Aussprachewörterbuch: Jedes Wort in TTS mit Eleven v4 korrigieren

Eleven v4 setzt einen neuen Maßstab bei der Ausspracheleistung von Text to Speech-Modellen und verarbeitet Abkürzungen, Fachbegriffe, Namen und mehrsprachige Texte präziser als jedes Modell zuvor. Dennoch hat jede Marke ihr eigenes Vokabular – von einzigartigen Produktnamen bis hin zu branchenspezifischem Jargon. Deshalb möchten Sie die Aussprache dieser Wörter vollständig kontrollieren können.

Eleven v4 bietet verschiedene Möglichkeiten, die Aussprache zu korrigieren, und gibt Ihnen detaillierte Kontrolle darüber, wie das Modell spricht. Sie können ein umfassendes Aussprachewörterbuch erstellen, das für jedes Skript gilt, das Sie in der TTS-App schreiben. Oder Sie schreiben IPA für eine einmalige Korrektur direkt in Ihren Text. 

Hier ein kurzes Beispiel dafür, wie Eleven v4 ein Skript mit vielen anspruchsvollen Begriffen verarbeitet:

Dieser Leitfaden erklärt, wie Sie ein TTS-Aussprachewörterbuch erstellen und verwenden – sowie alle zugehörigen Strategien, mit denen Ihre Audiodateien Ihrer Vorstellung möglichst nahekommen. 

Zusammenfassung

• Ein Aussprachewörterbuch ist eine Sammlung von Regeln, mit denen Sie einem Text to Speech-Modell vorgeben, wie bestimmte Wörter oder Ausdrücke ausgesprochen werden sollen.
• TTS-Aussprache Regeln basieren entweder auf Aliasen, die Text ersetzen, oder auf Phonemen, die eine phonetische Schreibweise verwenden.
• Eleven v4 unterstützt Phonem-Regeln und Inline-IPA (Internationales Phonetisches Alphabet).
• SSML-Phonem- und Break-Tags funktionieren in Eleven v4 nicht, aber Sie können ein Aussprachewörterbuch oder Audio Tags als Alternative in natürlicher Sprache verwenden.
• Über ElevenAPI können Sie pro Anfrage bis zu drei Aussprachewörterbücher anwenden.

Was ist ein Aussprachewörterbuch?

Ein Aussprachewörterbuch ist ein Tool, mit dem Sie genau festlegen können, wie ein Text to Speech-Modell bestimmte Wörter ausspricht. Indem Sie bestimmte Wörter oder Ausdrücke zu einem Aussprachewörterbuch hinzufügen, definieren Sie, wie sie klingen, wenn sie in einem TTS-Skript vorkommen. 

Aussprachewörterbücher werden typischerweise verwendet für:

• Markennamen: Markennamen sind ein häufiger Eintrag in Aussprachewörterbüchern, besonders bei einzigartigen oder ungewöhnlichen Schreibweisen.
• Abkürzungen: Bestimmte Abkürzungen müssen auf eine bestimmte Weise ausgesprochen werden. Zum Beispiel sollte AEO wie /ˌeɪ.iːˈoʊ/ ("A-E-O") und nicht wie /eɪˈjoʊ/ ("ay-yo") klingen. Eine feste Wörterbuchregel stellt sicher, dass das Modell es jedes Mal richtig ausspricht, wenn Sie es schreiben.
• Ortsnamen und andere Eigennamen: Bestimmte Ortsnamen können ganz anders klingen, als man beim Lesen ihrer Schreibweise vermutet. Worcestershire ist ein bekanntes Beispiel, bei dem ein Ausspracheleitfaden Probleme vermeiden kann.
• Fachbegriffe: Branchenjargon oder spezialisierte Begriffe etwa aus Medizin oder Recht können von einem Aussprachewörterbuch profitieren, wenn das Modell nicht ausdrücklich mit Daten aus diesen Bereichen trainiert wurde. 

Außerhalb von Text to Speech sind Aussprachewörterbücher meist gemeinschaftlich erstellte Sammlungen von Audioclips durch Muttersprachler, die Lernende nutzen, um die Aussprache bestimmter Wörter zu hören.

TTS-Aussprache in Eleven v4 steuern

Eleven v4 wird von der Provider Voice Arena von Artificial Analysis als Text to Speech-Modell mit der höchsten Qualität eingestuft¹. Ein Grund, warum Eleven v4 marktführend ist, ist die Fähigkeit des Modells, komplexe Texte zu verarbeiten und die Ausgabe trotzdem natürlich klingen zu lassen. 

Damit Nutzer die bestmögliche Erfahrung mit Eleven v4 erhalten, bietet das Modell verschiedene Möglichkeiten zur Anpassung der Aussprache. So erfüllt jede Ausgabe Ihre Anforderungen an die Genauigkeit. 

So steuern Sie die Aussprache mit Eleven v4:

• Inline-IPA: Sie können IPA zwischen Schrägstrichen in Ihre Skripte schreiben, um die Aussprache ohne Aussprachewörterbuch vorzugeben. Wie das genau funktioniert, erklären wir gleich.
• Phonem-Regeln in Wörterbüchern: Schreiben Sie phonembasierte Regeln in Ihre Aussprachewörterbücher, um den phonetischen Klang wiederkehrender Wörter zu steuern.
• Flüssige Aussprache in verschiedenen Sprachen: Eleven v4 kann natürlich klingende Sprache in über 90 Sprachen erzeugen. Behalten Sie die muttersprachliche Aussprache jeder Sprache bei und nutzen Sie dieselbe Stimme für ein konsistentes Sonic Branding.

So schneiden die verschiedenen ElevenLabs-TTS-Modelle bei der Aussprachekontrolle ab:

Was ist der Unterschied zwischen Alias- und Phonem-Regeln in einem Aussprachewörterbuch?

Alias-Aussprache-Regeln ersetzen ein Textstück durch ein anderes, bevor das Modell das Wort ausspricht. Dies geschieht im Hintergrund, wenn ein Modell Audio erzeugt: Der Klang eines Worts oder Ausdrucks wird durch den Eintrag aus Ihrem Aussprachewörterbuch ersetzt. 

Hier sind einige Beispiele für Alias-Aussprache-Regeln:

• „SaaS“ wird zu „sass“
• „UN“ wird zu „United Nations“
• „OAuth“ wird zu „oh auth“

Phonem-Regeln hingegen geben dem Modell eine exakte phonetische Schreibweise vor. Sie sind schwieriger zu erstellen, da Sie die IPA-Transkription selbst schreiben oder erzeugen und in Ihr Wörterbuch eintragen müssen. Beispielsweise wird „Kubernetes“ zu /ˌkuː.bərˈnɛt.iːz/.

Aussprache von Markennamen in einem TTS-Modell korrigieren

Markennamen gehören zu den häufigsten Einträgen in Aussprachewörterbüchern, da sie nicht immer echte Wörter sind. Wenn Ihr Unternehmen ein Wort oder eine einzigartige Schreibweise für Ihre Marke erfunden hat, können TTS-Modelle Schwierigkeiten haben, sie korrekt auszusprechen. Denn es gibt nur wenige zugängliche Trainingsdaten mit dieser spezifischen Aussprache.

So korrigieren Sie die Aussprache eines Markennamens in Eleven v4:

1. Standardaussprache testen: Öffnen Sie die Text to Speech-App und schreiben Sie Ihren Markennamen. Erzeugen Sie einen Clip und hören Sie, wie er klingt. Wenn die Aussprache nicht stimmt, fahren Sie mit dem nächsten Schritt fort. 
2. Alias-Regel ausprobieren: Die einfachste Methode, einen Aussprachefehler bei einem Markennamen zu korrigieren, ist eine Alias-Regel. Sie lassen sich schnell erstellen und sind intuitiv.
3. Zu einer Phonem-Regel wechseln: Wenn Ihre Alias-Regel nicht ganz funktioniert, verwenden Sie IPA. Transkribieren Sie Ihren Markennamen mit IPA und erstellen Sie dann im Text to Speech-Aussprachewörterbuch eine Regel, um die Aussprache zu korrigieren.
4. Jede Groß- und Kleinschreibung abdecken: Fügen Sie die IPA-Transkription sowohl für die Klein- als auch für die Großschreibung Ihres Markennamens hinzu, wenn Sie beide verwenden.
5. Inline-IPA für einmalige Änderungen verwenden: Wenn Sie nur eine schnelle Korrektur für eine einzelne Generierung benötigen, können Sie IPA einfach direkt in Ihr Skript einfügen, statt einen Wörterbucheintrag zu konfigurieren.

Nachdem Sie eine Regel für Ihren Markennamen erstellt haben, gilt sie künftig in jedem geteilten Projekt – ob in Ihrem KI-Agenten oder über eine API.

Ein Aussprachewörterbuch mit ElevenLabs erstellen

Sie können ein Aussprachewörterbuch erstellen, indem Sie Regeln in der Text to Speech-App hinzufügen, eine .pls-Datei hochladen oder ElevenAPI verwenden. In diesem Leitfaden behandeln wir die erste Option, die nur wenige Schritte erfordert.

So erstellen Sie ein Aussprachewörterbuch:

1. Bereich für Aussprachewörterbücher öffnen: Klicken Sie auf der Text to Speech-Seite auf die Suchleiste oben, geben Sie „Pronunciation dictionary“ ein und wählen Sie unter „Actions“ die Option „Pronunciation dictionaries“ aus.
2. Wörterbuch erstellen oder auswählen: Klicken Sie auf „New“, um ein neues Wörterbuch zu erstellen, oder wählen Sie eines aus der Liste links aus. 
3. Regel hinzufügen: Klicken Sie auf „Add rule“, um eine neue Zeile zu erstellen. Geben Sie das Wort ein, das Sie korrigieren möchten. Schreiben Sie das Wort oder den Ausdruck genau so in das Feld „Input“, wie es in Ihren Skripten erscheint. Bei Regeln wird Groß- und Kleinschreibung unterschieden. Verwenden Sie daher die passende Schreibweise. 
4. Regeltyp auswählen: Wählen Sie „Alias“, um anderen Text einzusetzen, oder „Phoneme“, um eine IPA- oder CMU-Schreibweise einzugeben. 
5. Ersetzung eingeben: Geben Sie den Alias oder die phonetische Schreibweise in das Feld „Output“ ein. Verwenden Sie die Stimmenauswahl oben im Bereich, um die Regel mit der Stimme anzuhören, mit der Sie arbeiten. 
6. Änderungen speichern: Klicken Sie unten im Bereich auf „Save changes“.

Um einem Agenten einen Ausspracheleitfaden zuzuweisen oder einen über die API anzuwenden, folgen Sie unserer Dokumentation zu Aussprachewörterbüchern.

IPA in Text to Speech mit Eleven v4 verwenden

Für kleine Änderungen oder seltene Wörter müssen Sie nicht unbedingt einen neuen Eintrag in Ihrem TTS-Aussprachewörterbuch erstellen, um einen Fehler zu korrigieren. Stattdessen können Sie Inline-IPA verwenden, um genau festzulegen, wie das Modell ein Wort aussprechen soll.

In Eleven v4 aktivieren Sie Inline-IPA mit Schrägstrichen. Wie Audio Tags werden sie direkt in Ihr Skript eingefügt, damit alles möglichst einfach bleibt. Hier sind einige Beispiele für IPA in Eleven v4:

• Fachbegriffe: Der Begriff „/ˌbaɪoʊˈkemɪstri/“ bezeichnet die Erforschung chemischer Prozesse. 
• Medizinischer Wortschatz: „/ɡluːˈkoʊs/“ und „/ˈɪnsjəlɪn/“ werden häufig zur Behandlung von Erkrankungen wie „/ˌdaɪəˈbiːtiːz/“ verwendet. 
• Marken- und Produktnamen: Unsere Server laufen auf „/ˌɛndʒɪnˈɛks/“, um Lastspitzen zu bewältigen.

Nebenbei: Wenn Sie keinen Abschluss in Linguistik haben, hilft Ihnen ein IPA-Konverter dabei, aus einer Eingabe in natürlicher Sprache die richtige IPA für Ihr Skript zu erhalten.

Warum SSML-Phonem-Tags in Eleven v4 nicht funktionieren

Eleven v4 unterstützt SSML nicht und setzt stattdessen auf flexiblere Funktionen wie Audio Tags und Aussprachewörterbücher. Damit haben Sie mehr Kontrolle über die finale Audioproduktion. 

Für jede SSML-Funktion gibt es in v4 einen direkten Ersatz:

Mit natürlich klingender Text to Speech-Aussprache in Eleven v4 starten

Mit verschiedenen Tools zur Verbesserung der Aussprachegenauigkeit in Eleven v4 können Sie detaillierte Skripte schreiben und vom Modell genau so umsetzen lassen, wie Sie es sich vorgestellt haben.

Erstellen Sie Aussprachewörterbücher in der ElevenLabs Text to Speech-App und wenden Sie sie mit ElevenAPI im großen Maßstab an. 

Registrieren Sie sich, um loszulegen, oder erfahren Sie noch heute mehr über Eleven v4.

FAQ

1. ^{Artificial Analysis, Provider Voice Arena Preference Elo, 30. September 2026}