> This is a page from the ElevenLabs documentation. For a complete page index, fetch https://elevenlabs.io/docs/llms.txt. For the full documentation in a single file, fetch https://elevenlabs.io/docs/llms-full.txt.

# Jak uzyskać emocje?

Model uwzględnia szerszy kontekst każdej wypowiedzi — ocenia, czy coś ma sens, na podstawie powiązania z poprzedzającym i następującym tekstem. Dzięki temu może właściwie intonować dłuższe fragmenty, nadając kilku zdaniom spójny wzorzec emocjonalny.

Wskazówki dotyczące uzyskiwania emocji:

* Kontekst jest kluczowy przy generowaniu konkretnych emocji. Jeśli wpiszesz śmieszny tekst lub tekst ze śmiechem, możesz uzyskać radosną wypowiedź. To samo dotyczy złości, smutku i innych emocji — kluczowe jest ustawienie kontekstu.
* Interpunkcja i ustawienia głosu mają największy wpływ na sposób wygłoszenia tekstu.
* Dodaj nacisk, ujmując ważne słowa lub frazy w cudzysłów.
* W przypadku mowy generowanej klonowanym głosem styl mówienia z próbek przesłanych do klonowania jest odtwarzany w wyniku. Jeśli mowa w przesłanej próbce jest monotonna, modelowi będzie trudno wygenerować ekspresyjną wypowiedź.

W Eleven v4 i Eleven v3 możesz też używać [tagów audio](/docs/pl/help-center/product/core-capabilities/text-to-speech/how-do-audio-tags-work-with-eleven-v3-and-v4), aby bardziej bezpośrednio kontrolować emocje i sposób mówienia, na przykład `[happy]`, `[sad]`, `[angry]`, `[whispers]` i `[laughs]`. Więcej informacji znajdziesz w [przewodniku po promptowaniu](/docs/pl/overview/capabilities/text-to-speech/best-practices#prompting-eleven-v4).

Te wskazówki pomagają kierować emocjonalnością wypowiedzi, ale nie gwarantują konkretnego rezultatu.