Lista Audio Tags dla Eleven v4: wypróbuj je, a potem stwórz własne

Eleven v4 to przełomowy model Text to Speech, który zamienia tekst w prawdziwą interpretację. Audio Tags pozwalają precyzyjnie kierować jej emocjonalnym wydźwiękiem. Wstaw wskazówkę w nawiasach kwadratowych, np. [whispers] lub [excited], i posłuchaj, jak v4 dopasowuje sposób mówienia.

Ta lista Audio Tags ElevenLabs obejmuje wszystkie emocje z pełnego zakresu emocji Eleven v4, a także tagi dotyczące sposobu mówienia, tempa, reakcji, akcentów i efektów dźwiękowych. Gdy poznasz podstawy, pokażemy ci też, jak pisać własne tagi prostym językiem.

Podsumowanie

• Audio Tags to sygnały w języku naturalnym, umieszczane w nawiasach kwadratowych, które Eleven v4 odczytuje jako wskazówki do interpretacji i zmienia sposób wypowiadania kolejnych słów.
• Eleven v4 to najwyżej oceniany model w Artificial Analysis Speech Arena [September 2026], a Audio Tags pozwalają ci kierować interpretacją linijka po linijce.
• Koło emocji Eleven v4 pozwala szybko usłyszeć różne emocje i poznać możliwości modelu.
• Tagi nie są ograniczone do stałej listy, więc możesz pisać własne, łącząc cechy, np. [whispering, fearful], albo opisując sytuację czy postać stojącą za daną kwestią.
• Audio Tags działają przez ElevenAPI w Eleven v4, Eleven v4 Turbo i Eleven v3.

Czym są Audio Tags ElevenLabs?

Audio Tags to wskazówki w języku naturalnym, które możesz osadzać w tekście w nawiasach kwadratowych. Eleven v4 odczytuje je jako znaczniki interpretacji i używa ich jako instrukcji zmieniających sposób wypowiadania określonych słów lub fraz. Wpisujesz je wprost w skrypcie w aplikacji ElevenLabs Text to Speech i obserwujesz, jak nasze modele ożywiają tekst.

Eleven v4 to najwyżej oceniany model TTS w Artificial Analysis Speech Arena, gdzie słuchacze głosują na najbardziej naturalnie brzmiącą zamianę tekstu na mowę.¹ Audio Tags pozwalają pójść jeszcze dalej, precyzyjnie określając sposób wypowiadania każdej kwestii.

Jak używać Audio Tags w skrypcie:

• Umieść tag przed słowami, których dotyczy: Gdy napiszesz „[shouts] Nie wierzę, że mi to powiedziałeś”, cała kwestia zostanie wykrzyczana.
• Emocja jest kontynuowana: Gdy dodasz tag, jego emocja utrzymuje się w całej kwestii, więc kolejny tag potrzebny jest dopiero, gdy chcesz zmienić sposób mówienia. Na przykład: „[proud] Gotuję od ponad dekady. Wiem, jak ugotować jajko. [startled] Co to za zapach spalenizny?”
• Łącz tagi, by nakładać wskazówki: Oddzielaj Audio Tags przecinkiem w jednym zestawie nawiasów, np. [whispering, playful], aby nadać interpretacji TTS więcej niuansów.
• Łącz tagi z interpunkcją: Audio Tags określają nastrój i sposób mówienia, a interpunkcja w skrypcie pozwala naturalnie kontrolować tempo. Dodaj wielokropki, pauzy lub wielkie litery, by kształtować prozodię kwestii.

Więcej o działaniu tagów i o tym, jak zastępują SSML, przeczytasz w pełnym przewodniku po Audio Tags.

Lista emocjonalnych Audio Tags

Koło emocji Eleven v4 zawiera dziesiątki emocji, każdą zinterpretowaną przez v4, więc usłyszysz różnicę, zanim napiszesz choć jeden tag. 

Kliknij dowolną emocję poniżej, by usłyszeć ją na kole, albo eksperymentuj bezpośrednio ze zdaniem i emocją, by zobaczyć, jak Eleven v4 ożywia emocjonalne Audio Tags.

Pokazaliśmy tu tylko kilka emocji, ale możesz użyć języka naturalnego, by zastosować dowolne emocje. W przykładzie poniżej użyliśmy różnych Audio Tags, których nie ma powyżej, aby pokazać możliwości promptów w języku naturalnym.

Ten przykład ożywił głos Jonathan Livingston.

Lista Audio Tags dotyczących sposobu mówienia i głośności

Tagi sposobu mówienia i głośności kontrolują, jak głośno lub intensywnie brzmi kwestia, niezależnie od wybranej emocji. Jeśli chcesz, by v4 lepiej podążał za twoją wizją, łącz tagi sposobu mówienia i emocji, aby zyskać większą kontrolę.

Oto kilka przykładów:

• [whispers] Nie ruszaj się, jest tuż za tobą.
• [shouts] Wszyscy natychmiast opuśćcie budynek! 
• [softly] Zrobiłeś wszystko, co mogłeś. 
• [quietly] Chyba już poszli. 
• [low, threatening] Naprawdę nie powinieneś tu przychodzić.

Zobaczmy kontrolę głośności i sposobu mówienia w praktyce.

Powyższy przykład ożywił głos Rod.

Lista Audio Tags dotyczących tempa

Audio Tags dotyczące tempa zmieniają szybkość kwestii. Dodaj je, by budować napięcie lub stworzyć idealny moment komediowy. Gdy czas ma równie duże znaczenie jak same słowa, użyj tagów tempa.

Dodatkowa wskazówka: interpunkcja naturalnie poprawia interpretację zamiany tekstu na mowę, więc połącz te elementy, by w pełni kontrolować zdanie: 

• [slowly] A zwycięzcą jest... 
• [rushed] Przepraszam za spóźnienie, pociąg się zepsuł, biegłem całą drogę. 
• [pause] Wtedy zadzwonił telefon. 
• [drawn out] Nieee ma mowy.

Adam to głos, który ożywił ten przykład.

Lista Audio Tags ludzkich reakcji

Tagi reakcji dodają do zdań dźwięki, takie jak śmiech, westchnienia, płacz czy kaszel. Naprawdę ożywiają tekst i sprawiają, że próbka audio TTS brzmi naturalnie — jak ktoś mówiący spontanicznie, a nie czytający ze skryptu.

Oto kilka Audio Tags reakcji:

• [laughs] Naprawdę dałeś się na to nabrać? 
• [sighs] Dobra. Pozmywam naczynia. 
• [gasps] To prawdziwy diament? 
• [clears throat] Proszę wszystkich o uwagę. 
• [crying] Nie sądziłem, że wrócisz.

Eleven v4 dodaje też drobne ludzkie akcenty, gdy wymaga tego emocja. Posłuchaj koła emocji — usłyszysz kwestie takie jak „T- ty wróciłeś?” i „Ugh, to dzieje się naprawdę?”, w których v4 sam dodał zająknięcie lub jęk.

Aby użyć tego głosu we własnych produkcjach, wybierz Jack John. 

Lista Audio Tags dotyczących akcentów i postaci

Tworzenie bogatych scen z różnymi akcentami lub głosami postaci jest z Eleven v4 łatwiejsze niż kiedykolwiek. Kilka Audio Tags wystarczy, by zmienić głos w nową personę, zachowując jego podstawowe cechy. Jeden głos może zagrać całą obsadę w jednej generacji.

• [British accent] Masz ochotę na filiżankę herbaty?
• [French accent] Witaj w mojej małej kawiarni.
• [Australian accent] Spokojnie, stary, załatwimy to.
• [pirate voice] Podnieść żagle i podać rum.

Lauren pomogła ożywić ten przykład.

Lista Audio Tags efektów dźwiękowych

Audio Tags efektów dźwiękowych wprowadzają zdarzenia inne niż mowa bezpośrednio do generacji. Możesz ich użyć na przykład przy tworzeniu sceny fabularnej lub ścieżki do gry wideo, aby dodać dramatyzmu bez osobnej ścieżki SFX. Jeśli jednak szukasz czegoś konkretnego, zawsze możesz skorzystać z generatora efektów dźwiękowych AI. 

• [thunder rumbling] To się zbliża.
• [footsteps] Ktoś idzie po schodach.
• [door creaking] Halo? Jest tu ktoś?
• [clapping] Dziękuję, dziękuję, jesteście zbyt mili.

Głos w powyższym klipie to Siren.

Pisz własne Audio Tags w języku naturalnym

Każdy z Audio Tags pokazanych wyżej to dobry punkt wyjścia. Magia TTS ElevenLabs polega jednak na tym, że możesz napisać dowolny nowy Audio Tag w języku naturalnym, by dać modelowi dodatkowy kontekst. 

Jeśli żaden jednawyrazowy tag nie oddaje tego, czego szukasz, napisz bardziej rozbudowaną wskazówkę.

• Łącz emocje i cechy: [tense, cautious] lub [whispering, fearful]
• Opisz sposób mówienia: [like a sports commentator, speeding up]
• Opisz sytuację: [out of breath after running up the stairs]
• Opisz postać: [a tired detective who has heard it all before]
• Opisz zmianę: [starting calm, then losing patience]

Ożyw swoją scenę z głosem Spuds Oxley. 

Wskazówki dotyczące wyboru Audio Tags 

Pisanie w języku naturalnym daje dużą swobodę podczas tworzenia próbek audio zamiany tekstu na mowę, ale osiągnięcie idealnego efektu może wymagać kilku prób.

Aby korzystanie z TTS Eleven v4 było jak najprostsze, oto kilka wskazówek dotyczących Audio Tags:

• Posłuchaj, zanim napiszesz: Odtwórz kilka emocji na kole emocji, by usłyszeć, jak v4 interpretuje każdą z nich (lub znaleźć inspirację), a potem wybierz najbliższą twojej kwestii.
• Zmień tag, zanim przepiszesz kwestię: Jeśli sposób mówienia nie pasuje, wypróbuj sąsiednią emocję, np. [let down] zamiast [despair], i wygeneruj ponownie.
• Używaj jednego tagu na zdanie składowe: Kontrastujące tagi przy tych samych słowach mogą rozmyć interpretację. Dodaj nowy tag tam, gdzie chcesz zmienić emocję.
• Daj modelowi pełną scenę: Eleven v4 działa lepiej z kontekstem. Okno do 10 000 znaków na generację w aplikacji Text to Speech daje ci miejsce na wielowarstwowe wskazówki, które ożywią twoją scenę.
• Zacznij od gotowego ustawienia, potem doprecyzuj. Jeśli [nervous] jest blisko, ale nie całkiem trafia w efekt, opisz, czego brakuje: [nervous, trying to sound confident].

Przede wszystkim jednak warto wejść do aplikacji ElevenLabs TTS i eksperymentować — to najlepszy sposób, by szybko nabrać wprawy i zacząć tworzyć wysokiej jakości audio TTS.

Zacznij tworzyć immersyjne audio w Eleven v4

Nie ma jednej ostatecznej listy Audio Tags ElevenLabs, ponieważ w języku naturalnym możesz tworzyć dowolne kombinacje. Każdy tag z tej listy działa w Eleven v4, podobnie jak tagi, które wymyślisz podczas pisania sceny.

Wybierz jeden z ponad 17 500 głosów z Voice Library, wklej skrypt i dodaj pierwszy Audio Tag, aby zacząć. 

Dowiedz się więcej o Eleven v4 lub zarejestruj się, aby tworzyć imponujące interpretacje audio.

FAQ o Audio Tags ElevenLabs

1. ^{Artificial Analysis, Provider Voice Arena Preference Elo, 30 września 2026}