Wie Eleven v4 ein Skript liest
Drei Entscheidungen bestimmen den Großteil des Ergebnisses, in dieser Reihenfolge: die Stimme, die Wörter, dann die Einstellungen. Das gilt für Erklärvideo und Schulungsmodul genauso wie für Werbespot und Hörbuch.
| Entscheidung | Was zu tun ist |
|---|---|
| Stimme | Wählen Sie eine, deren natürliche Bandbreite den gewünschten Vortrag abdeckt. Ein Tag wirkt am besten, wenn die Stimme diese Art des Sprechens ohnehin beherrscht |
| Wörter | Schreiben Sie sie so, wie sie gesprochen werden sollen. „Sie sagte, kaum noch beherrscht“ oder ein Ausrufezeichen verändert den Vortrag auch ohne Tag |
| Stabilität | Niedriger für einen ausdrucksstärkeren Vortrag mit mehr Abweichung zwischen den Takes, höher für Kurse, in denen jede Zeile gleich klingen soll |
| Ähnlichkeit | Legt fest, wie dicht die Ausgabe an der gewählten Stimme bleibt |
| Skriptlänge | Bis zu 3.000 Zeichen pro Sprachgenerierung. Teilen Sie längere Skripte an Absatzgrenzen |
| Stimmtyp | Nehmen Sie für den finalen Vortrag lieber eine Stimme aus der Bibliothek. Selbst entworfene Stimmen klingen auf v4 teils weniger ausgereift |
Audio-Tags in Eleven v4
Audio-Tags sind Wörter in eckigen Klammern, die den Vortrag einer Zeile formen. Es ist freier Text, die Tabelle ist also nur ein Startset, und Sie dürfen eigene Tags schreiben.
| Art | Tags | Wirkung |
|---|---|---|
| Emotion | [excited], [curious], [sarcastic], [sad] | Färbt die ganze Zeile |
| Vortrag | [whispers], [shouting], [rushed], [slowly] | Verändert Lautstärke und Tempo |
| Reaktionen | [laughs], [sighs], [exhales], [gulps] | Fügt an dieser Stelle ein menschliches Geräusch ein |
| Pausen | [pause], [long pause] | Setzt eine Lücke dieser Länge |
| Soundeffekte | [applause], [phone buzzing], [light rain] | Spielt das Geräusch innerhalb des Takes |
| Eigene Worte | [leise, ruhige Stimme, verhaltene Dringlichkeit] | Beschreibt den Vortrag in einfachen Worten |
| Experimentell | [sings], [strong French accent] | Klappt bei manchen Stimmen, erst testen |
Setzen Sie ein Tag direkt vor oder hinter die Wörter, die es verändern soll. Brauchen Sie für einen Moment beides, kombinieren Sie zwei, etwa [whispers] [sad]. Wird ein Tag als Geräusch gelesen, beschreiben Sie stattdessen die Stimme: [low, gravelly voice] ist klarer als [gravelly]. Tags sind Anhaltspunkte, also erzeugen Sie zwei oder drei Takes und behalten den besten.
Die Tags anhören
Tempo in Eleven v4 ohne Speed-Regler und SSML
Eleven v4 hat keinen Speed- oder Style-Regler und ignoriert SSML, also gehört das Timing ins Skript selbst. Die meisten v3-Skripte lassen sich mit diesen Ersetzungen übernehmen.
| Sie wollen | Schreiben Sie |
|---|---|
| Eine kurze Atempause | Auslassungspunkte... |
| Eine deutliche Lücke (früher SSML-Break) | [pause] oder [long pause] |
| Eine schnellere oder langsamere Zeile (früher Speed-Regler) | [rushed] oder [slowly] vor der Zeile |
| Mehr Ausdrucksspielraum (früher Style-Regler) | Vortrags-Tags und niedrigere Stabilität |
| Betonung auf einem Wort | Großbuchstaben: I said NOW |
| Eine knifflige Aussprache (früher SSML-Phonem) | IPA zwischen Schrägstrichen: Niamh /niːv/ |
Dialogskripte in Eleven v4
Wählen Sie Dialogue statt Speech, sobald mehr als eine Person spricht: zwei bis zehn Sprecher, bis zu 2.000 Zeichen für die ganze Szene. Jeder Sprecher hört die gesamte Szene, daher reagieren Antworten auf die Zeile davor. Versehen Sie jeden Redebeitrag einzeln mit Tags, beenden Sie eine abgebrochene Zeile mit einem Bindestrich und besetzen Sie die Sprecher mit deutlich verschiedenen Stimmen.
Maya: [annoyed] The timer went off ten minutes ago. Leo: [defensive] I was just about to- Maya: [pause] [laughs] Is that smoke?
Eleven v4 in anderen Sprachen
Jede Stimme spricht jede der mehr als neunzig unterstützten Sprachen, und Eleven v4 nutzt in jeder davon einen nativen Akzent. Schreiben Sie das Skript gleich in der Zielsprache, statt eine Übersetzung zu verlangen, und testen Sie zuerst eine Zeile. In manchen Sprachen fällt der Vortrag flüssiger aus als in anderen.
Eleven v4 gegen Eleven v3: Was sich geändert hat
ElevenLabs berichtet, Eleven v4 habe zum Start Platz eins in der Speech-Arena von Artificial Analysis belegt und sei in Blindtests in rund 75 % der Vergleiche bevorzugt worden (Quelle). Für ein Skript zählen vor allem diese Änderungen.
| Bereich | Was sich in Eleven v4 geändert hat |
|---|---|
| Vortrag | Liest Ton und Kontext aus den Wörtern, Tags verfeinern also eine Darbietung |
| Konsistenz | Die Stimme bleibt über Retakes, Dialoge und lange Stücke hinweg stabil |
| Audio-Tags | Werden zuverlässiger befolgt, auch Soundeffekte und Ihre eigenen Anweisungen |
| Dialog | Jeder Sprecher hört die ganze Szene und reagiert auf die Zeile davor |
| Sprachen | Mehr als 90, zuvor mehr als 70 bei Eleven v3 |
| Akzente | Eine Stimme in einer neuen Sprache nutzt den nativen Akzent dieser Sprache |
| Regler | Nur Stabilität und Ähnlichkeit. Speed, Style und SSML entfallen |
Eleven v4 gegen Eleven v4 Turbo
Beide nutzen dieselben Stimmen und Einstellungen, eine für das eine Modell besetzte Stimme funktioniert also auch auf dem anderen. Auf Morphic wählen Sie ElevenLabs für Eleven v4 oder ElevenLabs Turbo für die schnellere Stufe.
| Eleven v4 | Eleven v4 Turbo | |
|---|---|---|
| Am besten für | Finale Erzählung, Werbung, Hörbücher | Entwürfe, Retakes, Zeilen in großer Menge |
| Dialog | Zwei bis zehn Sprecher | Nur Speech |
| Tempo | Volles Rendering | Schneller; laut ElevenLabs etwa 150 ms bis zur ersten Sprache im Streaming |
| Credits | Standardrate | Weniger pro Zeichen |
Finden Sie den Vortrag auf Turbo und rendern Sie die Endfassung dann auf Eleven v4.
Häufig gestellte Fragen
Schreiben Sie [pause] für eine klare Lücke oder [long pause] für eine gehaltene Stille, genau an die gewünschte Stelle. Auslassungspunkte ergeben eine kürzere Atempause. SSML-Break-Tags funktionieren in Eleven v4 nicht, ältere Skripte brauchen deshalb Tags als Ersatz.
Nein. Eleven v4 ignoriert SSML und hat weder einen Speed- noch einen Style-Regler. Nutzen Sie [rushed] oder [slowly] fürs Tempo, [pause] für Lücken, Großbuchstaben für Betonung und das Internationale Phonetische Alphabet zwischen Schrägstrichen für knifflige Wörter.
Ja. Tags sind freier Text, beschreiben Sie den Vortrag also so, wie Sie eine Sprecherin oder einen Sprecher briefen würden, etwa [trocken, leise zufrieden]. Halten Sie sie kurz und beschreiben Sie die Stimme statt eines Geräuschs, wenn das Modell eines missversteht.
Soundeffekte ja: Tags wie [applause] oder [phone buzzing] spielen innerhalb des Takes. Gesang ist experimentell. [sings] klappt bei manchen Stimmen und bei anderen nicht, für einen ganzen Song nutzen Sie auf Morphic ein Musikmodell.
Wählen Sie eine Stimme aus der Bibliothek und heben Sie die Stabilität an, damit jede Zeile gleich klingt. Teilen Sie das Skript an Absatzgrenzen in Stücke von höchstens 3.000 Zeichen und testen Sie zuerst eine Zeile. Setzen Sie Pausen als [pause] und Betonung in Großbuchstaben.
Meist kann die Stimme diesen Vortrag nicht natürlich, das Tag steht zu weit von den Wörtern entfernt, oder es wurde als Geräusch gelesen. Wählen Sie eine Stimme, die näher am gewünschten Vortrag liegt, rücken Sie das Tag an die Wörter oder beschreiben Sie die Stimme in einfachen Worten. Erzeugen Sie dann ein paar Takes.