Professionell röstkloning
Lär dig hur du klonar din röst professionellt med våra marknadsledande modeller.
Skapa en professionell röstklon
När du klonar en röst är det viktigt att tänka på vad AI:n har tränats på: vilka språk och vilken typ av datauppsättning. Läs mer om varje enskild modell och deras styrkor på modellsidan.
Guide
Om du är osäker på vad som är tillåtet ur ett juridiskt perspektiv kan du läsa våra användarvillkor och information om AI-säkerhet för mer information.
Gå till sidan för professionell röstkloning
Klicka på plusknappen bredvid Voices i sidofältet i ElevenLabs för att öppna sidan Voice Creation. Klicka sedan på Create new under Professional Voice Clone.
Ladda upp ditt ljud
Professionella röstkloner har för närvarande inte stöd för sång. Ljudinspelningar får endast innehålla talad röst.

Ladda upp dina ljudexempel genom att klicka på Upload samples.
Om du inte redan har förinspelat träningsljud kan du också spela in direkt i gränssnittet genom att välja Record yourself. Vi har inkluderat exempelskript för berättande, konversation och reklam. Du kan även ladda upp ett eget skript.
Kontrollera återkopplingen om exempellängd
När ditt ljud har laddats upp får du återkoppling om längden på dina exempel. För bästa resultat rekommenderar vi att du laddar upp minst en timmes träningsljud, och helst så nära tre timmar som möjligt.

Bearbeta ditt ljud
När dina ljudexempel har laddats upp kan du bearbeta dem för att förbättra kvaliteten. Du kan ta bort bakgrundsbrus och även separera olika talare om ditt ljud innehåller fler än en talare. Du når dessa alternativ genom att klicka på knappen Audio settings bredvid klippet du vill bearbeta.

Verifiera din röst
När allt har spelats in och laddats upp ombeds du att verifiera din röst. För en smidig upplevelse bör du försöka verifiera din röst med samma eller liknande utrustning som användes för att spela in exemplen, och med en ton och ett framförande som liknar dem i exemplen. Om du inte har tillgång till samma utrustning försöker du verifiera så gott du kan. Om det misslyckas kan du antingen vänta 24 timmar innan du försöker igen eller kontakta supporten för hjälp.
Det finns några saker att tänka på innan du börjar ladda upp dina exempel, och några steg du behöver ta för att få bästa möjliga resultat.
Spela in ljud av hög kvalitet
Professionell röstkloning är mycket exakt när den klonar de exempel som används för träningen. Den skapar en nästan perfekt klon av det den hör, inklusive alla detaljer och egenskaper hos rösten, men även eventuella artefakter och oönskat ljud i exemplen. Det innebär att om du laddar upp exempel av låg kvalitet med bakgrundsbrus, rumsreverb/eko eller andra oönskade ljud som musik eller flera personer som pratar, försöker AI:n även återskapa alla dessa delar i klonen.
Eleven v4 fångar källinspelningen mer troget än tidigare modeller, inklusive bakgrundsbrus, distorsion och andra brister. Tydligt träningsljud är viktigare med den här modellen.
Se till att det bara finns en talande röst
Se till att det bara finns en talande röst genom hela ljudet, eftersom fler än en talare, kraftigt brus eller något av ovanstående kan förvirra AI:n. Förvirringen kan göra att AI:n inte kan avgöra vilken röst som ska klonas eller misstolkar hur rösten faktiskt låter eftersom den maskeras av andra ljud, vilket leder till en mindre optimal klon.
Tillhandahåll tillräckligt med material
Se till att du har tillräckligt med material för att klona rösten ordentligt. Det absoluta minimum vi rekommenderar är 30 minuters ljud, men för bästa resultat och mest exakta klon rekommenderar vi närmare 2–3 timmar ljud. Ju mer ljud du tillhandahåller, desto bättre blir kvaliteten på den färdiga klonen.
Håll stilen konsekvent
Talstilen i exemplen du skickar in kommer att återskapas i resultatet, så beroende på vilket framförande du vill ha bör träningsdatan motsvara den stilen (t.ex. om du vill använda en klon av din röst för att läsa in en ljudbok bör ljudet du skickar in för träning vara en inspelning av dig när du läser en bok med den ton du vill använda). För konsekvensens skull är det bäst att bara inkludera en stil i de uppladdade exemplen. Eleven v4 fångar den enda talstilen närmare än tidigare modeller.
Använd exempel på språket som du vill att PVC:n ska användas för
Det är bäst att använda exempel där du talar det språk som PVC:n främst ska användas för. AI:n kan naturligtvis tala alla språk som vi för närvarande har stöd för. Det är dock värt att notera att om rösten i sig inte har språket som modersmål – det vill säga om du klonade en röst som talar ett annat språk – kan den ha en accent från originalspråket och uttala ord och böjningar fel. Om du till exempel klonar en röst som talar engelska och sedan vill att den ska tala spanska i en modell före Eleven v4, kommer den mycket sannolikt att ha en engelsk accent när den talar spanska.
Med Eleven v4 behåller tal som genereras på samma språk som exemplen originalaccenten. Tal som genereras på ett annat språk flyter naturligt på målspråket. Om du behöver träningsaccenten på andra språk bör du testa det beteendet med Eleven v4 innan du förlitar dig på det.
Vi har endast stöd för att klona exempel som spelats in på ett av våra språk som stöds, och applikationen avvisar ditt exempel om det spelats in på ett språk som inte stöds.
Se exemplen nedan för att förstå vad du kan förvänta dig av en bra och en dålig inspelning.
För närvarande tillåter vi endast att du klonar din egen röst. Du ombeds genomgå en verifieringsprocess innan du skickar in din begäran om finjustering.
Tips och förslag
Professionell inspelningsutrustning
Professionell inspelningsutrustning
Använd inspelningsutrustning av hög kvalitet för bästa resultat, eftersom AI:n klonar allt i ljudet. Högkvalitativ indata = högkvalitativ utdata. Alla mikrofoner fungerar, men vi rekommenderar en XLR-mikrofon som ansluts till ett dedikerat ljudinterface. Några generella budgetrekommendationer är till exempel en Audio Technica AT2020 eller en Rode NT1 ansluten till ett Focusrite-interface eller liknande.
Använd ett popfilter
Använd ett popfilter
Använd ett popfilter när du spelar in. Det minimerar plosiver i inspelningen.
Avstånd till mikrofonen
Avstånd till mikrofonen
Placera dig på rätt avstånd från mikrofonen – ungefär två knytnävar från mikrofonen rekommenderas, men det beror också på vilken typ av inspelning du vill göra.
Brusfri inspelning
Brusfri inspelning
Se till att ljudingången inte har några störningar, som bakgrundsmusik eller brus. AI-kloningen fungerar bäst med rent och ostört ljud.
Rumsakustik
Rumsakustik
Spela helst in i ett akustikbehandlat rum. Det minskar oönskade ekon och bakgrundsljud, vilket ger AI:n tydligare ljudindata. Du kan skapa en tillfällig lösning med ett tjockt täcke eller en quilt för att dämpa inspelningsutrymmet.
Förbearbetning av ljud
Förbearbetning av ljud
Överväg att redigera ditt ljud i förväg om du vill att AI:n ska skapa ett specifikt ljud. Om du till exempel vill ha ett polerat resultat som liknar en podcast kan du förbearbeta ljudet så att det motsvarar den kvaliteten. Detsamma gäller om du har långa pauser eller många ”eh” och ”öh” mellan orden, eftersom AI:n även imiterar dem.
Volymkontroll
Volymkontroll
Håll en jämn volym som är tillräckligt hög för att vara tydlig, men inte så hög att den orsakar distorsion. Målet är att få en balanserad och stabil ljudnivå. Idealt bör nivån ligga mellan -23 dB och -18 dB RMS, med en true peak på -3 dB.
Tillräcklig ljudlängd
Tillräcklig ljudlängd
Tillhandahåll minst 30 minuter högkvalitativt ljud som följer riktlinjerna ovan för bästa resultat – helst närmare 2+ timmar ljud. Ju mer kvalitetsdata du kan ge AI:n, desto bättre blir röstklonen. Antalet exempel är irrelevant; den totala speltiden är det som spelar roll. Om du planerar att ladda upp flera timmar ljud är det dock bättre att dela upp det i flera exempel på cirka 30 minuter. Det gör uppladdningen enklare.
Eleven v4
Professionella röstkloner stöds fullt ut i Eleven v4. De bygger på samma framsteg inom röstprecision och återskapar källrösten mer troget än tidigare modeller, inklusive klangfärg, rytm, accent, framförande och ljudstyrka. En klon i Eleven v4 kan låta avsevärt annorlunda än samma klon i Eleven v3. Jämför båda med ditt eget innehåll och behåll den version som passar användningsfallet.
Eleven v4 har två varianter. Båda fungerar med en professionell röstklon:
- Eleven v4 (
eleven_v4) är modellen med högst kvalitet för innehållsskapande, ljudböcker och röstpålägg för karaktärer. - Eleven v4 Turbo (
eleven_v4_turbo) behåller den kvaliteten med låg latens för användning i realtid, exempelvis konversationsagenter.
Båda varianterna har stöd för röstinställningarna Stability och Similarity, men Style och Speed är inte tillgängliga i Eleven v4, och SSML stöds inte.
De flesta professionella röstkloner finjusteras automatiskt på Eleven v4, men om modellen inte redan är tillgänglig kan du starta finjusteringen manuellt. Om du vill träna en befintlig professionell röstklon på Eleven v4 öppnar du My Voices, letar upp rösten och håller muspekaren över den. Modeller som rösten redan har finjusterats på visas med en bock, och modeller som är tillgängliga för finjustering visas med ett plus. Klicka på plusknappen bredvid Eleven v4 för att starta finjusteringen. Du får en notis i appen och via e-post när den är klar.
Klonstyrka
När du väljer en professionell röstklon och Eleven v4 innehåller Voice settings ett reglage för Clone Strength. Klonstyrka styr hur nära det genererade talet följer klonens träningsinspelningar.
Vid lägre värden jämnas rösten ut något och framförandet får större flexibilitet, vilket ofta låter bättre överlag samtidigt som det fortfarande låter som originalrösten. Vid högre värden ligger resultatet närmare träningsinspelningarna med mindre utjämning och efterliknar originalröstens framförande och uttryck närmare. Högre värden kan vara särskilt användbara för röster med utmärkande drag eller unika accenter.
Vi rekommenderar 0 % för de flesta användningsfall, men ett högre värde kan vara användbart för unika accenter eller egenskaper. I dessa fall rekommenderar vi att du höjer Clone Strength till 50 %.






