Eleven v4 如何读一段脚本
最终效果主要由三个选择决定，顺序是：先选声音，再写文字，最后调设置。短视频口播和课程旁白，都按这个顺序来。
| 选择 | 怎么做 |
|---|---|
| 声音 | 选自然音域能覆盖这种读法的声音。声音本来就能演出那种语气，标签才最管用 |
| 文字 | 按你想要的演绎方式来写。写上“她说，强忍着情绪”，或加一个感叹号，不用标签也能改变语气 |
| 稳定性 | 调低，读起来更有表现力，不同次之间的差异也更大；调高，适合每一句都要一致的课程 |
| 相似度 | 控制输出与所选声音的接近程度 |
| 脚本长度 | 每次语音生成最多 3,000 字符。更长的脚本，在段落处拆开 |
| 声音类型 | 最终成片优先用声音库里的声音。自行设计的声音在 v4 上可能不够圆润 |
Eleven v4 的音频标签
音频标签是方括号里的词，用来塑造一句台词怎么演。标签是自由文本，所以把下表当作起点，再写你自己的。
| 类型 | 标签 | 作用 |
|---|---|---|
| 情绪 | [excited]、[curious]、[sarcastic]、[sad] | 给整句话上色 |
| 语气 | [whispers]、[shouting]、[rushed]、[slowly] | 改变音量和语速 |
| 反应 | [laughs]、[sighs]、[exhales]、[gulps] | 在那个位置加入人的声音 |
| 停顿 | [pause]、[long pause] | 插入相应长度的空白 |
| 音效 | [applause]、[phone buzzing]、[light rain] | 在这一条里播放该声音 |
| 你自己的话 | [低沉平稳的声音，克制的急迫] | 用日常语言描述读法 |
| 实验性 | [sings]、[strong French accent] | 部分声音可用，先测试 |
把标签放在要改变的词的前面或后面。一个时刻需要两种效果，就叠加两个，比如 [whispers] [sad]。标签被读成了声音，就改为描述声音：[low, gravelly voice] 比 [gravelly] 更清楚。标签只是引导，所以多生成两三条，留下最好的。
听听这些标签
没有语速滑块和 SSML，Eleven v4 怎么控制节奏
Eleven v4 没有语速和风格滑块，也不识别 SSML，所以时间安排要写进脚本里。换掉下面几处，多数 v3 脚本就能直接沿用。
| 想要的效果 | 这样写 |
|---|---|
| 一个短暂的停顿 | 省略号“……” |
| 一段明显的空白（原来用 SSML 的 break） | [pause] 或 [long pause] |
| 更快或更慢的一句（原来用语速滑块） | 在这句前写 [rushed] 或 [slowly] |
| 更大的表现幅度（原来用风格滑块） | 语气标签，再调低稳定性 |
| 强调某一个词 | 英文脚本用大写字母：I said NOW |
| 难读词的发音（原来用 SSML 的 phoneme） | 斜线之间写国际音标：Niamh /niːv/ |
Eleven v4 的对话脚本
不止一个人说话时，选 Dialogue，别选 Speech。它支持两到十位说话人，整场戏最多 2,000 字符。每位说话人都能听到整场戏，所以回应会接住上一句。每一轮单独加标签，被打断的话以连字符收尾，再给说话人选听起来差别明显的声音。
Eleven v4 的其他语言
任何一个声音都能说 90 多种支持的语言，而且在每种语言里，Eleven v4 都用母语口音。脚本要直接用目标语言写，不要让它去翻译。先试一句，因为各语言的流畅度并不一样。
Eleven v4 与 Eleven v3：有什么变化
据 ElevenLabs 称，Eleven v4 发布时在 Artificial Analysis 语音竞技场排名第一，盲测中约 75% 的听众更喜欢它（来源）。对写脚本的人来说，重要的是下面这些变化。
| 方面 | Eleven v4 的变化 |
|---|---|
| 演绎 | 能从文字里读出语气和语境，标签用来微调表演 |
| 一致性 | 重新生成、对话和长篇内容里，声音都保持稳定 |
| 音频标签 | 更可靠地被执行，包括音效和你自己写的指示 |
| 对话 | 每位说话人都听得到整场戏，并回应上一句 |
| 语言 | 90 多种，v3 是 70 多种 |
| 口音 | 声音说一门新语言时，用那门语言的母语口音 |
| 控制项 | 只剩稳定性和相似度。语速、风格和 SSML 都没有了 |
Eleven v4 与 Eleven v4 Turbo
两者用同样的声音和设置，所以在一个上选好的声音，另一个也能用。在 Morphic 上，选 ElevenLabs 就是 Eleven v4，选 ElevenLabs Turbo 就是更快的一档。
| Eleven v4 | Eleven v4 Turbo | |
|---|---|---|
| 适合 | 最终旁白、广告、有声书 | 草稿、重新生成、大量台词 |
| Dialogue | 两到十位说话人 | 只支持 Speech |
| 速度 | 完整渲染 | 更快；流式输出时约 150 ms 出第一段语音，据 ElevenLabs 称 |
| 积分 | 标准费率 | 每个字符更少 |
先用 Turbo 找到想要的读法，再用 Eleven v4 渲染定稿。
常见问题
先用 Turbo 出草稿和重新生成，它更快，每个字符用的积分也更少。读法定下来之后，最终的旁白、广告或有声书，用 Eleven v4 渲染。两者的声音和设置相同，所以声音不用重选。Turbo 只支持 Speech，需要多人对话时用 Eleven v4 的 Dialogue。
想要明显的空白，在对应位置写 [pause]；想要长一点的沉默，写 [long pause]。省略号能给出更短的停顿。SSML 的 break 标签在 Eleven v4 上无效，所以旧脚本需要把它们换成标签。
不支持。Eleven v4 不识别 SSML，也没有语速和风格滑块。要调节奏，用 [rushed] 或 [slowly]；要空白，用 [pause]；要强调，用大写字母；难读的词，在斜线之间写国际音标。
可以。标签是自由文本，像给配音演员交代任务那样描述读法就行，比如 [dry, quietly pleased]。尽量写短一点。模型读错时，描述声音，而不是描述某种响声。
音效可以：[applause] 或 [phone buzzing] 这样的标签，会在这一条里播放对应的声音。唱歌是实验性的，[sings] 在一些声音上有效，在另一些上无效，所以要做完整的歌曲，请用 Morphic 上的音乐模型。
常见原因有三个：声音本来就演不出那种读法，标签离要改变的词太远，或标签被读成了声音。换一个更接近这种读法的声音，把标签挪到词旁边，或用日常的话描述声音，再多生成几条。