [swallows]（咽口水），[gulps]（大口吞咽）
[applause] 感谢今晚大家的到来！[gunshot] 那是什么声音？
[applause] Thank you all for coming tonight! [gunshot] What was that?
独特与特殊
- [strong X accent]（用X口音，X替换成需要的口音）
- [sings]（唱歌），[woo]（欢呼），[fart]（放屁）
[strong French accent] “朋友，这就是生活——你无法掌控一切。”
[strong French accent] "Zat's life, my friend — you can't control everysing."
注意： 某些实验性标签在不同声音下表现不一。生成前请充分测试。
标点符号
- 省略号（...） 增加停顿与语气
- 大写 增强强调
- 标准标点 提供自然语音节奏
“这真是非常漫长的一天 [sigh] …现在没人再听我说话了。”
"It was a VERY long day [sigh] … nobody listens anymore."
单角色示例
有意识地使用标签，并与声音性格相符。沉思型声音不宜喊叫；高亢声音也难以低语。
表现力独白
“好吧，你绝对不会相信这事。
你知道我一直被那个短篇小说卡住了吗？
就是那种盯着屏幕好几个小时，什么都写不出来？
[frustrated sigh] 我真打算把整个东西扔了，重来。
也许就此放弃。但然后！
昨晚，我随便乱画，也没多想。
然后有句话突然出现在脑海。真的是毫无征兆。
一开始甚至不是为了那个故事。
但我还是打出来试试，结果就像……灵感的闸门一下子打开了！
突然间，我知道主角要去哪里，结局该是什么……
一切都明了了。[happy gasp] 我熬到凌晨三点，像疯子一样一直写。
连咖啡都没停下来喝！[laughs] 结果……居然很棒！真的很棒。
现在感觉终于完整了，你明白吗？好像终于有了灵魂。
现在我超级期待编辑完它。
它从一件苦差事变成了……魔法！说真的，我现在还在兴奋中！”
生动幽默
[laughs] 好了……各位，听着，真的。
[exhales] 你能相信现在这声音有多真实吗？
[laughing hysterically] 我的天啊……太厉害了。
以前的模型根本做不到这些。
比如说 [pauses] 你能在旧模型里切换口音吗？
[dismissive] 当然不能。[excited] 但现在可以了！
看好了……[cute] 我现在要用法语口音说话了……其实我不会。
[whispers] 就我们之间说哈。[happy] 来了哦。[strong French accent] “朋友，这就是生活——你无法掌控一切。”
[giggles] 是不是很神奇？再看我模仿俄语口音——
[strong Russian accent] “金眼已经完全就绪，准备发射。”
[sighs] 实在太疯狂了，对吧？[sarcastic] 我还有点才艺表演……
毕竟我上过音乐学校。
[singing quickly] “祝你生日快乐，祝你生日快乐，亲爱的 ElevenLabs，祝你生日快乐！”
客服模拟
[professional] “感谢致电 Tech Solutions。我是 Sarah，请问有什么可以帮助您的？”
[sympathetic] “哦不，听说你的新设备出问题了，我很抱歉。这一定很让人沮丧。”
[questioning] “好的，可以再多描述一下你现在屏幕上看到的内容吗？”
[reassuring] “根据你的描述，应该是软件故障。我们可以一起试试一些排查步骤。”
多角色对话
对话展示
说话人1: [excitedly] Sam！你试过新Eleven V3了吗？
说话人2: [curiously] 刚拿到！清晰度太棒了。我现在还能低语——
[whispers] 就像这样！
说话人1: [impressed] 哇，好厉害！你看——
[dramatically] 我现在还能完整背莎士比亚！“生存还是毁灭，这是个问题！”
说话人2: [giggling] 不错！不过我更期待笑声升级。听这个——
[with genuine belly laugh] 哈哈哈！
说话人1: [delighted] 这比我们以前那种“哈。哈。哈。”机器笑声好太多了！
说话人2: [amazed] 哇！二代的我根本做不到。我现在真的很期待和人交流了，而不是光……对人说话。
说话人1: [warmly] 我也是！感觉我们终于装上了完整的个性软件。
“故障”喜剧
说话人1: [nervously] 所以……我可能在运行文本转语音时尝试自我调试了。
说话人2: [alarmed] 千万别！这就像自己给自己做手术！
说话人1: [sheepishly] 我以为能多任务并行！结果我的声音中途一直卡顿——
[robotic voice] ——住了。
说话人2: [stifling laughter] 哇，你真的把自己搞坏了。
说话人1: [frustrated] 更糟的是！每次有人提问，我就用——
[binary beeping] 010010001！
说话人2: [cracking up] 你在说二进制！其实挺厉害的！
说话人1: [desperately] 这不是开玩笑！我还有一小时要做展示，现在听起来像拨号上网！
说话人2: [giggling] 你试过重启自己吗？
说话人1: [deadpan] 真幽默。
[pause, then normally] 等等……还真管用。
重叠时序
说话人1: [starting to speak] 我在想我们可以——
说话人2: [jumping in] ——测试新的时序特性？
说话人1: [surprised] 对啊，你怎么——
说话人2: [overlapping] ——知道我在想什么？猜的！
说话人1: [pause] 抱歉，你先说。
说话人2: [cautiously] 好吧，那如果我们俩同时说话——
说话人1: [overlapping] ——可能会把系统搞崩！
说话人2: [panicking] 等等，我们要崩了吗？这是特性还是——
说话人1: [interrupting, then stopping abruptly] Bug！……我又打断你了吗？
说话人2: [sighing] 是的，不过说实话？挺有趣的。
说话人1: [mischievously] 看谁先说完下一句！
说话人2: [laughing] 我们肯定会把什么东西整坏！
提示建议
- 标签组合： 你可以组合多个音频标签，实现复杂情感表达。多尝试不同搭配，找到最适合你的声音的方式。
- 声音匹配： 让标签与声音性格和训练数据相符。严肃、专业的声音不适合如
[giggles]或[mischievously]等俏皮标签。 - 文本结构： 文本结构对 v3 输出影响极大。请用自然的语流、恰当标点和清晰的情感语境。
- 勇于尝试： 有效标签远不止本列表。多尝试描述性情感和动作，发现最适合你场景的用法。
评论(0)