Passer au contenu
Se connecterS’inscrire gratuitement

Guide de prompts

Comment écrire un prompt pour Eleven Speech

Guide des prompts Eleven Speech : comment diriger ElevenLabs v4 avec des audio tags comme [whispers] et [laughs], des pauses, la prononciation et des exemples de voix off.

Essayer Eleven v4Page du modèle Eleven Speech

Démarrage rapide

Ton premier super prompt pour Eleven Speech

Tout ce dont un débutant a besoin en une minute : ce qu'il faut savoir d'abord, les règles les plus importantes, un modèle à remplir et des prompts à copier.

À savoir d'abord

Ton prompt, c'est le script. Eleven Speech prononce chaque mot que tu écris, avec la voix que tu choisis, sauf les mots entre crochets : ce sont des audio tags, et ils dirigent l'interprétation, comme [whispers], [laughs], [sarcastic] ou [sighs]. Écris les phrases comme elles doivent sonner, place un tag juste avant les mots qu'il colore, et choisis une voix adaptée au rôle. Le réglage Voix, c'est le personnage, et le clip dure le temps qu'il faut pour dire les mots.

Les règles les plus importantes

  1. N'écris que ce qui doit être dit

    Tout ce qui est hors des crochets est prononcé, didascalies comprises. « Elle dit doucement » est lu à voix haute ; [softly] est interprété.

  2. Place un tag avant les mots qu'il colore

    [annoyed] C'est difficile. Une réaction se place juste après les mots : C'est difficile. [sighs]

  3. Ne tague que ce qui s'entend

    Des émotions, des façons de parler et des sons qu'une voix peut produire : [excited], [whispers], [chuckles]. Une voix ne peut pas interpréter [smiling] ni [walks away].

  4. Choisis une voix adaptée aux tags

    Une façon de dire que la voix possède déjà passe mieux. Un guide doux et chaleureux ne criera pas de façon convaincante, et un présentateur très policé peut ignorer [giggles]. Choisis d'abord la voix, puis ajoute les tags.

  5. Écris les nombres et les symboles en toutes lettres

    « Quarante-cinq dollars », pas « 45 $ » ; « quatorze heures trente », pas « 14:30 ». La voix peut mal lire les chiffres, les symboles et les abréviations.

Remplis ce modèle

Remplace chaque partie entre crochets par ton idée, et supprime celles dont tu n'as pas besoin.

Modèle
[Direction tag] [First line]
[Delivery tag] [Next line] [Reaction tag]
Le modèle, rempli
[Warm, conversational tone] I wasn't going to tell anyone this... but I've been practicing.
[whispers] Every night. In the garage. [laughs]
  • [Direction tag] Le rendu de l'ensemble du passage, à garder entre crochets : [Warm, conversational tone].
  • [First line] Les mots à prononcer, écrits pour l'oreille avec une ponctuation complète, et sans crochets.
  • [Delivery tag] Le rendu des mots suivants, entre crochets : [whispers], [excited], [sarcastic].
  • [Next line] Les mots suivants à prononcer.
  • [Reaction tag] Un son que la voix produit après les mots, entre crochets : [laughs], [sighs], [clears throat]. Laisse vide si la phrase n'en demande pas.

Des prompts pour te lancer

  • Une phrase, trois ambiances

    [appalled] Are you serious? [sighs] I can't believe you did that!

    Pourquoi ça marche: Un tag fixe l'ambiance avant les mots, un second réagit entre eux, et la ponctuation fait le reste.

  • Une voix off produit

    [excited] Meet the lightest trail shoe we've EVER made. [short pause] Two hundred grams... [impressed] and it still grips wet rock. [warm, confident] Go further. Feel less.

    Pourquoi ça marche: Les majuscules accentuent un mot, le poids est écrit en toutes lettres, et un tag de pause et des points de suspension donnent le rythme. Règle la Voix sur Elowen.

  • Jeu de personnage

    [Low, steady voice, restrained urgency] Keep the lantern covered. If they see the light, they'll know we crossed the river.

[Quietly, with controlled fear] I heard them at the bridge... not soldiers. Something else.

[Voice rising into firm resolve] Then we don't stop. We reach the tower before sunrise.

    Pourquoi ça marche: Chaque temps s'ouvre sur une note à l'acteur en mots simples, et une ligne vide sépare les temps. Règle la Voix sur Sawyer et pousse la Stabilité vers Expressif.

  • Une autre langue

    [cheerfully] ¡Buenos días! Hoy vamos a preparar el mejor café de olla de tu vida... [whispers] con un ingrediente secreto.

    Pourquoi ça marche: Écris le texte dans la langue que tu veux entendre ; chaque voix la parle couramment, et les tags peuvent rester en anglais.

Avancé

Prompts avancés pour Eleven Speech

Des techniques pour mieux contrôler le résultat une fois les bases acquises.

Choisir une voix et la Stabilité

Eleven Speech n'a pas d'endroit séparé pour décrire une voix et n'en copie pas une à partir d'un clip : le réglage Voix, c'est le personnage. Lis le menu Voix comme une liste de casting et choisis la voix dont la tessiture naturelle convient au rôle. Si un tag ne passe pas, reformule-le comme une qualité de la voix ([low, gravelly voice]) ou choisis une voix qui a déjà cette façon de dire.

La Stabilité règle l'amplitude de l'interprétation. Vers Expressif, la voix suit les tags plus franchement et varie d'une prise à l'autre ; vers Stable, elle reste proche de son registre de base. Essaie environ 0,3 pour des répliques jouées et riches en tags, et environ 0,7 pour une narration qui doit sonner pareil d'une prise à l'autre.

  • Narration et récit : Darian, Elara, Florence ou Sawyer. Pubs dynamiques et vidéos explicatives : Elowen, Jade ou Lawrence. Répliques décontractées et amicales : Maisie, Warren ou Baxter. Lecture façon journal télévisé : Alicia ou Eldrin. Un guide ou un mentor : Talia, Caleb ou Wyatt. Un héros de jeu : Kaelen.
  • Le même Seed donne une prise proche, pas identique. Pour une phrase importante, génère deux ou trois prises et garde la meilleure.

Structure : écris pour l'oreille

La façon d'écrire le texte influence l'interprétation plus que tout le reste. Écris des phrases naturelles, comme à l'oral, avec une ponctuation complète, et passe à la ligne entre les temps. Ajoute ensuite les tags, sans changer un seul mot du script.

Pour une longue narration, ouvre chaque paragraphe avec un tag de direction pour tout le passage, écrit comme une note à un acteur : [Quiet, reflective narration], [Building tension, measured pace], [Warm, intimate narration]. Ne tague ensuite que les moments qui changent à l'intérieur.

  • L'émotion va dans un tag, jamais dans la narration autour de la phrase : « demanda-t-elle d'une voix tremblante » est lu à voix haute, alors que [trembling] Tu pars ? est interprété.
  • Quand l'histoire dit elle-même « Il rit aux éclats », garde ces mots et ajoute [chuckles] après si tu veux aussi le son. Ne transforme jamais la narration en tag.
  • Varie le ton d'une phrase à l'autre (énergique, détendu, surpris, pensif), et ne choisis jamais un tag qui contredit le sens de la phrase.
  • À un rythme normal, on parle à environ 2,5 mots par seconde : une voix off de 30 secondes contient donc environ 75 mots. Pour coller à un plan, raccourcis le script plutôt que d'accélérer la lecture.

Longue narration, un tag par passage

The rain had stopped before dawn, leaving the old road silver beneath the moon.

[Quiet, reflective narration] She had promised herself she would not return. Yet there she was, at the gate, with the key cold against her palm.

[Building tension, measured pace] The lock turned easily. Too easily. [Softly, with wonder] On the table sat a single lantern... already lit.

Pourquoi ça marche: Le premier paragraphe se lit dans le style propre à la voix, chacun des suivants s'ouvre sur une note pour tout le passage, et un tag à l'intérieur marque le tournant. Règle la Voix sur Florence.

Audio tags pour l'émotion et le ton

Un audio tag est un mot ou une courte expression entre crochets que la voix interprète au lieu de la dire. Place-le juste avant les mots qu'il colore, juste après pour une réaction, ou à une pause naturelle. Les tags se combinent ([whispers] [nervously]), et tu peux écrire les tiens en mots simples : [under his breath], [trying not to laugh], [voice breaking].

Eleven Speech génère des effets sonores en plus des voix : un tag court et vague peut donc être mal compris, une intention de jeu prise pour un son, ou l'inverse. Formule l'intention comme une qualité de la voix, par exemple [low, gravelly voice] ou [quietly, with controlled fear], pour qu'elle ne soit pas confondue avec un effet sonore.

  • Les tags expérimentaux varient davantage d'une voix à l'autre : [strong French accent] (n'importe quel accent fonctionne), [sings], [woo]. Teste-les avant de t'y fier.
  • Baisse Stability quand les tags sont trop discrets ; augmente-la quand une voix en fait trop.
ÉcrisCe que ça fait
[excited]Une énergie vive, rapide, enjouée.
[sarcastic]Pince-sans-rire et complice : les mots disent l'inverse.
[whispers]Un murmure soufflé.
[shouting]Une voix forte, projetée.
[thoughtful]Plus lent, en pesant chaque mot.
[curious]Une intonation montante, curieuse et interrogative.
[annoyed]Cassant et agacé.
[appalled]Désapprobation choquée.
[mischievously]Espiègle, l'air de préparer un coup.
[crying]Les larmes aux yeux, la voix tremblante.
[happy] [sad] [angry] [surprised]Les émotions de base, chacune colorant les mots qui suivent.
[under his breath]Marmonné, comme si personne ne devait entendre.

Rires, soupirs et respirations

Les tags non verbaux sont les sons que l'on fait entre les mots. Place chacun là où il se produirait : après une réplique pour une réaction, avant pour une montée, au milieu pour une coupure. Un rire peut monter par paliers au fil d'une réplique.

ÉcrisCe que ça fait
[laughs]Un rire franc.
[chuckles]Un petit rire grave.
[giggles]Un rire léger et aigu.
[starts laughing]Éclate de rire en pleine réplique.
[laughs harder]Un rire déjà lancé, qui monte.
[wheezing]Un rire si fort qu'on en perd le souffle.
[sighs]Fatigué, soulagé ou excédé, selon la réplique.
[exhales sharply]Une expiration brève et sèche : frustration ou surprise.
[inhales deeply]Une grande inspiration avant de parler.
[clears throat]Un raclement de gorge avant une réplique.
[gulps]Une déglutition nerveuse.
[snorts]Un ricanement amusé ou méprisant.

Un rire qui monte

Okay, okay, I'll tell you. [chuckles] So the goat... [starts laughing] the goat ate the WEDDING invitations. [laughs harder] All two hundred of them. [wheezing] I'm sorry, I can't.

Pourquoi ça marche: Le rire monte en quatre étapes, chacune là où elle se produirait vraiment, tandis que les mots restent intacts autour.

Pauses, accentuation et prononciation

Eleven Speech ne lit pas le SSML : les balises de pause entre chevrons ne servent donc à rien. Utilise des points de suspension pour l'hésitation et le poids, un tiret pour une courte coupure, un saut de ligne entre deux temps, ou un tag de pause.

Accentue un mot avec des majuscules (« C'était une TRÈS longue journée ») et donne le rythme avec des points d'interrogation, des points d'exclamation et des points de suspension. C'est tout ce dont le modèle a besoin.

Pour un nom ou un terme que la voix prononce mal, écris-le en API (alphabet phonétique international) avec les accents toniques, entre barres obliques et entre guillemets : « /ˌbaɪoʊˈkemɪstri/ » suffit pour ce terme. Entoure uniquement les mots concernés. Une simple transcription phonétique, comme « Shiv-awn » pour Siobhan, fonctionne aussi. Les résultats varient selon la voix, alors écoute avant de t'y fier.

  • Écris tout comme ça se prononce : « premier février » pour 01/02, « cent pour cent » pour 100 %, « Docteur » pour Dr, et « mage point space slash pricing » pour une adresse web.
  • Ne mets jamais de @ dans le texte : Mage lit un @ suivi de lettres comme un identifiant enregistré, et un identifiant non enregistré arrête la génération avant tout débit. Écris le mot à la place : « arobase » pour le symbole, ou « sur » comme dans « retrouve-nous sur mage space ».
ÉcrisCe que ça fait
...Une hésitation, ou du poids avant la suite.
—Une courte coupure, ou une réplique interrompue en pleine pensée.
[short pause]Un temps de silence.
[long pause]Un silence plus long, volontaire.

Effets sonores dans la voix

Un tag peut aussi placer un son dans la lecture : [applause], [clapping], [door slams], [explosion], [gunshot]. Utilises-en un quand le son fait partie du moment, comme une porte avant une réplique.

Pour un fond musical ou un paysage sonore complet, crée-le avec Eleven Music ou Seed Audio et mixe-le sous la voix dans un éditeur.

Un son, puis la voix

[applause] Thank you, thank you. [laughs] Please, sit down... [clears throat] Tonight, we're giving away something no one here has ever seen.

Pourquoi ça marche: Les applaudissements ouvrent le moment, puis un rire et un raclement de gorge amènent la personne qui parle vers sa réplique.

Conversations entre plusieurs voix

Une génération parle avec une seule voix, et une étiquette comme « Intervenant 1 : » ou « Mara : » est lue à voix haute. Pour une conversation, choisis une voix par interlocuteur, génère les répliques de chacun séparément avec sa voix, puis assemble les clips dans l'ordre dans un éditeur audio ou vidéo, avec de courts silences entre les répliques.

Regroupe les répliques consécutives d'un même interlocuteur dans une seule génération plutôt qu'un clip par phrase. Écris les interruptions à cheval sur la coupure : termine la réplique coupée par un tiret, et commence la réponse par [jumping in] ou [interrupting].

  • Garde la même voix pour un interlocuteur dans tous les clips, et le même réglage Stability, pour que la conversation sonne comme un seul enregistrement.
  • Pour une interruption, termine le premier clip par un tiret (« Je pensais qu'on pourrait— ») et ouvre la réponse, avec l'autre voix, par un tag et un tiret (« [jumping in] —tester le nouveau timing ? »).

La prise de parole d'un interlocuteur dans une scène à deux voix

[nervously] So... I may have tried to fix the boiler myself. [sheepish laugh] It's making a NEW noise now.

Pourquoi ça marche: Une voix, une prise de parole, aucune étiquette d'interlocuteur : génère-la avec Maisie, génère la réponse avec une autre voix, puis assemble les deux.

Autres langues et accents

Écris le texte dans la langue que tu veux entendre. Chaque voix la parle couramment, sans y transposer son propre accent, et les tags peuvent rester en anglais.

Pour forcer un accent, essaie un tag comme [strong Italian accent]. Les tags d'accent varient selon la voix, alors génère quelques prises.

Erreurs courantes

À éviter, et quoi faire à la place

  • À éviter: Des indications de mise en scène écrites dans le texte.

    She whispered nervously: Is anyone there?

    À la place: Des tags, qui sont joués au lieu d'être lus.

    [whispers] [nervously] Is anyone there?

  • À éviter: Des tags pour ce que tu vois : [smiling], [walks away], [music].

    À la place: Des tags pour ce que tu entends : [warmly], [chuckles], [sighs]. Crée la musique avec Eleven Music.

  • À éviter: Les balises SSML de pause (break).

    À la place: Des points de suspension, un tiret, un retour à la ligne ou [short pause].

  • À éviter: Les chiffres, les symboles et les adresses web.

    Tickets are $45 at 14:30. Details at mage.space/events.

    À la place: Tout écrit comme il se prononce.

    Tickets are forty-five dollars at two thirty PM. Details at mage dot space slash events.

  • À éviter: Des étiquettes de locuteur dans une seule génération : « Locuteur 1 : Salut. Locuteur 2 : Hé. »

    À la place: Une génération par locuteur, assemblées dans un éditeur.

  • À éviter: Une balise qui va à l'encontre de la voix ou du sens de la réplique.

    À la place: Une voix qui a déjà cette façon de parler, et des balises en accord avec les mots.

  • À éviter: Une balise vague d'un seul mot, qui ressort comme un effet sonore.

    À la place: Une qualité de voix : [low, gravelly voice].

  • À éviter: Modifier les mots pendant que tu ajoutes des balises.

    À la place: Le script exactement tel qu'il est écrit, avec des balises ajoutées autour.

FAQ

Questions sur les prompts pour Eleven Speech

Que sont les balises audio ElevenLabs ?
Ce sont des mots entre crochets qui dirigent la voix sans être prononcés : [whispers], [laughs], [sarcastic], [sighs], ou une phrase comme [Low, steady voice, restrained urgency]. Place-les juste avant les mots qu'elles modifient, ou juste après pour une réaction.
Quelle longueur doit avoir un prompt Eleven Speech ?
Celle de la parole voulue. Chaque mot en dehors des balises est prononcé, et le clip dure le temps qu'il faut pour dire le texte, soit environ 2,5 mots par seconde à un rythme normal. Un long script se lit mieux en paragraphes, chacun commençant par une balise d'indication.
Comment ajouter une pause dans Eleven Speech ?
Avec des points de suspension pour une hésitation, un tiret pour une courte coupure, un retour à la ligne entre deux temps, ou une balise [short pause] ou [long pause]. Les balises SSML de pause (break) ne sont pas prises en charge.
Comment faire chuchoter ou rire Eleven Speech ?
Mets [whispers] avant les mots à chuchoter et [laughs] après la réplique qui le mérite. Si une voix ignore une balise, déplace Stability vers Expressive ou choisis une voix qui convient à ce ton.
Comment corriger la prononciation d'un nom ?
Écris le nom en API (IPA) avec les accents toniques, entre barres obliques et entre guillemets doubles, par exemple "/ˌbaɪoʊˈkemɪstri/", ou réécris-le comme il se prononce. Écoute le résultat, car il varie selon la voix.
Eleven Speech peut-il faire deux voix dans un même clip ?
Non. Une génération parle avec une seule voix, et les étiquettes de locuteur sont lues à voix haute. Génère chaque locuteur séparément avec sa propre voix, puis assemble les clips dans un éditeur.
Pourquoi ma balise est-elle ressortie comme un effet sonore ?
Eleven Speech produit aussi des effets sonores, donc une balise courte peut être interprétée comme tel. Reformule-la comme une qualité de voix, par exemple [low, gravelly voice] au lieu de [gravel].

Crée ton premier audio avec ElevenLabs v4

Les nouveaux comptes reçoivent 300 Gems gratuits, de quoi essayer Eleven v4. Sans installation, sans carte bancaire.

Essayer Eleven v4