Guide till uttalslexikon: Rätta vilket ord som helst i TTS med Eleven v4

Eleven v4 sätter en ny standard för uttal i Text to Speech-modeller och hanterar förkortningar, tekniska termer, namn och flerspråkig text mer träffsäkert än någon tidigare modell. Men varje varumärke har sitt eget ordförråd, från unika produktnamn till branschspecifik jargong, så du vill ha full kontroll över hur orden låter.

Eleven v4 erbjuder flera sätt att rätta uttal, så att du får detaljerad kontroll över hur modellen talar. Du kan skapa en omfattande uttalsordlista som gäller för varje manus du skriver i TTS-appen. Eller skriva IPA direkt i texten för en enstaka korrigering. 

Här är ett kort exempel på hur Eleven v4 hanterar ett manus fullt av svåra termer:

Den här guiden visar hur du skapar och använder en uttalsordlista för TTS, samt andra strategier som kan få ljudet att låta så nära det du föreställt dig som möjligt. 

Sammanfattning

• En uttalsordlista är en uppsättning regler som du skriver för att tala om för en Text to Speech-modell hur den ska uttala specifika ord eller fraser.
• TTS-uttalsregler är antingen aliasbaserade, som ersätter text med annan text, eller fonembaserade, som använder fonetisk stavning.
• Eleven v4 har stöd för fonemregler och inbäddad IPA (internationella fonetiska alfabetet).
• SSML-taggar för fonem och pauser fungerar inte i Eleven v4, men du kan använda en uttalsordlista eller Audio Tags som ett alternativ med naturligt språk.
• Du kan använda upp till tre uttalsordlistor per förfrågan via ElevenAPI.

Vad är en uttalsordlista?

En uttalsordlista är ett verktyg som låter dig ange exakt hur en text-till-tal-modell ska uttala vissa ord. Genom att lägga till ord eller fraser i en uttalsordlista bestämmer du hur de ska låta varje gång de förekommer i ett TTS-manus. 

Uttalsordlistor används vanligtvis för:

• Varumärkesnamn: Varumärkesnamn är vanliga poster i uttalsordlistor, särskilt när de har unik eller ovanlig stavning.
• Akronymer: Vissa akronymer ska uttalas på ett specifikt sätt. Till exempel ska AEO låta som /ˌeɪ.iːˈoʊ/ ("A-E-O"), inte /eɪˈjoʊ/ ("ay-yo"). En fast ordboksregel ser till att modellen uttalar det rätt varje gång du skriver det.
• Ortnamn och andra egennamn: Vissa ortnamn kan uttalas mycket annorlunda än man föreställer sig när man ser dem skrivna. Worcestershire är ett välkänt exempel där en uttalsguide kan hjälpa till att undvika problem.
• Branschtermer: Branschjargong eller specialiserade termer inom exempelvis medicin eller juridik kan dra nytta av en uttalsordlista om modellen inte uttryckligen har tränats på data från dessa områden. 

Utanför text till tal är uttalsordlistor vanligtvis crowdsourcade samlingar av ljudklipp från modersmålstalare, som elever använder för att höra hur vissa ord uttalas.

Så styr du TTS-uttal i Eleven v4

Eleven v4 rankas som den Text to Speech-modell med högst kvalitet av Artificial Analysis' Provider Voice Arena.¹ En del av det som gör Eleven v4 marknadsledande är modellens förmåga att hantera komplex text och samtidigt få resultatet att låta naturligt. 

För att ge användarna bästa möjliga upplevelse med Eleven v4 erbjuder modellen flera sätt att anpassa uttal, så att varje resultat når din nivå av precision. 

Så här kan du styra uttalet med Eleven v4:

• Inbäddad IPA: Du kan skriva IPA i dina manus mellan snedstreck för att styra uttalet utan att använda uttalsordlistan. Vi går snart igenom exakt hur du gör.
• Fonemregler i ordlistor: Skriv fonembaserade regler i dina uttalsordlistor för att styra det fonetiska ljudet hos återkommande ord.
• Flytande uttal på olika språk: Eleven v4 kan skapa naturligt tal på över 90 språk. Behåll modersmålsenligt uttal i varje språk och använd samma röst för en konsekvent ljudprofilering.

Så här skiljer sig ElevenLabs olika TTS-modeller åt när det gäller uttalskontroll:

Vad är skillnaden mellan alias- och fonemregler i en uttalsordlista?

Aliasuttalsregler ersätter en textbit med en annan innan modellen uttalar ordet. Det sker i bakgrunden varje gång en modell genererar ljud och ersätter uttalet av ett ord eller en fras med det du har angett i din uttalsordlista. 

Här är några exempel på aliasuttalsregler:

• ”SaaS” blir ”sass”
• ”UN” blir ”United Nations”
• ”OAuth” blir ”oh auth”

Fonemregler ger däremot modellen en exakt fonetisk stavning att använda. De är svårare att skapa eftersom du själv måste skriva eller generera IPA-transkriptionen och lägga in den i din ordlista. Till exempel blir ”Kubernetes” /ˌkuː.bərˈnɛt.iːz/.

Så rättar du uttalet av ett varumärkesnamn i en TTS-modell

Varumärkesnamn är en av de vanligaste posterna i uttalsordlistor eftersom de inte alltid är riktiga ord. Om ditt företag har hittat på ett ord eller en unik stavning för ditt varumärke kan TTS-modeller ha svårt att uttala det korrekt, eftersom det finns mycket lite tillgänglig träningsdata med just det uttalet.

Så här rättar du uttalet av ett varumärkesnamn i Eleven v4:

1. Testa standarduttalet: Öppna Text to Speech-appen och skriv ditt varumärkesnamn. Generera ett klipp och lyssna på hur det låter. Om uttalet är fel går du vidare till nästa steg. 
2. Prova en aliasregel: Det enklaste sättet att rätta ett feluttalat varumärkesnamn är att skapa en aliasregel. De går snabbt att skriva och är intuitiva.
3. Byt till en fonemregel: Om aliasregeln inte fungerar fullt ut, använd IPA. Transkribera ditt varumärkesnamn med IPA och skapa sedan en regel i uttalsordlistan för Text to Speech för att rätta uttalet.
4. Täck alla versalvarianter: Se till att inkludera IPA-transkriptionen för både gemena och versala versioner av ditt varumärkesnamn, om du använder båda.
5. Använd inbäddad IPA för enstaka ändringar: Om du bara vill göra en snabb rättning för en enstaka generering kan du lägga till IPA direkt i manuset i stället för att konfigurera en ordbokspost.

När du har skapat en regel för ett varumärkesnamn finns den i alla delade projekt framöver, oavsett om det är i din AI-agent eller används via ett API.

Så skapar du en uttalsordlista med ElevenLabs

Du kan skapa en uttalsordlista genom att lägga till regler i Text to Speech-appen, ladda upp en .pls-fil eller via ElevenAPI. I den här guiden går vi igenom det första alternativet, som bara kräver några få steg.

Följ de här stegen för att skapa en uttalsordlista:

1. Öppna panelen för uttalsordlistor: På Text to Speech-sidan klickar du på sökfältet högst upp, skriver ”Pronunciation dictionary” och väljer Pronunciation dictionaries under Actions.
2. Skapa eller välj en ordlista: Klicka på New för att skapa en ny ordlista, eller välj en befintlig i listan till vänster. 
3. Lägg till en regel: Klicka på Add rule för att skapa en ny rad. Ange ordet du vill rätta. Skriv ordet eller frasen exakt som den visas i dina manus i fältet Input. Regler är skiftlägeskänsliga, så använd samma versaler och gemener som i dina manus. 
4. Välj regeltyp: Välj Alias för att ersätta med annan text, eller Phoneme för att ange en IPA- eller CMU-stavning. 
5. Ange ersättningen: Skriv aliaset eller den fonetiska stavningen i fältet Output. Använd röstväljaren högst upp i panelen för att höra regeln med rösten du arbetar med. 
6. Spara ändringarna: Klicka på Save changes längst ned i panelen.

För att koppla en uttalsguide till en agent eller använda en via API:et följer du vår dokumentation om uttalsordlistor.

Så använder du IPA i text till tal i Eleven v4

För små ändringar eller ovanliga ord behöver du inte nödvändigtvis skapa en ny post i din TTS-uttalsordlista för att rätta ett misstag. Använd i stället inbäddad IPA för att ange exakt hur modellen ska uttala ett ord.

I Eleven v4 aktiverar du inbäddad IPA med snedstreck. Precis som Audio Tags skrivs de direkt i manuset för att göra det så enkelt som möjligt. Här är några exempel på IPA i Eleven v4:

• Tekniska termer: Termen "/ˌbaɪoʊˈkemɪstri/" avser studiet av kemiska processer. 
• Medicinskt ordförråd: "/ɡluːˈkoʊs/" och "/ˈɪnsjəlɪn/" används ofta för att behandla tillstånd som "/ˌdaɪəˈbiːtiːz/". 
• Varumärkes- och produktnamn: Våra servrar körs på "/ˌɛndʒɪnˈɛks/" för att hantera trafiktoppar.

Som en sidonotering: för dig som inte har en examen i lingvistik kan en IPA-konverterare hjälpa dig att få rätt IPA från inmatning på naturligt språk, så att du kan klistra in den i manuset.

Varför SSML-fonemtaggar inte fungerar i Eleven v4

Eleven v4 har inte stöd för SSML utan erbjuder i stället mer flexibla funktioner, som Audio Tags och uttalsordlistor, som ger dig större kontroll över den slutliga ljudproduktionen. 

Varje funktion i SSML har en direkt ersättning i v4:

Kom igång med naturligt uttal i text till tal på Eleven v4

Med flera verktyg som hjälper dig att förfina uttalens precision i Eleven v4 kan du skriva detaljerade manus och låta modellen framföra dem precis som du föreställt dig.

Skapa uttalsordlistor i ElevenLabs Text to Speech-app och använd dem i stor skala med ElevenAPI. 

Registrera dig för att komma igång eller lära dig mer om Eleven v4 i dag.

Vanliga frågor

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