ElevenLabs — нейросеть для генерации реалистичной речи из текста, ИИ озвучивает текст живым голосом. С ее помощью можно создавать озвучку для рилсов, подкастов, аудиокниг, рекламы, видео и других форматов.
ElevenLabs превращает написанный текст в естественную речь, которую можно использовать вместо записи диктора. В TurboText доступны 28 голосов с разной манерой подачи: от классической дикторской озвучки до ASMR, низкого голоса для трейлеров и мультяшной речи.
Для разных задач можно подобрать подходящий вариант. Например:
В генераторе доступны 11 вариантов эмоциональной подачи. Можно создавать спокойную речь, шепот, выразительную рекламу и другие варианты озвучки.
Это позволяет адаптировать голос под содержание текста. Например, для рекламного ролика подойдет энергичная и выразительная подача, а для аудиокниги — более спокойная и естественная.
Перед генерацией можно изменить параметры озвучки и настроить звучание под конкретную задачу. Доступны настройки:
Также можно зафиксировать seed, чтобы при повторной генерации получать воспроизводимый результат.
В моделях v4 и v4 Turbo скорость, выразительность и усиление голоса ползунками не настраиваются: темп и подачу задают теги в тексте. Выбранная эмоция в этих моделях добавляется как тег в начало текста.
В TurboText доступны четыре модели ElevenLabs: новое поколение v4 и v4 Turbo, а также Multilingual v2 и Flash v2.5. Они отличаются живостью интонаций, скоростью и стоимостью генерации.
ElevenLabs v4 — новое поколение моделей ElevenLabs, в TurboText она выбрана по умолчанию. Речь звучит естественнее, эмоции и интонации передаются точнее, а голос меньше «плывёт» в длинной озвучке и при повторных генерациях. Главное новшество — теги прямо в тексте: паузы, шёпот, смех, вздохи и другие приёмы подачи. Модель говорит на 85 языках и озвучивает до 10 000 символов за один запрос.
Стоимость генерации — 1 токен за 50 символов.
v4 Turbo — та же модель v4, но с минимальной задержкой ответа и вдвое дешевле. Теги, 85 языков и лимит 10 000 символов за запрос сохраняются. Подходит для озвучки большого объёма текста и задач, где важна скорость.
Стоимость — 1 токен за 100 символов.
Multilingual v2 подходит, когда в приоритете качество и естественность звучания. Модель поддерживает до 10 000 символов в одном запросе.
Стоимость генерации — 1 токен за 50 символов.
Flash v2.5 — более быстрая и экономичная модель для создания озвучки. Она позволяет работать с текстами до 40 000 символов.
Стоимость — 1 токен за 100 символов, поэтому модель особенно удобна для длинных текстов и регулярной генерации аудио.
В моделях v4 и v4 Turbo подачей можно управлять внутри текста: достаточно вставить тег в квадратных скобках в нужное место. Теги не зачитываются вслух — нейросеть отыгрывает их голосом с того места, где они стоят.
Пример: «Я зашёл в комнату и [pause] увидел это. [scream] В ужасе я выбежал на улицу.»
Если нейросеть ставит неверное ударение или неправильно читает имя, бренд или иностранное слово, произношение можно задать вручную в международном фонетическом алфавите (IPA):
Для текста не на русском выберите язык озвучки в настройках. В списке есть украинский, казахский, узбекский, грузинский, армянский, английский, китайский, японский, арабский, основные европейские и другие языки.
Нейросеть ElevenLabs в TurboText подойдет для создания разных видов аудиоконтента:
Можно выбрать голос и эмоциональную подачу в зависимости от формата контента, а затем дополнительно настроить параметры речи.
Стоимость генерации зависит от выбранной модели и количества символов. ElevenLabs v4 и Multilingual v2 стоят 1 токен за 50 символов, v4 Turbo и Flash v2.5 — 1 токен за 100 символов. Например, текст на 500 символов в v4 обойдётся в 10 токенов, в v4 Turbo — в 5. Теги считаются как обычные символы.
Точная стоимость отображается на кнопке генерации до списания токенов, поэтому перед запуском можно проверить, сколько будет стоить выбранная озвучка.
