ElevenLabs v4

So liest ElevenLabs v4 einen Prompt

Alles, was du schreibst, wird gesprochen. Was nicht zu hören sein soll, gehört deshalb als Audio-Tag in eckige Klammern. ElevenLabs beschreibt v4 so, dass es Inline-Tags und Vortragsanweisungen in natürlicher Sprache genauer befolgt als frühere Modelle; pro Anfrage verarbeitet es bis zu 10.000 Zeichen, etwa zehn Minuten Audio.

Eine Struktur, die für die meisten Lesungen funktioniert:

[Vortragsweise für den Anfang] Erster Satz oder Absatz.
[Tonwechsel dort, wo er passiert] Nächste Zeile... mit Zeichensetzung als Taktgeber.
[Reaktion oder Soundeffekt] Kurze Zeile danach.

Setz am Anfang einen Tag für die allgemeine Vortragsweise und füge neue Tags nur dort hinzu, wo sich der Vortrag ändert. In der eigenen Showcase von ElevenLabs beginnen Absätze mit Anweisungen wie [Quiet, measured narration], [Gradually building energy] und [Quick, light, playful pace], den Rest übernimmt der Text.

Audio-Tags

Der Prompting-Leitfaden von ElevenLabs teilt Tags in drei Gruppen ein:

• Stimme und Emotion: [laughs], [laughs harder], [starts laughing], [whispers], [sighs], [exhales], [sarcastic], [curious], [excited], [crying], [snorts], [mischievously].
• Soundeffekte: [applause], [clapping], [gunshot], [explosion], [swallows], [gulps]. Der Launch-Post ergänzt Umgebungsgeräusche wie [light rain] und [phone buzzing].
• Experimentell: [strong X accent] mit dem gewünschten Akzent, [sings], [woo]. ElevenLabs warnt, dass diese bei verschiedenen Stimmen weniger zuverlässig sind.

Du kannst Tags kombinieren ([annoyed] [under his breath]) oder einen beschreibenden Tag schreiben ([excited, happy]). Der Leitfaden empfiehlt, konkret zu sein, etwa [low, gravelly voice], damit ein kurzer Tag nicht mit einem Soundeffekt verwechselt wird. Alle ElevenLabs-Beispiele schreiben Tags auf Englisch, und das ist auch bei einem deutschen Skript die sicherste Wahl: Deshalb übersetzen die Prompts auf dieser Seite den Text und lassen die Tags englisch.

Ein Tag, den die Stimme in ihren Aufnahmen nie gesprochen hat, ist weniger zuverlässig; eine ruhige Erzählerstimme brüllt also nicht überzeugend. Wähl Tags, die zum Charakter der Stimme passen.

Tempo, Betonung und Aussprache

v4 unterstützt kein SSML, <break>-Tags bewirken also nichts. Pausen steuerst du mit Auslassungspunkten, Zeilenumbrüchen, Satzlänge und Tags wie [pause]. Großbuchstaben betonen: „Es war ein SEHR langer Tag“. Für Namen und Fachbegriffe liest v4 IPA, das zwischen Schrägstrichen in doppelten Anführungszeichen steht: Der Begriff "/ˌbaɪoʊˈkemɪstri/" bezeichnet.... Nutze das nur bei den Wörtern, die es brauchen, setz Betonungszeichen und generiere zweimal, wenn das Ergebnis wichtig ist.

Stimmen und Sprachen

v4 spricht mehr als 90 Sprachen. Wenn das Skript in einer anderen Sprache ist als die Referenzstimme, zielt v4 auf flüssiges Sprechen in der neuen Sprache ohne den ursprünglichen Akzent, und die Stimme bleibt erkennbar. ElevenLabs nennt das Absicht. Wenn du den Akzent behalten willst, probier einen Tag wie [strong French accent] und teste ihn.

In Endless wählst du eine voreingestellte Stimme oder lädst eine Referenzaufnahme hoch, und statt ein Skript zu tippen, kannst du auch eine Sprachaufnahme hochladen, die in dieser Stimme neu gesprochen wird. Zur Referenzaufnahme merkt ElevenLabs an, dass v4 die Quelle sehr genau kopiert, einschließlich Raumgeräuschen, Lautstärke und scharfer Zischlaute, und empfiehlt durchgehend einen einzigen Sprechstil.

Einstellungen, auf die es ankommt

• Stimme: zwanzig voreingestellte Stimmen, standardmäßig Aria. Wähl eine, deren natürlicher Vortrag nah an der gewünschten Lesung liegt.
• Stimmreferenz, Speech und Hintergrundgeräusche entfernen: funktionieren wie bei ElevenLabs v3; dieser Leitfaden erklärt, wie du jede Aufnahme vorbereitest.
• Stabilität: 0, 0,5 oder 1. Bei 0 ist die Lesung am ausdrucksstärksten und ändert sich von Take zu Take; bei 1 bleibt sie nah an einer festen Grundlinie. Fang bei 0,5 an, geh für Figuren auf 0 und für eine Firmenlesung, die sich wiederholen lassen muss, auf 1.

Regler für Stil und Tempo gibt es in v4 nicht, weder bei ElevenLabs noch in Endless. Das Tempo legst du im Skript fest.

Häufige Fehler

• Ein Tag wird laut vorgelesen. Prüf, ob die Klammern eckig und geschlossen sind, und halt den Tag kurz.
• Der Tag wird ignoriert. Vielleicht kann die Stimme ihn nicht umsetzen. Probier eine andere voreingestellte Stimme, senk die Stabilität auf 0 oder beschreib die Vortragsweise mit mehr Worten.
• Ein Umgebungs-Tag wird zur ganzen Lesung. Setz Soundeffekte allein vor oder nach einen Satz, nicht mitten hinein.
• Ein Name wird falsch ausgesprochen. Schreib ihn in IPA zwischen Schrägstriche und doppelte Anführungszeichen oder lautsprachlich um.
• Die geklonte Stimme klingt verrauscht oder dröhnend. v4 gibt die Fehler der Aufnahme wieder. Nimm sie in einem ruhigen Raum ohne Musik neu auf.
• Die Pause ist zu kurz. Nimm Auslassungspunkte oder einen Zeilenumbruch.