ElevenLabs: озвучка текста с эмоциями и расшифровка речи

Что умеет

• Больше 90 языков у Eleven v4 и v4 Turbo, русский среди них
• Эмоции тегами в квадратных скобках у v4 и v4 Turbo
• 21 готовый голос, озвучка приходит в MP3
• До 20 000 знаков за запуск у Flash v2.5
• Скорость речи 0,7–1,2× у Multilingual v2 и Flash v2.5
• Scribe v2: спикеры, таймкоды, субтитры SRT

Для чего

• Озвучить рекламный ролик или презентацию
• Записать аудиокнигу по главам одним голосом
• Дать персонажу голос со смехом и вздохами
• Расшифровать созвон с подписями, кто говорил
• Собрать субтитры SRT к интервью или подкасту

Какая модель ElevenLabs под какую задачу

Озвучивают текст в ElevenLabs модели Eleven, а Scribe v2 работает в обратную сторону. Среди моделей озвучки выбор упирается в два вопроса: нужны ли эмоции и насколько длинный текст.

• Eleven v4

  Главная модель для озвучки с эмоциями. Понимает теги в квадратных скобках и говорит на 90 с лишним языках. Подходит для рекламы, сцен и реплик персонажей.

• Eleven v4 Turbo

  Те же голоса и теги, что у v4. Её делали для голосовых ассистентов, которым важна скорость ответа; здесь она удобна для черновых прогонов.

• Eleven Multilingual v2

  29 языков и ровная подача без тегов. ElevenLabs называет её самой стабильной в семействе на длинных текстах.

• Eleven Flash v2.5

  32 языка, 20 000 знаков за раз и регулировка скорости. Для больших объёмов без эмоций: инструкций, новостей, учебных материалов.

• Scribe v2

  Модель расшифровки. Делит текст по говорящим, ставит время каждому слову и отдаёт субтитры.

Смех, шёпот и акцент: теги прямо в тексте

Теги ElevenLabs — короткие указания в квадратных скобках, которые Eleven v4 и v4 Turbo не произносят, а исполняют.

Тег ставят перед фразой, к которой он относится. [whispers] значит шёпотом, [laughs] со смехом, [sighs] со вздохом. В примерах ElevenLabs есть и развёрнутые указания вроде [strong French accent], и даже звуки фона: [light rain] для шума дождя, [phone buzzing] для вибрации телефона. Все эти теги английские, так их и пишите. Скобки входят в лимит знаков вместе с остальным текстом. В epicai теги предусмотрены только у v4 и v4 Turbo, а Multilingual v2 и Flash v2.5 рассчитаны на текст без тегов.

Длинный текст: где предел и как разбить

Предел ElevenLabs за один запуск — 10 000 знаков у Eleven v4, v4 Turbo и Multilingual v2 и 20 000 у Flash v2.5.

Книгу или лекцию удобнее озвучивать по главам. Режьте текст на границе абзаца, чтобы фраза не оборвалась на полуслове. Все части озвучивайте одним голосом и одной моделью. Если в тексте много цифр и сокращений, сначала озвучьте короткий кусок и послушайте, как модель их прочла.

21 голос: как сравнить их на своём тексте

Голоса ElevenLabs в epicai готовые, их 21, и набор один для всех моделей озвучки.

По умолчанию звучит George. Остальные: Sarah, Adam, Alice, Bella, Bill, Brian, Callum, Charlie, Chris, Daniel, Eric, Harry, Jessica, Laura, Liam, Lily, Matilda, River, Roger и Will. Имена английские, но, по описанию ElevenLabs, в v4 голос свободно говорит и на других языках, с произношением носителя. По именам голос не выбрать, тут нужен слух: абзац из вашего текста, прочитанный двумя-тремя голосами, сразу покажет разницу.

Scribe v2: кто говорит, таймкоды, субтитры SRT

Scribe v2 слушает запись и выдаёт текст, разбитый по говорящим: «Спикер A», «Спикер B».

У каждого слова есть таймкод, то есть время, когда оно прозвучало. По таймкодам epicai собирает субтитры SRT, их можно скачать вместе с текстом в TXT. Русский выбран сразу, в списке есть другие языки и автоопределение. Языков у Scribe v2 больше 90, и ElevenLabs пишет, что модель сама замечает, когда в одном файле звучат разные языки; для такой записи поставьте автоопределение. Запись до 200 МБ загружайте целиком. Если она длиннее 25 минут, сайт поделит её на части, и спикеры в каждой нумеруются заново.

Сколько стоит

• Eleven v4 Turbo новая

  Те же голоса и теги, что у v4, но быстрее и вдвое дешевле

  8 454 TOK за 1 000 симв.

  Попробовать
• Eleven v4 новая

  Самая выразительная озвучка: эмоции тегами в тексте, больше 90 языков

  16 910 TOK за 1 000 симв.

  Попробовать
• Eleven Multilingual v2 новая

  Ровная озвучка длинных текстов, 29 языков, скорость речи от 0,7 до 1,2×

  16 910 TOK за 1 000 симв.

  Попробовать
• Eleven Flash v2.5 новая

  Очень быстрая озвучка больших текстов, до 20 000 знаков, 32 языка

  8 454 TOK за 1 000 симв.

  Попробовать
• Scribe v2 новая

  Расшифровка на 90 с лишним языках: спикеры, таймкоды, субтитры SRT

  780 TOK за минуту

  Попробовать

Цена видна до запуска. Токены не сгорают, пока существует учётная запись.

Как начать

1. 1

   Откройте нейросеть

   Нажмите «Попробовать» и создайте аккаунт: на баланс придёт 20 000 TOK.

2. 2

   Опишите задачу

   Напишите, что нужно получить. К запросу можно приложить файл или фото, если нейросеть их принимает.

3. 3

   Получите результат

   Цена видна до запуска, списания остаются в истории операций.

Примеры запросов

• [whispers] Не шумите, пожалуйста: малыш только что уснул. [sighs] Длинный был день.
• Добро пожаловать в музей истории города. Прогулка по залам займёт около сорока минут.
• Глава первая. Поезд опаздывал на три часа, и Вера успела выучить расписание наизусть.
• [laughs] Нет, правда, кот сам открыл холодильник и выбрал колбасу.

Вопросы

Похожие нейросети

• 

  Fish Audio

  Голос · 5 моделей · новая

  Четыре русских голоса, манера в скобках и бесплатная S2.1

  Ценаот 1 268 TOK за минутуБесплатных: 1

  Подробнее
• 

  MiniMax Speech

  Голос · 2 модели · новая

  Восемь русских голосов: от «Друга детства» до «Пессимистки»

  Ценаот 12 690 TOK за 1 000 симв.

  Подробнее
• 

  Grok Voice

  Голос · 2 модели · новая

  Пять голосов xAI для озвучки и расшифровка с файлом SRT

  Ценаот 360 TOK за минуту

  Подробнее
• 

  GPT Transcribe

  Голос

  Запись до 25 МБ в сплошной текст, без таймкодов и спикеров

  Цена1 440 TOK за минуту

  Подробнее

Весь каталог