ElevenLabs в TurboText — руководство по озвучке текста нейросетью

Нейро

ElevenLabs — одна из популярных нейросетей для синтеза речи. Она превращает обычный текст в реалистичную голосовую озвучку, стараясь передавать естественный темп, интонацию и эмоциональные оттенки человеческой речи. В TurboText ElevenLabs можно использовать для создания озвучки Reels, Shorts, рекламных роликов, подкастов, аудиокниг, презентаций, обучающих материалов и видео с закадровым голосом. 

Главное преимущество нейросети — возможность подобрать голос под конкретную задачу и дополнительно настроить его звучание. Поэтому один и тот же текст можно превратить в спокойный рассказ, энергичную рекламу, новостную подачу или эмоциональную историю.

Параметры нейросети ElevenLabs

• 28 готовых голосов — можно прослушать каждый голос перед генерацией
• 11 эмоций — разные варианты эмоциональной подачи
• Настройка скорости — изменение темпа речи
• Настройка качества — регулировка параметров звучания
• ElevenLabs v4 — 1 токен за 50 символов, модель по умолчанию
• v4 Turbo — 1 токен за 100 символов
• Multilingual v2 — 1 токен за 50 символов
• Flash v2.5 — 1 токен за 100 символов
• 85 языков — в моделях v4 и v4 Turbo
• Теги в тексте — паузы, эмоции и звуки в моделях v4 и v4 Turbo
• Формат — MP3 до 192 кбит/с

Как создать озвучку в ElevenLabs

Чтобы создать аудио, введите текст, выберите голос и модель, после чего запустите генерацию.

Перед отправкой текста можно настроить параметры звучания. Готовая озвучка создается автоматически и доступна в формате MP3.

Для хорошего результата не обязательно писать сложные инструкции. ElevenLabs анализирует сам текст и использует его структуру, пунктуацию и эмоциональный контекст для формирования речи. Например, вопросительный знак помогает передать вопросительную интонацию, а восклицательный — усилить эмоциональность. Официальная документация ElevenLabs также рекомендует использовать описания эмоционального контекста непосредственно в тексте.

ElevenLabs v4: как озвучивать текст с тегами

ElevenLabs v4 — новое поколение моделей ElevenLabs, в TurboText она выбрана по умолчанию. Речь в v4 звучит живее, эмоции передаются точнее, а голос меньше «плывёт» в длинной озвучке. Главное отличие от прежних моделей — подачей можно управлять прямо в тексте с помощью тегов.

Какую модель выбрать

• v4 — для роликов, рекламы, аудиокниг и всего, где важны живые интонации и эмоции. 1 токен за 50 символов, до 10 000 символов за запрос.
• v4 Turbo — та же v4 с минимальной задержкой и вдвое дешевле: 1 токен за 100 символов. Удобна для больших объёмов текста.
• Multilingual v2 — если нужна привычная подача с ручной настройкой скорости и выразительности ползунками.
• Flash v2.5 — самый большой лимит, до 40 000 символов за запрос, при цене 1 токен за 100 символов.

Как расставлять теги

Тег пишется в квадратных скобках прямо в тексте. Вслух он не зачитывается: нейросеть отыгрывает его голосом, начиная с того места, где он стоит.

• Паузы и темп: [pause], [slowly], [fast]
• Эмоции и подача: [whispers], [happy], [sad], [angry], [excited], [calm], [serious], [warmly], [dramatically]
• Звуки: [scream], [laughs], [sighs]

Несколько правил, которые помогут получить нужную подачу:

1. Ставьте тег перед фразой, а не после. Тег действует на текст, который идёт за ним.
2. Не перегружайте текст. Одного-двух тегов на предложение достаточно, иначе подача станет неестественной.
3. Скорость — тегами. В v4 ползунки скорости и выразительности не действуют: замедлить или ускорить речь можно тегами [slowly] и [fast].
4. Эмоция из настроек — это тоже тег. Выбранная в настройках эмоция добавляется в начало текста, а дальше её можно менять тегами по ходу текста.
5. Теги входят в цену. Они считаются как обычные символы текста.

Готовые примеры с тегами

Трейлер, голос Борис: [dramatically] Этот город спал сто лет. [pause] Но сегодня [whispers] он проснулся.

Реклама, голос Алекс: [excited] Только сегодня — скидка пятьдесят процентов на весь ассортимент! [pause] Успейте до полуночи.

ASMR, голос Мира: [whispers] Закрой глаза… [pause] [slowly] и просто послушай тишину вокруг.

Подкаст, голос Наташа: [warmly] Привет! Сегодня поговорим о том, как не выгореть на работе. [laughs] Да, тема больная.

Хоррор, голос Дьявол: Я зашёл в комнату и [pause] увидел это. [scream] В ужасе я выбежал на улицу.

Ударения, имена и бренды

Если нейросеть ставит неверное ударение или неправильно читает имя, название бренда или иностранное слово, в v4 произношение можно задать вручную в международном фонетическом алфавите (IPA): <phoneme alphabet="ipa" ph="zɐˈmok">замок</phoneme> — модель произнесёт «замо́к», а не «за́мок».

Озвучка на других языках

Модели v4 и v4 Turbo говорят на 85 языках. Если текст не на русском, выберите язык в настройках: в списке есть украинский, казахский, узбекский, киргизский, таджикский, грузинский, армянский, азербайджанский, английский, китайский, японский, корейский, арабский, иврит, хинди, турецкий и основные европейские языки. Модель Flash v2.5 поддерживает меньше языков — для редких языков, например казахского, выбирайте v4.

Голоса ElevenLabs в TurboText

В TurboText доступны 28 голосов ElevenLabs — женские, мужские и специальные варианты для разных форматов контента.

Женские голоса

Татьяна — дикторский, ровный — новости, повествование и информационные ролики

Елена — нейтральный, спокойный — универсальная озвучка

Аннушка — литературный, выразительный — аудиокниги и художественные тексты

Элла — тёплый, чёткий — диалоги и повествование

Даша — живой, разговорный — соцсети, блоги и Reels

Вероника — энергичный, профессиональный — промо и рекламные ролики

Вика — спокойный, размеренный — курсы, инструкции и обучение

Мира — нежный, тихий — ASMR, шёпот и расслабляющий контент

Соня — меланхоличный, задумчивый — драматические и атмосферные тексты

Наташа — тёплый, дружелюбный — подкасты и разговорный контент

Надя — информативный, чёткий — обучающие и информационные ролики

Лариса — актёрский, эмоциональный — художественные тексты и персонажи

Катя — нежный, мягкий — реклама, соцсети и лайфстайл-контент

Мужские голоса

Егор — тёплый, располагающий — реклама и презентации

Артём — повествовательный, с петербургским говором — истории и авторский контент

Николай — бодрый, динамичный — соцсети, Reels и короткие видео

Толик — спокойный, размеренный — длинные тексты и повествование

Коуч — мотивационный, напористый — промо, мотивационные ролики и офферы

Стас — глубокий, эмпатичный — аудиокниги и художественные тексты

Борис — низкий бас, уверенный — трейлеры, документалистика и масштабные ролики

Иван — медитативный, расслабляющий — практики, медитации и релакс

Псих — эксцентричный, безумный — яркие персонажи и юмористический контент

Дьявол — демонический, зловещий — хоррор, мистические истории и персонажи

Алекс — энергичный, продающий — реклама, офферы и промо

Женя — бодрый, яркий — реклама, Reels и короткие видео

Олег — мягкий, спокойный — повествование, инструкции и подкасты

Детские голоса

Чижик — мультяшный, звонкий, радостный — детский и развлекательный контент

Вжик — мультяшный, восторженный, эмоциональный — персонажи, мультфильмы и юмористические ролики

Примеры озвучки текста нейросетью ElevenLabs

Для рекламного ролика

Настроение: радостное

Голос: Стас

Хотите создавать видео быстрее? Теперь всё необходимое — в одном сервисе. Генерируйте изображения, видео и музыку с помощью нейросетей. Попробуйте TurboText прямо сейчас!

Для спокойного экспертного видео 

Настроение: дружелюбное

Голос: Егор

Сегодня разберём три способа использовать искусственный интеллект для создания контента. Начнём с самого простого — генерации текста.

Для эмоционального Reels

Настроение: реклама

Голос: Даша

Вы всё ещё тратите часы на обработку фотографий? А ведь это можно сделать за несколько минут. Показываем, как!

 

Для новостного выпуска

Настроение: серьезное

Голос: Вероника

Сегодня разработчики представили новую версию нейросети. Обновление получило улучшения в генерации текста, анализе данных и работе со сложными запросами.

 

Для аудиокниги

Настроение: драматичное

Голос: Аннушка

Вечер медленно опускался на город. На пустой улице зажигались фонари, а из открытого окна доносилась тихая музыка.

Для трейлера

Настроение: шепот

Голос: Вика

Он думал, что всё закончилось. Но это было только начало. Теперь у него есть двадцать четыре часа. 

Для ASMR

Настроение: нейтральное

Голос: Артем

Сделай глубокий вдох... Медленно выдохни... Закрой глаза и просто отдохни.

Для мультяшного персонажа

Настроение: дружелюбное

Голос: Вжик

Что?! Ты уже всё съел? Я отвернулся всего на секунду!

Для обучающего видео

Настроение: дружелюбное

Голос: Коуч

Сначала выберите нужную модель. Затем введите текст и проверьте настройки. После этого нажмите кнопку генерации — и нейросеть создаст готовую озвучку. 

Для подкаста

Настроение: серьезное

Голос: Олег

А теперь давайте разберёмся, почему одни ИИ-ролики сразу привлекают внимание, а другие пользователи пролистывают уже через несколько секунд.