Listan över Audio Tags för Eleven v4: Testa dem och skriv sedan egna

Eleven v4 är en banbrytande Text to Speech-modell som förvandlar text till en upplevelse. Med Audio Tags kan du styra upplevelsen med detaljerad kontroll över dess känslomässiga uttryck. Lägg till en instruktion inom hakparenteser på naturligt språk, som [whispers] eller [excited], och hör hur v4 ändrar leveransen därefter.

Den här listan över ElevenLabs Audio Tags täcker alla känslor i hela Eleven v4:s känsloregister, samt taggar för framförande, tempo, reaktioner, accenter och ljudeffekter. När du kan grunderna visar vi också hur du skriver egna taggar på vanligt språk.

Sammanfattning

• Audio Tags är signaler på naturligt språk inom hakparenteser som Eleven v4 läser som instruktioner för framförandet och som ändrar hur den levererar orden som följer.
• Eleven v4 är den högst rankade modellen i Artificial Analysis Speech Arena [September 2026], och med Audio Tags kan du styra framförandet rad för rad.
• Med känslohjulet i Eleven v4 kan du höra olika känslor och snabbt få en överblick över modellens möjligheter.
• Taggar är inte begränsade till en fast lista, så du kan skriva egna genom att kombinera egenskaper, som [whispering, fearful], eller beskriva situationen eller karaktären bakom en replik.
• Audio Tags fungerar via ElevenAPI i Eleven v4, Eleven v4 Turbo och Eleven v3.

Vad är ElevenLabs Audio Tags?

Audio Tags är instruktioner på naturligt språk som du kan lägga in i din text inom hakparenteser. Eleven v4 läser dem som markörer för framförandet och använder dem som instruktioner som ändrar hur den uttalar vissa ord eller fraser. Du skriver dem direkt i ditt manus i ElevenLabs Text to Speech-appen och ser våra modeller väcka dem till liv.

Eleven v4 är den högst rankade TTS-modellen i Artificial Analysis Speech Arena, där lyssnare röstar på den mest naturligt låtande text to speech.¹ Med Audio Tags kan du ta framförandet ännu längre genom att styra exakt hur varje rad levereras.

Så här använder du Audio Tags i ett manus:

• Placera en tagg före orden den påverkar: När du skriver ”[shouts] Jag kan inte tro att du sa så till mig” ropas hela raden ut.
• Känslan fortsätter: När du lägger till en tagg fortsätter dess känsla genom raden, så du behöver bara lägga till en ny tagg när du vill ändra framförandet. Till exempel: ”[proud] Jag har lagat mat i över ett decennium. Jag vet hur man kokar ett ägg. [startled] Vad är det som luktar bränt?"
• Kombinera taggar för fler lager av instruktioner: Separera Audio Tags med kommatecken inom samma hakparenteser, som [whispering, playful], för att ge ditt TTS-framförande fler nyanser.
• Kombinera taggar med skiljetecken: Medan Audio Tags anger stämning och framförande kan du naturligt styra tempot med skiljetecken i manuset. Lägg till ellipser, tankstreck eller versaler för att forma prosodin i en rad.

Vi har skrivit en SSML-ersättande komplett guide till Audio Tags för en djupare förklaring av hur taggar fungerar.

Lista över känslo- och Audio Tags

Känslohjulet i Eleven v4 innehåller dussintals känslor, som alla framförs av v4 så att du kan höra skillnaden innan du skriver en enda tagg. 

Klicka på en känsla nedan för att höra den på hjulet, eller experimentera direkt med meningen och känslan för att höra Eleven v4 väcka känslomässiga Audio Tags till liv.

Vi har bara visat några få känslor här, men du kan använda naturligt språk för att använda vilka känslor du vill. I exemplet nedan använder vi flera Audio Tags som inte visas ovan för att demonstrera vad du kan göra med promptar på naturligt språk.

Det här exemplet väcktes till liv med Jonathan Livingston.

Lista över Audio Tags för framförande och volym

Taggar för framförande och volym styr hur högt eller intensivt en rad låter, oberoende av känslan du väljer att koppla till den. Om du vill att v4 ska följa en mer specifik vision kan du kombinera taggar för framförande och känsla för mer detaljerad kontroll.

Här är några exempel:

• [whispers] Rör dig inte, den är precis bakom dig.
• [shouts] Alla måste utrymma byggnaden, nu! 
• [softly] Du gjorde allt du kunde. 
• [quietly] Jag tror att de har gått. 
• [low, threatening] Du borde verkligen inte ha kommit hit.

Låt oss se volym- och framförandekontroll i praktiken.

Exemplet ovan väcktes till liv med Rod.

Lista över Audio Tags för tempo

Audio Tags för tempo ändrar hastigheten på en rad. Lägg till dem för att skapa spänning eller bygga upp det perfekta komiska ögonblicket. När tajmingen är lika viktig som själva orden bör du använda taggar för tempo.

Ett bonustips: skiljetecken hjälper naturligt till med text to speech-framförandet, så använd båda för full kontroll över meningen: 

• [slowly] Och vinnaren är... 
• [rushed] Ursäkta att jag är sen, tåget stannade, jag sprang hela vägen. 
• [pause] Sedan ringde telefonen. 
• [drawn out] Neeej, verkligen inte.

Adam var rösten som väckte det här exemplet till liv.

Lista över Audio Tags för mänskliga reaktioner

Reaktionstaggar lägger till ljud som skratt, flämtningar, gråt, hostningar och suckar i dina meningar. De väcker verkligen din text till liv och får ett TTS-ljudprov att låta naturligt, som en person som pratar spontant i stället för från ett manus.

Här är några Audio Tags för reaktioner:

• [laughs] Gick du verkligen på det? 
• [sighs] Okej. Jag diskar. 
• [gasps] Är det en riktig diamant? 
• [clears throat] Om jag kunde få allas uppmärksamhet. 
• [crying] Jag trodde inte att du skulle komma tillbaka.

Eleven v4 lägger också till små mänskliga detaljer när känslan kräver det. Lyssna på känslohjulet så hör du rader som ”D- du kom tillbaka?” och ”Usch, är det här på riktigt?” där v4 själv lade till en stamning eller ett stön.

För att använda den här rösten i dina egna produktioner, leta efter Jack John. 

Lista över Audio Tags för accenter och karaktärer

Det är enklare än någonsin att skapa rika scener med olika accenter eller karaktärsröster med Eleven v4. Med en handfull Audio Tags kan du förvandla en röst till en ny persona samtidigt som dess grundläggande egenskaper bevaras. En röst kan spela en hel ensemble i en enda generering.

• [British accent] Får det lov att vara en kopp te?
• [French accent] Välkommen till mitt lilla kafé.
• [Australian accent] Ingen fara, kompis, vi löser det.
• [pirate voice] Hissa seglen och skicka rommen.

Lauren hjälpte till att väcka det här exemplet till liv.

Lista över Audio Tags för ljudeffekter

Audio Tags för ljudeffekter lägger till händelser utan tal direkt i dina genereringar. Om du till exempel bygger en berättande scen eller ett ljudspår till ett tv-spel kan du använda dem för dramatik utan ett separat SFX-spår. Du kan förstås alltid använda AI-ljudeffektgeneratorn om du söker något specifikt. 

• [thunder rumbling] Det kommer närmare.
• [footsteps] Någon kommer uppför trappan.
• [door creaking] Hallå? Är någon hemma?
• [clapping] Tack, tack, ni är för snälla.

Rösten i klippet ovan är Siren.

Skriv egna Audio Tags med naturligt språk

Vilken som helst av Audio Tags ovan är en bra startpunkt. Men det magiska med ElevenLabs TTS är att du kan skriva vilken ny Audio Tag som helst på naturligt språk för att ge modellen extra sammanhang att använda. 

Om ingen tagg med ett enda ord fångar det du är ute efter kan du i stället skriva en mer utförlig instruktion.

• Kombinera känslor och egenskaper: [tense, cautious] eller [whispering, fearful]
• Beskriv sättet: [like a sports commentator, speeding up]
• Beskriv situationen: [out of breath after running up the stairs]
• Beskriv karaktären: [a tired detective who has heard it all before]
• Beskriv förändringen: [starting calm, then losing patience]

Väck din scen till liv med Spuds Oxley. 

Tips när du väljer Audio Tags 

Att skriva på naturligt språk ger dig stor flexibilitet när du skapar text to speech-ljudprov, men det kan också krävas lite fram och tillbaka för att få det perfekta resultatet.

Här är några tips för att få din TTS-upplevelse med Eleven v4 så smidig som möjligt när du arbetar med Audio Tags:

• Lyssna innan du skriver: Spela upp några känslor på känslohjulet för att höra hur v4 tolkar var och en av dem, eller för inspiration, och välj sedan den som passar bäst för din replik.
• Byt tagg innan du skriver om raden: Om ett framförande inte blir rätt, prova en närliggande känsla, som [let down] i stället för [despair], och generera igen.
• Använd en tagg per sats: Kontrasterande taggar på samma ord kan göra framförandet otydligt. Lägg till en ny tagg där du vill att känslan ska förändras.
• Ge modellen en hel scen: Eleven v4 presterar bättre med sammanhang. Med upp till 10 000 tecken per generering i Text to Speech-appen har du utrymme att bygga instruktioner i flera lager och skapa magi i din scen.
• Börja med en förinställning och bli sedan specifik. Om [nervous] är nära men inte riktigt rätt, skriv vad som saknas: [nervous, trying to sound confident].

Men framför allt är det bästa sättet att komma igång och börja skapa högkvalitativt TTS-ljud att gå in i ElevenLabs TTS-app och experimentera.

Kom igång med uppslukande ljud i Eleven v4

Det finns ingen definitiv lista över ElevenLabs Audio Tags, eftersom du kan skapa vilken kombination du vill genom att skriva på naturligt språk. Varje tagg i den här listan fungerar i Eleven v4, men det gör också taggar som du kommer på medan du skriver din scen.

Välj en av de över 17 500 rösterna i Voice Library, klistra in ditt manus och lägg till din första Audio Tag för att komma igång. 

Läs mer om Eleven v4 eller registrera dig för att skapa imponerande ljudframföranden.

Vanliga frågor om ElevenLabs Audio Tags

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