推出 Eleven v4认识 Eleven v4：迄今情感表现最丰富的模型。

兑换
跳至内容
登录注册
联系销售团队登录

什么是 Audio Tags？情感 TTS 完整指南

作者
Jack Limebear
发布时间
最近更新

收听收听本文

Eleven v4
了解更多

Audio Tags 是用方括号标注的自然语言提示，例如 [laughs]、[gasps]、[excited] 和 [worried]。Eleven v3 和 Eleven v4 会将其视为表演指令，而不是要朗读的文字。为文本转语音模型编写脚本时，插入这些 Audio Tags 就能精细控制文本的情感表达。

Eleven v3于 2026 年 3 月正式向公众开放。在 v3 之前，要让文本转语音模型呈现特定情感，往往只能反复生成内容并碰运气。Audio Tags 消除了这种猜测，让你能完全掌控情感化文本转语音效果。Eleven v4更进一步，带来精细的情感控制。

本指南将介绍 Audio Tags 是什么、如何运作、可用的各类标签，以及它们与 SSML（语音合成标记语言）的区别。还会介绍常见使用场景，每个场景均链接至专门指南。

摘要

  • Audio Tags 是类似 [shouts] 或 [excited] 的方括号提示，可在 Eleven v3 和 Eleven v4 的 TTS 中指导情感、节奏、演绎方式和语气。
  • Eleven v3 和 Eleven v4 不支持 SSML，但以 Audio Tags 替代，让编写体验更自然。
  • 标签涵盖多种类别，包括情感、演绎与节奏、人类反应、口音和音效。
  • 文本中的标点和大写可用于塑造 AI 语音表演的节奏。
  • 可通过 ElevenLabs UI 或 API 使用 Audio Tags。

Audio Tags 如何运作？

Audio Tags 会内嵌在脚本文本中，并用方括号包裹。任何时候想改变演绎方式，比如从正常变为 [worried]，只需添加一个音频标签。

还可以在一句话中使用多个标签，并将标签组合起来，呈现更丰富的表演层次，例如 [tired] 今天真是漫长的一天…… [upset] 这样的日子我还能撑多久？

Eleven v4 的底层架构让模型能比早期模型更深入地理解上下文，因此无需额外参数或设置，就能跟随情感提示、语气变化、说话者切换和上下文线索。只需告诉模型当前情境需要什么，它就会按你的设想演绎这句台词。

Eleven v4 还能仅凭标签和脚本结构，处理自然随性的多说话者对话，包括打断、情绪转换，以及真实对话中的自然来回互动。

Audio Tags 与 SSML

如果使用过其他 TTS 系统，可能接触过语音合成标记语言。Amazon Polly 和 Microsoft Azure Speech 等平台会使用 <break> 或 <emphasis> 等 SSML 标签，为 TTS 脚本补充一些上下文。

Eleven v4 不支持 SSML 的 break 标签或其他SSML标签。取而代之的是，Audio Tags、标点以及文本本身的结构承担了这一作用，同时提供精细的演绎控制。

你可以使用下表，将常见 SSML 标签对应到 Eleven v4 中的等效方式。

What it does
<break time=”1s”>
Inserts a pause
<prosody rate=”slow”>
Slows down speech
<prosody rate=”fast”>
Speeds speech up
<emphasis>
Stresses a particular word
<prosody pitch=”high”>
Shifts pitch higher
<prosody pitch=”low”>
Shifts pitch lower
Eleven v4 equivalent
<break time=”1s”>
[pause], an ellipsis in your text, or a line break
<prosody rate=”slow”>
[drawn out] or [slowly]
<prosody rate=”fast”>
[rushed]
<emphasis>
[shouts] or capitalizing a word
<prosody pitch=”high”>
Emotional tags like [excited]
<prosody pitch=”low”>
Emotional TTS tags like [softly] or [sorrowful]

从写作者的角度看，在一句台词中添加 [whispers] 比配置韵律速率省事得多。

v3 中的 Audio Tags 类别：用 Audio Tags 指导演绎

可在脚本任意位置放置 Audio Tags，实时塑造演绎方式。还可以在脚本中甚至一句话里组合使用多个标签。

标签分为以下核心类别。

情感

这些标签可帮助设定语音的情感基调，无论是低沉、强烈还是欢快。例如，可单独或组合使用 [sad]、[angry]、[happily] 和 [sorrowful]。

[sorrowful] I couldn't sleep that night. The air was too still, and the moonlight kept sliding through the blinds like it was trying to tell me something.
[quietly] And suddenly,
that's when I saw it.
0:00
Okay, you are not going to believe this. You know how I've been totally stuck on that short story, like staring at the screen for hours, just nothing? [sighs] I was seriously about to just trash the whole thing, start over, give up probably.
But then [chuckles] last night, I was just doodling, not even thinking about it, right? And this one little phrase popped into my head, just completely out of the blue. And it wasn't even for the story initially, but then I typed it out just to see, and it was like the floodgates opened. Suddenly, I knew exactly where the character needed to go, what the ending had to be. It all just clicked. [sighs] I stayed up till like 3:00 a.m. just typing like a maniac. Didn't even stop for coffee. [chuckles] And it's, it's good, like really good. It feels so complete now, you know? Like it finally has a soul. [sighs] I am so incredibly pumped to finish editing it now. It went from feeling like a chore to feeling like
magic. Seriously, I'm still buzzing.
0:00

演绎与节奏

这类标签更侧重语气和演绎。可用于调整音量和能量，适合需要克制或爆发力的场景。例如 [whispers]、[shouts] 和 [softly]。

Could you switch my accent in the old model? [dismissive] Didn't think so, [cheeky] but you can now, so check this out. In just a sec, I'm going to speak with a different accent. And just between you and me, [whispers] I don't really know how, but okay. First, let's change it up [australian accent] so that I can fit in with the locals in Melbourne when I visit next month. [laughing] Whoa. Yeah, man, this is sick. Okay, let's try a different one, see if you can guess. [french accent] My love is like a red, red rose.
0:00
So, I was thinking we could-
[jumping in] Test our new timing features.
[surprised] Exactly! How did you-
[overlapping] Know what you were thinking? Lucky guess. Sorry, go ahead.
[cautiously] Okay. So if we both try to talk at the same time-
We'll probably crash the system?
[panicking] Wait, are we crashing? I can't tell if this is a feature or a-
[interrupting] Bug. Did I just cut you off again?
[sighing] Yes. But honestly, this is kind of fun.
0:00

人类反应

真正自然的语音包含反应。例如，可将自然、未经编排的瞬间嵌入语音，增添真实感。[laughs]、[clears throat] 和 [sighs] 等标签都有助于让 TTS 模型传达人的情感。

其他音频标签类别示例包括：

  • 口音和角色声音：口音标签无需切换模型，即可让声音转变为特定地区口音或角色风格，例如 [French accent]、[British accent] 或 [pirate voice]。用它们可将单一声音变成灵活的角色阵容，而非固定的一种演绎。
  • 音效：音效标签可将非语音音频直接加入生成内容，例如 [gunshot]、[explosion] 和 [clapping]。它们很适合沉浸式音频、游戏和戏剧化叙述等需要声音之外更多元素的场景。你也可以使用ElevenCreative AI 音效生成器。

标签能提供高度控制，标点同样可塑造节奏和强调。例如，添加省略号可形成自然停顿，使用逗号可营造自然的呼吸节奏。还可将单词全部大写以示强调：“我现在就要。”

We're off under the lights here for this semifinal clash, the stadium buzzing with anticipation. Eleven Labs united in their iconic black and white shirts, pushing forward with intent straight from the opening whistle. [excited] The ball is zipped out wide, early attack here. Driving down the wing, pace to burn, [shouting] he skids past one, skips past two. Oh, this is beautiful. One-on-one with the fullback, cuts inside. Oh, that's a lovely bit of footwork. PURE MAGIC on the pitch. ElevenLabs on top form tonight.
0:00
Oh my God. [laughing] You guys, like no joke, I just tried this TTS thing and it was, like, weirdly emotional. Like, it literally said hi, and I was, like, on the verge of tears. [laughing] I don't even cry, okay? I'm a Capricorn.
0:00

Audio Tags 能做什么？

Audio Tags 能以直观方式释放脚本的情感复杂度。自然地写作，并在过程中添加标签。

以下简要介绍 Audio Tags 在情感化 TTS 中的一些应用场景。

AI 音频中的情境感知

[whisper] 或 [shouting] 等标签让 Eleven v4 能够对当下情境做出反应。从放柔警告语气，到为悬念保持延长停顿，都能在脚本中构建动态情境感知。

如需完整解析，请查看我们的AI 音频情境感知指南。

指导语音中的角色演绎

构建多角色脚本时，需要清楚展现每个声音的差异。从用 [sarcastically] 调整角色个性，到用 [British accent] 定义说话方式，都可通过我们的 TTS 引擎捕捉完整的情感范围。

了解更多关于AI 语音角色演绎指导的内容。

表达语音中的情感语境

Audio Tags 可让你随着台词推进塑造情感表达。可在整段语音中逐步铺陈情绪，并在你设想角色达到最饱满状态的时刻推向高潮。[awe]、[booming] 和 [big laugh] 等标签有助于为 AI 语音表演构建完整的情感范围。

进一步了解如何使用AI 语音中的情感语境。

让多角色对话鲜活起来

构建多角色对话表演时，可在每句开头添加音频标签，打造丰富的角色交流。

例如：Tom：[coughing] [beginning to speak] 抱歉，我今天有点不舒服—— Emma：[interrupting] ——不舒服？你知道我有多讨厌咳嗽，Tom！Tom：[surprised] 只是咳了几下，不严重。要是你—— Emma：[overlapping] [annoyed] ——我觉得你该回家。

查看还能通过Eleven v3 多角色对话实现哪些效果。

AI 语音的精准演绎控制

可使用 Audio Tags 或标点，通过 Eleven v3 和 Eleven v4 控制语音节奏。[pause]、[rushed] 或 [drawn out] 等标签让你能精确地塑造台词。或者添加省略号、句号和感叹号，自然地为 TTS 表演注入情感。

我们撰写了有关Eleven v3 精准演绎控制的深度指南。

API 现已支持情感化 TTS

通过文本转语音 API使用 Audio Tags 的方式与 ElevenLabs UI 中完全相同。将标签内嵌在脚本文本中，API 就会在生成的音频中返回带有相应演绎的结果，适用于从有声书工作流到广告旁白配音等各种场景。

进一步了解Eleven v4，或联系销售，立即开始。

Audio Tags 和情感化 TTS 常见问题

作者

Man smiling, wearing a checkered shirt against a plain background.

Jack Limebear

Growth Marketing

查看个人资料

Jack Limebear 隶属于增长团队，负责博客和洞察页面的内容撰写与策略。加入 ElevenLabs 前，他曾在多家快速成长的 SaaS 初创公司和世界 500 强企业，拥有十余年内容策略管理经验。剑桥大学英语文学硕士。

相关内容

用高质量 AI 音频创作

联系销售团队注册