Hoppa till navigering
KonfigureraRöst och språk

Stöd för flera röster

Gör det möjligt för din AI-agent att växla mellan olika röster i samtal med flera karaktärer och för bättre berättande.

Översikt

Stöd för flera röster gör att din ElevenLabs-agent dynamiskt kan växla mellan olika ElevenLabs-röster under ett och samma samtal. Den här kraftfulla funktionen möjliggör:

  • Berättande med flera karaktärer: Olika röster för olika karaktärer i berättelser
  • Språkundervisning: Röster från modersmålstalare för olika språk
  • Känslomässiga agenter: Röstbyten baserade på känslomässig kontext
  • Rollspelsscenarier: Distinkta röster för olika roller
Gränssnitt för konfiguration av flera röster

Så fungerar det

När stöd för flera röster är aktiverat kan agenten använda XML-liknande uppmärkning för att växla mellan konfigurerade röster under textgenerering. Agenten återgår automatiskt till standardrösten när ingen specifik röst anges.

The teacher said, <spanish>¡Hola estudiantes!</spanish> 
Then the student replied, <student>Hello! How are you today?</student>

Konfiguration

Lägga till röster som stöds

Varje röst som stöds har följande egenskaper:

  • Röstetikett: Unik identifierare (t.ex. “Joe”, “Spanish”, “Happy”)
  • Röst: Välj bland dina tillgängliga ElevenLabs-röster
  • Modellfamilj: Välj Turbo, Flash eller Multilingual (valfritt)
  • Språk: Åsidosätt standardspråket för den här rösten (valfritt)
  • Beskrivning: När agenten ska använda den här rösten

Öppna agenten på instrumentpanelen, gå till fliken Voice och leta upp avsnittet Stöd för flera röster. Klicka på Add voice för att konfigurera en ny röst som stöds.

Gränssnitt för konfiguration av flera röster

Rösteegenskaper

En unik identifierare som LLM:en använder för att referera till den här rösten. Välj beskrivande etiketter som: - Karaktärsnamn: “Alice”, “Bob”, “Narrator” - Språk: “Spanish”, “French”, “German” - Känslor: “Happy”, “Sad”, “Excited” - Roller: “Teacher”, “Student”, “Guide”

Åsidosätt agentens standardmodellfamilj för just den här rösten: - Flash: Snabbast generering, optimerad för användning i realtid - Turbo: Balanserad hastighet och kvalitet - Multilingual: Högst kvalitet, bäst för andra språk än engelska - Samma som agenten: Använd agentens standardinställning

Ange ett annat språk för den här rösten, användbart för: - Flerspråkiga samtal - Språk- undervisningsapplikationer - Regionsspecifika uttal

Ge kontext för när agenten ska använda den här rösten. Exempel:

  • “För alla spanska ord eller fraser”
  • “När meddelandets innehåll är glatt eller entusiastiskt”
  • “När karaktären Joe talar”

Implementering

XML-uppmärkningssyntax

Agenten använder XML-liknande taggar för att växla mellan röster:

<VOICE_LABEL>text to be spoken</VOICE_LABEL>

Viktiga punkter:

  • Ersätt VOICE_LABEL med den exakta etikett du har konfigurerat
  • Text utanför taggar använder standardrösten
  • Taggar är skiftlägeskänsliga
  • Nästlade taggar stöds inte

Integrering med systemprompt

När du konfigurerar röster som stöds lägger systemet automatiskt till instruktioner i agentens prompt:

When a message should be spoken by a particular person, use markup: "<CHARACTER>message</CHARACTER>" where CHARACTER is the character label.
Available voices are as follows:
- default: any text outside of the CHARACTER tags
- Joe: Whenever Joe is speaking
- Spanish: For any Spanish words or phrases
- Narrator: For narrative descriptions

Exempel på användning

Teacher: Let's practice greetings. In Spanish, we say <Spanish>¡Hola! ¿Cómo estás?</Spanish>
Student: How do I respond?
Teacher: You can say <Spanish>¡Hola! Estoy bien, gracias.</Spanish> which means Hello! I'm fine, thank you.

Bästa praxis

  • Välj röster som tydligt skiljer mellan karaktärer eller sammanhang
  • Testa röstkombinationer för att säkerställa att de fungerar bra tillsammans
  • Tänk på den känslomässiga tonen och personligheten för varje röst
  • Se till att rösterna matchar språket och accenten när du växlar språk
  • Använd beskrivande, intuitiva etiketter som LLM:en kan förstå
  • Håll etiketterna korta och lätta att komma ihåg
  • Undvik specialtecken eller mellanslag i etiketter
  • Begränsa antalet röster som stöds till det du faktiskt behöver
  • Använd samma modellfamilj när det är möjligt för att minska omkostnaden vid växling
  • Testa med dina förväntade konversationsmönster
  • Övervaka svarstider med flera röstväxlingar
  • Ge tydliga beskrivningar av när varje röst ska användas
  • Testa gränsfall där röstväxling kan vara otydlig
  • Överväg reservbeteende när röstetiketter är tvetydiga
  • Se till att röstväxlingar förbättrar snarare än distraherar från samtalet

Begränsningar

  • Högst 10 röster som stöds per agent (inklusive standardrösten)
  • Röstväxling ger minimal latens under generering
  • XML-taggar måste vara korrekt formaterade och stängda
  • Röstetiketter är skiftlägeskänsliga i uppmärkningen
  • Nästlade rösttaggar stöds inte

Vanliga frågor

Om agenten använder en röstetikett som inte har konfigurerats kommer texten att uttalas med standardrösten. XML-taggarna ignoreras.

Ja, du kan växla röster inom ett och samma svar. Varje taggad sektion använder den angivna rösten, medan otaggad text använder standardrösten.

Röstväxling ger minimal extra belastning. Den första användningen av varje röst i ett samtal kan ha något högre latens medan rösten initieras.

Ja, du kan konfigurera flera etiketter som använder samma ElevenLabs-röst men med olika modell- familjer, språk eller sammanhang.

Ge tydliga exempel i systemprompten och testa noggrant. Du kan inkludera specifika scenarier där röstväxling ska ske och exempel på XML-uppmärkningsformatet.