Eleven v3 音频标签是什么，有什么用

随着 Eleven v3 发布，音频提示成为一项必备技能。现在不仅能输入或粘贴要让 AI 语音说的话，还能用全新功能——音频标签——来控制情感和表达方式。

Eleven v3 是一款 alpha 版本的 研究预览，基于全新模型。相比之前的模型，需要更多 提示词设计，但生成效果非常惊艳。

ElevenLabs 音频标签是用方括号包裹的词语，Eleven v3 新模型能识别并据此调整语音表现。例如 [excited]、[whispers]、[sighs]，甚至 [gunshot]、[clapping]、[explosion] 等。

音频标签可调节 AI 语音的表现，包括语气、停顿、语速等非语言细节。无论是打造沉浸式有声书、互动角色还是对话内容，这些简单的脚本级工具都能精准控制情感和表达。

用音频标签引导演绎

可在脚本任意位置插入音频标签，实时调整语音表现。标签可组合使用，甚至一句话内也能混用。标签主要分为几类：

情感

这些标签可设定语音的情感基调，比如低落、激烈或愉快。可以单独或组合使用 [sad]、[angry]、[happily]、[sorrowful] 等。

播放

播放

表达方式

这类标签主要调节语气和表现力。可用来调整音量和情绪强度，适合需要克制或强调的场景。例如：[whispers]、[shouts]，甚至 [x accent]。

播放

播放

人类反应

自然语音包含各种反应。可用这些标签让语音更真实，加入自然、即兴的细节。例如：[laughs]、[clears throat]、[sighs]。

播放

播放

基于更具表现力的新模型

这些功能基于 v3 新架构。模型能更深入理解文本语境，更自然地把握情感、语气变化和说话人切换。结合音频标签，TTS 表现力大幅提升。

现在还可以创建 多角色对话，让对话更自然，支持打断、情绪切换和细腻互动，只需简单提示即可实现。

现已上线

专业语音克隆（PVC）目前尚未完全适配 Eleven v3，克隆质量可能低于旧版模型。在此研究预览阶段，如需用 v3 功能，建议选择即时语音克隆（IVC）或设计声音。PVC 适配 v3 很快上线。

Eleven v3 已在 ElevenLabs UI 上线，现 6 月底前享受 8 折优惠。Eleven v3（alpha）公测 API 也已开放。无论是试用还是大规模部署，现在正是探索新可能的好时机。

音频标签用法

要让 AI 语音真正“演绎”而非只“朗读”，关键在于掌握音频标签。我们准备了 7 份简明实用指南，演示如何用 标签，如 【低语】, 【轻声笑】，或 【法国口音】，灵活控制语境、情感、语速，甚至多角色对话。

查看系列教程

• 情境感知 – 通过标签如 【低语】, 【喊叫】，以及 【叹气】，Eleven v3 可根据场景调整表现，强化氛围、缓和警告或制造悬念。
• 角色演绎 – 从 【海盗语气】 到 【法国口音】，标签让旁白变成角色扮演。可随时切换角色，无需更换模型。
• 情感表达 – 用标签如 【叹气】, 【兴奋】，或 【疲惫】，实时调节情绪，叠加紧张、轻松或幽默，无需重新录制。
• 叙事节奏 – 讲故事讲究节奏。用标签如 【停顿】, 【敬畏】，或 【戏剧性语气】，控制语速和重音，引导听众跟随每个节奏点。
• 多角色对话 – 用 【打断】, 【重叠】 或语气切换，写出重叠台词和快速对话。一个模型，多种声音，一次完成自然对话。
• 表达控制 – 精细调节语速和重音。用标签如 【停顿】, 【急促】，或 【拉长】，精准把控节奏，让文本变成表演。
• 口音模拟 – 随时切换地区口音——【美式口音】, 【英式口音】, 【美国南方口音】 等，无需更换模型即可实现多元文化表达。