Eleven v3 Audio Tags : Diriger la performance des personnages dans le discours

Les Audio Tags sont un outil puissant dans Eleven v3 (alpha), le nouveau modèle de recherche Text to Speech d'ElevenLabs. Ces éléments permettent un contrôle précis non seulement du ton et du rythme, mais aussi du personnage et de la performance vocale.

Avec des tags comme [voix de pirate], [accent français] ou [sarcastiquement], la voix devient un outil de narration, pas seulement de narration. Associé à un clone de voix de personnage fort, vous pouvez capturer non seulement un son, mais une performance complète.

Ces tags permettent de changer d'identité vocale en cours de phrase, d'imiter des accents ou d'adopter des archétypes comme les méchants, les narrateurs ou les acolytes — sans modifier le script sous-jacent ou changer de voix.

Qu'est-ce que la performance de personnage dans la parole IA ?

La performance de personnage est la capacité à entrer dans un rôle. Que vous donniez la voix à un méchant flamboyant, un capitaine de mer bourru ou un commerçant local de Melbourne, les nouveaux Audio Tags vous permettent de guider la livraison pour correspondre au personnage que vous souhaitez transmettre.

Avec une simple phrase entre crochets, vous pouvez planter le décor : “[voix de pirate] Arr, l'océan ouvert. Vous sentez ça, les gars ? C'est le parfum de la liberté… et juste une pointe de mutinerie.”

Le modèle ne se contente pas de prononcer des mots — il les interprète en personnage.

De l'accent à l'archétype

La performance vocale ne concerne pas seulement le volume ou l'émotion. Il s'agit aussi de savoir qui parle. Avec Eleven v3, vous pouvez déclencher des accents, dialectes et styles de parole spécifiques à la volée. Par exemple :

[accent américain] Pourriez-vous changer mon accent dans l'ancien modèle ? [dédaigneux] Je ne pensais pas. [accent australien] Mais maintenant vous pouvez — regardez ça, mate ! [accent français] Mon amour… eez comme une rose rouge, rouge.

Ce type de changement d'identité fluide est idéal pour l'animation, les jeux, la fiction interactive ou tout moment où la personnalité du locuteur compte.

Tags courants pour la performance de personnage

Les tags axés sur le personnage vous permettent de façonner l'identité et la présence vocale :

• Accents et dialectes : [accent britannique], [accent australien], [accent du sud des États-Unis]
• Archétypes et rôles : [voix de pirate], [voix de scientifique maléfique], [ton enfantin]
• Styles de parole : [dramatique], [sarcastiquement], [de manière factuelle], [pleurnichard]
• Indications de genre : [narrateur de fantasy], [voix IA de science-fiction], [film noir classique]

Superposer des tags aide à donner vie aux personnages : “[dramatique][accent français] Vous ne comprenez pas... ce n'était jamais une question de vengeance. C'était une question de destin.”

Du narrateur à la distribution

Dans les scripts à plusieurs personnages, les Audio Tags facilitent le passage d'une voix à l'autre. Ajoutez de la tension, de l'humour ou de la surprise simplement en changeant la performance du personnage en cours de dialogue — sans montage supplémentaire.

Prenez cet extrait d'une démo : "Jessica : [rit] C'était... magnifique. Dr. Von Fusion : [dramatique] Être ou ne pas être — telle est la question ! Jessica : [accent français] C'est spectaculaire, n'est-ce pas ?"

Ce qui nécessitait autrefois une distribution complète peut maintenant être scénarisé sur une seule piste vocale — sans sacrifier la portée ou la profondeur.

Diriger les voix, pas seulement écrire des lignes

Eleven v3 prend en charge les changements vocaux dynamiques, les changements contextuels et une livraison cohérente à travers les personnages. Cela signifie que le modèle comprend non seulement quoi dire — mais comment chaque personnage doit le dire.

Pour les créateurs, cela ouvre une nouvelle dimension de contrôle. Vous ne faites pas que scénariser des dialogues. Vous dirigez des performances.

Sélectionner la bonne voix

Les Professional Voice Clones (PVCs) ne sont actuellement pas entièrement optimisés pour Eleven v3, ce qui peut entraîner une qualité de clone potentiellement inférieure par rapport aux modèles précédents. Pendant cette phase de prévisualisation de recherche, il serait préférable de trouver un Instant Voice Clone (IVC) ou une voix conçue pour votre projet si vous devez utiliser les fonctionnalités de v3. L'optimisation des PVC pour v3 arrive bientôt.