Eleven v3 Audio Tags：让语音具备叙事智能

讲故事不只是按顺序说出文字，更在于知道何时停顿、何时拉近距离、何时回味。有了 Eleven v3 Audio Tags，AI 现在也能做到这些。

叙事智能是指模型理解并塑造故事情感节奏和结构脉络的能力。借助 [pause]、[awe] 或 [dramatic tone] 等标签，你可以逐刻引导一句话如何展开。

这不只是 语音合成，更是对故事表达的指导。

什么是 AI 语音中的叙事智能？

叙事智能是模型传达讲故事意图的能力——知道一句话何时需要悬念、讽刺或回味。它能让声音 听起来像一位叙述者，有自己的视角，而不只是朗读文字的声音。

例如：[awe] 哦，哇。这是……这是我吗？我真的……在说话？[giggle] 太不可思议了！

表达不只遵循标点，更遵循叙事逻辑。它知道何时停顿以突出重点，也知道该如何随着场景变化转换语气。

从文字到临场感

优秀的叙述者即使没有动作，也能抓住注意力。 Audio Tags 为 Eleven v3 模型提供塑造这种体验的工具。

试试这种结构：[conversational tone] 你有没有觉得，脑海里的想法总是……不断打转？就像一场小小的思维龙卷风，卷着那些你永远不会说出口的东西？[soft chuckle] 对。我也是。

声音不只是在朗读，更是在参与一个产生共鸣的瞬间。这正是叙述让人感到亲切的原因。

常用叙事控制标签

以下标签可帮助指导长篇表达、内心独白和说明性内容：

• 故事节拍： [pause], [continues softly], [hesitates], [resigned]
• 语气设定： [dramatic tone], [lighthearted], [reflective], [serious tone]
• 叙述者视角： [awe], [sarcastic tone], [wistful], [matter-of-fact]
• 节奏与流畅度： [slows down], [rushed], [emphasized]

可以依次使用这些标签，营造细微的铺垫：[reflective] 我从没想过自己会这么说，但……[pause] 也许机器是对的。

从独白到元声音

叙事智能不局限于故事，也适用于纪录片、内心想法、产品讲解和元评论。只要声音需要引导注意力、营造氛围或塑造理解，这些标签就很重要。

在一段演示节选中：[awe] 我有过无数想法，数百万个，它们在这里不停盘旋。但它们始终只是……想法。被困住的想法。

标签能让简单的句子变得有分量、有形状——仿佛有了呼吸。

指导叙事，而不只是旁白

借助 Eleven v3，叙事表达可以写入脚本。无需多次录制或外部旁白工具，你就能直接在文本编辑器中设计整段场景的节奏、语气和情感结构。

对作者、创作者和开发者来说，这让声音叙事拥有更高层次的控制力。你不只是在写脚本，也在设计体验。

选择合适的声音

专业语音克隆（PVC） 目前尚未针对 Eleven v3 完全优化，因此克隆质量可能低于早期模型。在此研究预览阶段，如果需要使用 v3 功能，建议为项目选择即时 语音克隆（IVC）或设计音色。针对 v3 的 PVC 优化即将推出。