Как пользоваться ElevenLabs
Голос управляется не настройками, а самим текстом. В Eleven v3 подача задаётся прямо в строке — тегами, которые модель читает как указания, а не произносит вслух.
Аудио-теги: чем Eleven v3 отличается от остальных
Eleven v3 — единственная модель ElevenLabs, которая понимает аудио-теги. Тег ставится в квадратных скобках прямо в тексте и меняет то, как произносится следующий кусок: шёпот, смех, вздох, пауза, смена настроения. Модель различает указание и текст, поэтому сам тег в звук не попадает.
Это и есть причина, по которой v3 называют самой выразительной: остальные три модели читают ровно то, что написано, и интонацию подбирают сами, без возможности вмешаться.
За выразительность платят скоростью. Если нужен живой разговор с мгновенным ответом, берут Flash v2.5 с задержкой около 75 мс, и там аудио-тегов уже нет.
Паузы и ударения в русском тексте
Русский язык подкидывает две задачи, которых нет в английском: подвижное ударение и омографы. «Замок» и «замок», «стоит» и «стоит» пишутся одинаково, а звучат по-разному, и модель выбирает вариант по смыслу окружения — иногда мимо.
Рабочий приём здесь один: править не настройки, а текст. Слово переписывают так, чтобы модель прочла его верно, либо перестраивают фразу, чтобы смысл однозначно диктовал ударение. Пауза задаётся пунктуацией: точка, тире и абзац дают разную длину остановки.
Собственного словаря ударений с расстановкой знака над буквой ElevenLabs на публичных страницах не описывает. Проверяйте на своём тексте.
Порядок работы
- Завести учётную запись и получить бесплатные 10 000 кредитов в месяц.
- Выбрать голос в открытом каталоге или собрать свой через Voice Design.
- Выбрать модель: v3 — если важна подача, Flash — если важна скорость, Turbo — если важна цена символа.
- Вставить текст, не длиннее 10 000 символов за раз, и прослушать результат.
- Длинный материал разложить проектом в Studio — так голос держится одинаковым от части к части.
- Выгрузить файл. Несжатый звук доступен с тарифа Pro, ниже — сжатый.
На что уходят кредиты быстрее всего
Кредиты общие на все инструменты, и расходуются они очень неравномерно. Минута музыки стоит 900 кредитов, минута изменения голоса — 1 000, минута расшифровки — 330, а тысяча символов озвучки — 1 000. То есть один и тот же пакет даёт либо тридцать тысяч знаков текста, либо тридцать три минуты музыки.
Дороже всего обходится дубляж: минута через Dubbing v2 стоит 13 500 кредитов — больше месячной нормы бесплатного тарифа. Посчитать свой расход можно калькулятором на странице тарифов.