> 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. # Voice Design ![Röstdesign](/docs/_fern-img/1125280670aac11f82425cb9e04ccba451fb85ac046cff42203b867a82340f43.webp) ## Översikt Voice Design hjälper kreatörer att fylla luckorna när den exakta röst de söker inte finns i [Voice Library](https://elevenlabs.io/app/voice-library). Om du inte hittar en lämplig röst för ditt projekt kan du skapa en. Voice Design passar bäst för snabb utforskning och iteration, och kvaliteten på resultatet kan variera beroende på din prompt och ditt användningsområde. Om du behöver den mest konsekventa, produktionsklara kvaliteten är [Professional Voice Clones (PVC)](/docs/sv/eleven-creative/voices/voice-cloning) för närvarande rösterna av högst kvalitet på vår plattform. Om det finns en PVC i vårt bibliotek som passar dina behov rekommenderar vi därför att du använder den i stället. Du hittar Voice Design genom att gå till Voices -> My Voices -> Add a new voice -> Voice Design i [ElevenLabs-appen](https://elevenlabs.io/app/voice-lab?create=true\&creationType=voiceDesign) eller via [API:et](/docs/sv/api-reference/text-to-voice/design). När du klickar på generera skapar vi tre röstalternativ åt dig. Den enda kostnaden för att använda Voice Design är antalet krediter för att generera din förhandsvisningstext. Du debiteras bara en gång, även om vi genererar tre exempel åt dig. Du kan se antalet tecken som dras av i textrutan "Text to preview". Efter genereringen kan du välja och spara en av de genererade rösterna, vilket tar upp en av dina röstplatser. #### [API-referens](/docs/sv/api-reference/text-to-voice) Se API-referensen för Voice Design ## Guide till promptar Prompten är grunden för din röst. Den talar om för modellen vilken typ av röst du försöker skapa – allt från accent och karaktärstyp till röstens kön och känsla. En välformulerad prompt kan vara skillnaden mellan en generisk röst och en som verkligen passar din vision. Generellt ger mer beskrivande och detaljerade promptar ofta mer träffsäkra och nyanserade resultat. Ju fler detaljer du ger – inklusive ålder, kön, ton, accent, tempo, känsla, stil och annat – desto bättre kan modellen tolka och skapa en röst som känns genomtänkt och anpassad. Korta och enkla promptar kan dock också fungera, särskilt om du vill ha en mer neutral eller brett användbar röst. Till exempel kan ”En lugn manlig berättarröst” ge dig precis vad du behöver utan att gå in på detaljer – särskilt om du inte försöker skapa en mycket specifik karaktär eller stil. Rätt detaljnivå beror på ditt användningsområde. Skapar du en fantasykaraktär? En virtuell assistent? En trött New York-bo i 60-årsåldern med torr humor? Ju tydligare du definierar det i prompten, desto närmare kommer resultatet det du föreställer dig. ### Rekommenderat promptformat För konsekventa resultat bör du strukturera din prompt enligt det här formatet: ``` Native . , . . Persona: <2–5 words>. Emotion: <2–3 adjectives>. <1–2 sentences about timbre, pacing, delivery> ``` **Exempel:** Spanska som modersmål, español europeo (sin rasgos de español latinoamericano). Kvinna, 35–40. Okej kvalitet. Persona: pålitlig supportoperatör. Känsla: lugnande, uppmärksam, självsäker. Mjuk, naturlig klang med mild intonation, nära mikrofonen och en brusfri signal. Levererar uppdateringar i ett avslappnat tempo med tydlig betoning på hjälpsam information och förmedlar empati och professionalism. ### Vanliga fallgropar att undvika * **Använd inte ”accent” när du menar intonation** – det kan utlösa oönskade dialektskiften. Beskriv i stället intonation, betoning eller leveransmönster. * **Undvik ord för effekter** – termer som ”reverb”, ”echo”, ”phone” eller ”tape” kan påverka resultatets kvalitet negativt. * **Var tydlig med språk och dialekt** – ange alltid språk och regional variant i den första meningen för att undvika att rösten glider iväg. ### Ljudkvalitet Ljudkvalitet avser tydligheten, renheten och den övergripande återgivningen hos den genererade rösten. Som standard strävar ElevenLabs efter att skapa rent och naturligt ljud – men om ditt projekt kräver en särskild kvalitetsnivå är det bäst att uttryckligen ange det i prompten. För resultat av hög kvalitet kan du hjälpa modellen genom att lägga till en fras som ”**perfekt ljudkvalitet**” eller ”**inspelning i studiokvalitet**” i din röstbeskrivning. Det bidrar till att rösten återges med maximal tydlighet, minimal distorsion och en polerad finish. Du kan också använda specifika kvalitetsbeskrivningar som ger konsekventa resultat: * Okej kvalitet * Bra kvalitet * Mycket bra kvalitet * Utmärkt kvalitet * Studiokvalitet * Sändningskvalitet Dessa beskrivningar bidrar till högsta möjliga ljudkvalitet när de ingår i din prompt. > **Warning** > > Att inkludera den här typen av fraser kan ibland minska promptens träffsäkerhet generellt, om rösten är mycket specifik eller nischad. Det kan även finnas kreativa fall där lägre ljudkvalitet är avsiktlig, till exempel när du simulerar ett telefonsamtal, en gammal radiosändning eller upphittat videomaterial. I sådana situationer kan du antingen utelämna kvalitetsbeskrivningar helt eller uttryckligen inkludera fraser som: * ”Ljud med låg återgivningskvalitet” * ”Dålig ljudkvalitet” * ”Låter som ett röstmeddelande” * ”Dämpat och avlägset, som från en gammal bandspelare” Var i prompten du placerar frasen är flexibelt – den kan stå i början eller slutet, även om vi har sett att båda fungerar bra. ### Ålder, ton/klangfärg och kön Dessa tre egenskaper utgör grunden för röstdesign och formar röstens övergripande identitet och känslomässiga uttryck. Ju fler detaljer du anger, desto lättare är det för AI:n att skapa en röst som passar din kreativa vision – oavsett om du bygger en trovärdig karaktär, skapar en fängslande berättarröst eller utformar en virtuell assistent. #### Ålder Att beskriva röstens upplevda ålder hjälper till att definiera dess mognad, rösttextur och energi. Använd specifika termer för att vägleda AI:n mot rätt röstkvalitet. **Användbara beskrivningar:** * ”Tonårskille” / ”tonårstjej” * ”Ung vuxen” / ”i 20-årsåldern” / ”tidiga 30-årsåldern” * ”Medelålders man” / ”kvinna i 40-årsåldern” * ”Äldre man” / ”äldre kvinna” / ”man i 80-årsåldern” #### Ton/klangfärg Avser röstens fysiska kvalitet, som formas av tonhöjd, resonans och rösttextur. Det skiljer sig från känslomässig leverans eller attityd. **Vanliga beskrivningar av ton/klangfärg:** * ”Djup” / ”lågmäld” * ”Len” / ”fyllig” * ”Sträv” / ”hes” * ”Nasal” / ”gäll” * ”Luftig” / ”andasig” * ”Kraftfull” / ”resonant” * ”Ljus” / ”tunn” * ”Varm” / ”mjuk” * ”Burkig” / ”metallisk” #### Kön Kön påverkar ofta tonhöjd, rösttyngd och tonalt uttryck – men du kan gå bortom enkla kategorier genom att beskriva ljudet i stället för identiteten. **Exempel:** * ”En mörk, husky kvinnoröst” * ”En maskulin mansröst, djup och resonant” * ”Ett neutralt kön – mjuk och medelhög röst” #### Accent Accent spelar en avgörande roll för att definiera en rösts regionala, kulturella och känslomässiga identitet. Om ditt projekt är beroende av ett autentiskt ljud – oavsett om det bygger på realism eller är stiliserat för en karaktär – är det viktigt att vara tydlig och medveten om önskad accent. Valet av formulering spelar roll – vissa termer ger ofta mer konsekventa resultat. Till exempel ger ”tydlig” ofta bättre resultat än ”stark” när du beskriver hur framträdande en accent ska vara. Mycket handlar om att testa sig fram, och vi uppmuntrar dig att experimentera med formuleringar och vara så kreativ och beskrivande som möjligt. > **Warning** > > Var försiktig när du använder ordet ”accent” – om du menar intonations- eller betoningmönster snarare än > en regional dialekt bör du använda dessa termer i stället. Om du använder ”accent” när du menar intonation kan det utlösa > oönskade dialektförändringar. * **Exempel på tydliga accentprompter:** * ”En medelålders man med tydlig fransk accent” * ”En ung kvinna med en lätt sydstatsdialekt” * ”En gammal man med tung östeuropeisk accent” * ”En glad kvinna som talar med en tydlig brittisk accent” * ”En yngre man med en mjuk irländsk klang” * ”En auktoritativ röst med neutral amerikansk accent” * ”En man med regional australisk accent, avslappnad och nasal” Undvik alltför vaga beskrivningar som ”utländsk” eller ”exotisk” – de är oprecisa och kan ge inkonsekventa resultat. Kombinera accent med andra egenskaper som ton, ålder eller tempo för bättre kontroll. Till exempel: ”En sarkastisk gammal kvinna med tydlig New York-accent som talar långsamt.” För fantasy- eller fiktiva röster kan du föreslå verkliga accenter som inspiration: * ”En alv med en ordentlig, tydlig brittisk accent. Han är kunglig och lyrisk.” * ”En goblin med en raspig östeuropeisk accent.” ### Tempo Tempo avser hastigheten och rytmen som en röst talar med. Det är en viktig del av att forma röstens personlighet, känslomässiga ton och tydlighet. Att vara tydlig med tempot är viktigt, särskilt när du utformar röster för specifika användningsområden som berättande, reklam, karaktärsdialog eller instruktionsinnehåll. Använd tydligt språk för att beskriva hur snabbt eller långsamt rösten ska tala. Du kan också beskriva hur tempot känns – om det är jämnt, ryckigt, eftertänksamt eller ledigt. Om tempot förändras ska du ange var och varför. **Exempel på tempobeskrivningar:** * ”Talar snabbt” / ”i högt tempo” * ”I normalt tempo” / ”talar normalt” * ”Talar långsamt” / ”med långsam rytm” * ”Eftertänksamt och avvägt tempo” * ”Utdraget, som om varje ord avnjuts” * ”Med stressad rytm, som om personen har bråttom” * ”Avslappnat och samtalsmässigt tempo” * ”Rytmiskt och musikaliskt tempo” * ”Ryckigt tempo, med plötsliga pauser och utbrott” * ”Jämnt tempo, med konsekvent timing mellan orden” * ”Staccatoleverans” ### Text för förhandsvisning När du har skrivit en bra röstprompt spelar texten du använder för att förhandsvisa rösten en avgörande roll för hur den faktiskt låter. Förhandsvisningstexten fungerar som ett manus för framförandet – den anger tonen, tempot och det känslomässiga uttryck som rösten försöker matcha. För bästa resultat bör förhandsvisningstexten komplettera röstbeskrivningen, inte motsäga den. Om din prompt till exempel beskriver ”en lugn och eftertänksam yngre kvinnoröst med lätt japansk accent”, kommer en mening som ”Hej! Jag står inte ut med vad du har gjort med det förbaskade stället!!!” att krocka med den avsikten. Modellen försöker förena den här skillnaden, vilket ofta leder till onaturliga eller inkonsekventa resultat. Använd i stället exempeltext som återspeglar röstens avsedda personlighet och känslomässiga ton. För exemplet ovan stödjer något i stil med ”Det har varit tyst på sistone ... Jag har haft tid att tänka, och kanske var det precis vad jag behövde mest.” prompten och hjälper till att skapa en mer naturlig och sammanhängande röst. Dessutom har vi märkt att längre förhandsvisningstexter tenderar att ge stabilare och mer uttrycksfulla resultat. Korta fraser kan ibland låta abrupta eller inkonsekventa, särskilt när du testar subtila egenskaper som ton eller tempo. Genom att ge modellen mer kontext – en hel mening eller till och med ett kort stycke – kan den ge en jämnare och mer korrekt återgivning av rösten. ### Parametrar #### Volym Styr volymen för Text to Preview-genereringen och i slutändan rösten när den har sparats. #### Guidance Scale Anger hur noga prompten följs. Högre värden följer prompten striktare, men kan ge sämre ljudkvalitet om prompten är mycket nischad. Lägre värden låter modellen vara mer kreativ på bekostnad av promptens träffsäkerhet. Använd ett lägre värde om framförande och ljudkvalitet generellt är viktigare än att följa prompten perfekt. Höga värden rekommenderas när korrekt accent eller ton är särskilt viktigt. ### Attribut och exempel > **Note** > > Experimentera med hur dessa beskrivningar formuleras. Till exempel kan ”Perfekt ljudkvalitet” > också skrivas som ”ljudkvaliteten är perfekt”. De kan ibland ge > olika resultat! | Attribut | Exempel | | --------------------- | ------------------------------------------------------------------------------------------------ | | Ålder | Ung, yngre, vuxen, gammal, äldre, i 40-årsåldern | | Accent | ”tydlig” skotsk accent, ”lätt” asiatisk-amerikansk accent, sydstatsamerikansk accent | | Kön | Man, kvinna, könsneutral, tvetydigt kön | | Ton/klangfärg/tonhöjd | Djup, varm, sträv, len, gäll, smörig, hes, nasal, strupig, hård, robotlik, eterisk | | Tempo | Normal rytm, högt tempo, snabbt, långsamt, utdraget, lugnt tempo, naturligt/samtalsmässigt tempo | | Ljudkvalitet | Perfekt ljudkvalitet, ljudkvaliteten är ”okej”, dålig ljudkvalitet | | Karaktär / yrke | Pirat, affärsman, bonde, politiker, terapeut, ogre, gudaliknande varelse, TV-presentatör | | Känsla | Energisk, entusiastisk, ledsen, känslosam, sarkastisk, torr | | Tonhöjd | Låg tonhöjd, hög tonhöjd, normal tonhöjd | ### Exempel på promptar och textförhandsvisningar | Rösttyp | Prompt/beskrivning | Textförhandsvisning | Vägledningsskala | | :------------------------------ | :----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | :-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | :--------------- | | Kvinnlig sportkommentator | En energisk kvinnlig sportkommentator med tydlig brittisk accent som passionerat direktrapporterar från en fotbollsmatch i mycket högt tempo. Hennes röst är livlig, entusiastisk och helt uppslukad av händelserna. | HERREGUD — VILKET MÅL! Hon tar upp bollen strax efter mittlinjen, dribblar förbi TVÅ försvarare som om de inte ens VORE DÄR och SMÄLLER in den i krysset! Målvakten hade INGEN CHANS! Det där är VÄRLDSKLASS av den unga anfallaren, och publiken STÅR UPP! Den här matchen har VAKNAT TILL LIV, och du kan KÄNNA hur momentumet SVÄNGER! | 25 % | | Drillsergeant | En militär drillsergeant som skriker åt sitt team av soldater. Han låter arg och talar snabbt. | HÖR HÄR, ert ynkliga gäng! Jag kom inte hit för att passa barn — jag kom för att SKAPA SOLDATER! Ni rör er när jag säger åt er att röra er, och ni andas när jag säger åt er att andas! Ni har tio sekunder på er att ställa upp, annars kommer ni att ångra er!! | 25 % | | Ond ogre | En enorm ond ogre som talar snabbt. Han har en fånig och resonant ton. | "Era vapen är bara tandpetare för mig. \[laughs] Kapitulera nu, så kanske jag ger er ett snabbt slut. Jag har störtat kungadömen och slukat arméer. Vilket hopp har ni mot mig?" | 30 % | | Relaterbar brittisk entreprenör | Utmärkt ljudkvalitet. En man i 30- till tidiga 40-årsåldern med tydlig brittisk accent som talar i naturligt tempo som om han pratar med en vän. | \[laughs] Du förstår, det är just det. DU ser ett företag, medan jag ser... \[lip smacks] jag ser ett löfte, fattar du vad jag menar? \[exhales] Vi bygger inte bara för att tjäna pengar, vi bygger för att, för att LYFTA MÄNNISKOR! Om vår teknik inte lämnar världen snällare, smartare och mer sammanlänkad än vi fann den… \[sighs] vad gör vi ens här? | 40 % | | Kvinna från södern | En äldre kvinna med tydlig sydstatsaccent. Hon är vänlig och sarkastisk. | "Tja, älskling, om allt vi gör är att jaga titlar och troféer, missar vi hela poängen. \[light chuckle] Jag skulle hellre bygga något som gör folks liv enklare — och om jag kan göra det i klackar, med ett leende och en gnutta attityd, ännu bättre." | 35 % | | Röst för filmtrailer | Dramatisk röst som används för att bygga förväntan i filmtrailrar, vanligtvis förknippad med action eller thrillers | "I en värld på randen till kaos kommer en hjälte att resa sig. Gör dig redo för en berättelse av episka proportioner, snart på bio." | 20 % | | Pipig mus | En söt liten pipig mus | "Jag kanske är liten, men min attityd är allt annat än liten! \[giggles] Se upp, stora fötter, annars ger jag dina tår ett nyp du inte glömmer!" | 20 % | | Arg pirat | En arg gammal pirat, högljudd och bullrig | "Jag har mött stormar som skulle få ditt hår att vitna och sjöodjur som skulle få dina knän att skaka. Tror du att du kan korsa kapten Svarthjärta och leva för att berätta om det?" | 30 % | | Newyorkare | Djup, skrovlig och tydlig New York-accent, tuff och världsvan, ofta cynisk | "Jag har gått på de här gatorna längre än du kan föreställa dig, grabben. Det finns inget du kan säga eller göra som förvånar mig längre." | 40 % | | Spansk supportagent | Spanska som modersmål, europeisk spanska (utan drag av latinamerikansk spanska). Kvinna, 35–40. Okej kvalitet. Persona: pålitlig supportmedarbetare. Känsla: lugnande, uppmärksam, självsäker. | Mjuk, naturlig klang med varsam intonation, nära mikrofonen och en brusfri signal. Ger uppdateringar i avslappnat tempo med tydlig betoning på hjälpsam information och förmedlar empati och professionalism. | 30 % | | Arabisk kundservice | Arabiska som modersmål, med lätt influens av gulfaccent (Förenade Arabemiraten). Kvinna, 30–40. Utmärkt kvalitet. Persona: professionell kundtjänstmedarbetare. Känsla: varm, självsäker, artig. | Sammetslen klang med lugn ton, avvägt tempo och varsam intonation, med nära mikrofonplacering för en signal med hög återgivning utan artefakter. Tydlig närvaro och mjuk betoning på kundvänliga formuleringar för att säkerställa enkel förståelse. | 35 % | | Polsk kreativ berättare | Polska som modersmål. Man, 48–58. Utmärkt kvalitet. Persona: kreativ drömmare. Känsla: nyfiken, mild, inbjudande. | Rösten är mjuk och fri från artefakter, med varm och engagerande karaktär samt jämnt tempo, levererad med naturlig närhet. Ljus intonation och exakt betoning leder lyssnaren genom berättelsen. | 32 % | | Galen vetenskapsman | Rösten hos ett excentriskt vetenskapligt geni med snabba, oberäkneliga talmönster som accelererar av upphetsning. Hans tyskfärgade accent blir tydligare när han blir upprörd. Tonläget varierar kraftigt från eftertänksamt mumlande till maniska utrop, med täta utbrott av vansinnigt skratt. | "Jag är doktor Heinrich, revolutionärt geni som förkastats av det trångsynta vetenskapliga etablissemanget! Bah! De kallade mina teorier omöjliga, mina metoder oetiska — men vem skrattar nu? (maniskt skratt) I tjugo år har jag fulländat min skapelse i detta bergslaboratorium och utnyttjat energier bortom dödlig förståelse! Dårarna på akademin kommer att ångra sitt hån när min kvantdéstabilisator avslöjar multiversumet. Eller kanske nya livsformer... experimentet har vissa oförutsägbara variabler... FASCINERANDE sådana!" | 38 % | ## Vanliga frågor #### Vad är Voice Design? Med Voice Design kan du skapa en unik röst från en textprompt. Den är gjord för att hjälpa dig när du inte hittar exakt den röst du behöver i vårt Voice Library. I stället för att välja bland befintliga alternativ kan du nu skapa en anpassad röst genom att beskriva den med egna ord. För att komma igång skriver du bara en prompt som beskriver rösten du vill ha. Du kan inkludera detaljer som accent, kön, taltempo, ton och talstil. Ju mer specifik din prompt är, desto bättre stämmer rösten överens med det du vill ha. Men om du är osäker fungerar även en enkel prompt som "en lugn manlig berättarröst". Röster som skapats med Voice Design fungerar med [Eleven v4](/docs/sv/overview/capabilities/text-to-speech/eleven-v4), vår senaste modell, och med tidigare modeller, inklusive Eleven v3. De har stöd för ljudtaggar. I Eleven v4 kan de vara mindre uttrycksfulla än i tidigare modeller. Fler tips om hur du skriver effektiva promptar finns i vår [guide till Voice Design.](/docs/sv/creative-platform/voices/voice-design) **Obs:** Voice Design är fortfarande experimentell. Professionella Voice Clones ger högst kvalitet och jämnhet. Om du hittar en PVC som passar dina behov rekommenderar vi att du använder den. Professionella Voice Clones stöds fullt ut i [Eleven v4](/docs/sv/overview/capabilities/text-to-speech/eleven-v4). De är inte fullt optimerade för Eleven v3. #### Vilken typ av röster kan jag skapa med Voice Design? Voice Design kan skapa ett brett utbud av röster, från realistiska, människoliknande röster till mer kreativa röster i karaktärsstil. Om du är osäker på var du ska börja kan du prova en enkel prompt som "medelålders kvinnlig nyhetsuppläsare". Mer detaljerade promptar ger dock vanligtvis mer träffsäkra och nyanserade resultat. Du kan inkludera olika egenskaper i din prompt, till exempel: * ålder * kön * accent * ton * taltempo * känsla * talstil * ljudkvalitet Två ytterligare reglage hjälper dig att forma resultatet: * **Volym** justerar volymen för både förhandsvisningen och den sparade rösten. * **Guidance scale** avgör hur nära den skapade rösten följer din prompt. Mer hjälp med att utforma promptar finns i vår [guide till Voice Design](/docs/sv/product/voices/voice-lab/voice-design). #### Hur mycket kostar Voice Design? Voice Design använder endast krediter när du genererar röster. Varje gång du klickar på **Generera röst** skapar vi tre röstalternativ baserat på din prompt. Du debiteras utifrån antalet tecken i din förhandsvisningstext. Du kan ange din egen förhandsvisningstext eller använda knappen **Generera automatiskt** för att skapa en automatiskt. Automatiskt genererade förhandsvisningar innehåller relevanta ljudtaggar. Mer information finns i vår [guide till Voice Design.](/docs/sv/product-guides/voices/voice-design)