So promptest du Eleven Speech

Eleven Speech hat keinen separaten Ort, um eine Stimme zu beschreiben, und kopiert auch keine aus einem Clip: Die Einstellung Stimme ist die Figur. Lies das Stimmenmenü wie eine Besetzungsliste und wähle die Stimme, deren natürliche Bandbreite zur Rolle passt. Wenn ein Tag nicht ankommt, formuliere es als Eigenschaft der Stimme um ([low, gravelly voice]) oder wechsle zu einer Stimme, die diesen Vortrag schon mitbringt.

Stabilität legt fest, wie stark sich der Vortrag bewegt. Richtung Ausdrucksstark folgt die Stimme Tags mutiger und variiert von Take zu Take; Richtung Gleichmäßig bleibt sie nah an ihrer eigenen Grundlinie. Probiere etwa 0,3 für gespielte Zeilen mit vielen Tags und etwa 0,7 für Erzählungen, die in allen Takes gleich klingen müssen.

Wie der Text geschrieben ist, prägt den Vortrag mehr als alles andere. Schreibe natürliche gesprochene Sätze mit vollständiger Zeichensetzung und setze zwischen die Abschnitte einen Zeilenumbruch. Füge dann Tags hinzu, ohne ein Wort des Skripts zu ändern.

Beginne bei langen Erzählungen jeden Absatz mit einem Regie-Tag für die ganze Passage, geschrieben wie eine Anweisung an einen Schauspieler: [Quiet, reflective narration], [Building tension, measured pace], [Warm, intimate narration]. Tagge dann nur die Momente darin, die sich ändern.

Ein Audio-Tag ist ein Wort oder eine kurze Wendung in eckigen Klammern, die die Stimme spielt, statt sie zu sprechen. Setze es direkt vor die Worte, die es färbt, direkt danach für eine Reaktion oder an eine natürliche Pause. Tags lassen sich kombinieren ([whispers] [nervously]), und du kannst eigene in einfachen Worten schreiben: [under his breath], [trying not to laugh], [voice breaking].

Eleven Speech erzeugt neben Stimmen auch Soundeffekte. Deshalb kann ein kurzer, vager Tag falsch verstanden werden: Eine Sprechweise wird als Geräusch gelesen oder umgekehrt. Beschreibe eine Sprechweise als Eigenschaft der Stimme, zum Beispiel [low, gravelly voice] oder [quietly, with controlled fear], damit sie nicht mit einem Geräusch verwechselt wird.

Nonverbale Tags sind die Laute, die Menschen zwischen den Worten machen. Setze jeden dorthin, wo er passieren würde: nach einer Zeile für eine Reaktion, davor für einen Anlauf, in die Mitte für eine Unterbrechung. Ein Lachen kann sich über eine Zeile hinweg in Stufen steigern.

Eleven Speech liest kein SSML, deshalb bewirken Break-Tags in spitzen Klammern nichts. Nutze Auslassungspunkte für Zögern und Gewicht, einen Gedankenstrich für eine kurze Pause, einen Zeilenumbruch zwischen Sinnabschnitten oder einen Pause-Tag.

Betone ein Wort mit Großbuchstaben („Es war ein SEHR langer Tag“) und lege den Rhythmus mit Fragezeichen, Ausrufezeichen und Auslassungspunkten fest. Mehr Betonung braucht das Modell nicht.

Bei einem Namen oder Begriff, den die Stimme falsch ausspricht, schreibst du ihn in IPA mit Betonungszeichen, zwischen Schrägstrichen und in doppelten Anführungszeichen: Der Begriff „/ˌbaɪoʊˈkemɪstri/“ deckt es ab. Setze das nur um die Wörter, die es brauchen. Eine einfache Lautschrift, etwa „Schiw-ahn“ für Siobhan, funktioniert auch. Die Ergebnisse unterscheiden sich je nach Stimme, also hör zuerst rein, bevor du dich darauf verlässt.

Ein Tag kann auch ein Geräusch in den Vortrag setzen: [applause], [clapping], [door slams], [explosion], [gunshot]. Nutze das, wenn das Geräusch zum Moment gehört, etwa eine Tür vor einer Zeile.

Für einen Musikteppich oder eine komplette Klanglandschaft erstellst du sie mit Eleven Music oder Seed Audio und mischst sie in einem Editor unter die Sprache.

Eine Generierung spricht mit einer Stimme, und ein Label wie „Speaker 1:“ oder „Mara:“ wird mitgesprochen. Für ein Gespräch wählst du für jede Person eine Stimme, generierst die Zeilen jeder Person separat in ihrer eigenen Stimme und fügst die Clips dann in einem Audio- oder Videoeditor der Reihe nach zusammen, mit kurzen Pausen dazwischen.

Fasse aufeinanderfolgende Zeilen einer Person in einer Generierung zusammen, statt für jeden Satz einen Clip zu erzeugen. Schreib Unterbrechungen über den Schnitt hinweg: Beende die abgebrochene Zeile mit einem Gedankenstrich und beginne die Antwort mit [jumping in] oder [interrupting].

Schreib den Text in der Sprache, die gesprochen werden soll. Jede Stimme spricht sie flüssig, ohne den eigenen Akzent mitzubringen, und die Tags können auf Englisch bleiben.

Um einen Akzent zu erzwingen, probiere einen Tag wie [strong Italian accent]. Akzent-Tags wirken je nach Stimme unterschiedlich, also generiere ein paar Takes.