Chuyển đến nội dung
Đăng nhậpĐăng ký miễn phí

Hướng dẫn viết prompt

Cách viết prompt cho Eleven Speech

Hướng dẫn viết prompt cho Eleven Speech, AI tạo giọng nói: cách điều khiển ElevenLabs v4 bằng audio tag như [whispers] và [laughs], quãng nghỉ, cách phát âm và ví dụ lồng tiếng.

Dùng thử Eleven v4Trang mô hình Eleven Speech

Bắt đầu nhanh

Prompt Eleven Speech đầu tiên thật ấn tượng của bạn

Mọi thứ người mới cần trong một phút: những điều cần biết trước, các quy tắc quan trọng nhất, mẫu để điền và prompt để sao chép.

Cần biết trước

Prompt của bạn chính là kịch bản. Eleven Speech đọc mọi từ bạn viết, bằng giọng bạn chọn, trừ những từ nằm trong ngoặc vuông: đó là audio tag, dùng để chỉ đạo phần diễn xuất, như [whispers], [laughs], [sarcastic] hay [sighs]. Hãy viết lời đúng như cách muốn nghe, đặt tag ngay trước những từ mà nó tác động, và chọn giọng phù hợp với vai. Cài đặt Voice chính là nhân vật, còn thời lượng clip bằng thời gian cần để đọc hết lời.

Những quy tắc quan trọng nhất

  1. Chỉ viết những gì cần nói

    Mọi thứ ngoài ngoặc vuông đều được đọc lên, kể cả chỉ dẫn sân khấu. "Cô ấy nói nhẹ nhàng" sẽ bị đọc thành tiếng; còn [softly] thì được diễn.

  2. Đặt tag trước những từ mà nó tác động

    [annoyed] Khó quá. Còn phản ứng thì đặt ngay sau lời thoại: Khó quá. [sighs]

  3. Chỉ gắn tag cho những gì nghe được

    Cảm xúc, cách nói và những âm thanh giọng nói tạo ra: [excited], [whispers], [chuckles]. Giọng nói không thể diễn [smiling] hay [walks away].

  4. Chọn giọng phù hợp với tag

    Cách thể hiện mà giọng vốn đã có sẽ hiệu quả nhất. Một giọng hướng dẫn nhẹ nhàng, ấm áp sẽ khó hét cho thuyết phục, còn giọng phát thanh viên chỉn chu có thể bỏ qua [giggles]. Hãy chọn giọng trước, rồi mới gắn tag.

  5. Viết số và ký hiệu thành chữ

    "Bốn mươi lăm đô la" thay vì "$45"; "hai giờ ba mươi chiều" thay vì "14:30". Giọng đọc có thể đọc sai chữ số, ký hiệu và từ viết tắt.

Điền vào mẫu này

Thay mỗi phần trong ngoặc vuông bằng ý tưởng của bạn và bỏ qua phần bạn không cần.

Mẫu
[Direction tag] [First line]
[Delivery tag] [Next line] [Reaction tag]
Mẫu sau khi điền
[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] Cách cả đoạn nghe như thế nào, đặt trong ngoặc vuông: [Warm, conversational tone].
  • [First line] Những từ cần đọc, viết cho tai nghe, có đầy đủ dấu câu và không có ngoặc.
  • [Delivery tag] Cách những từ tiếp theo được đọc, đặt trong ngoặc vuông: [whispers], [excited], [sarcastic].
  • [Next line] Những từ tiếp theo cần đọc.
  • [Reaction tag] Âm thanh giọng nói tạo ra sau lời thoại, đặt trong ngoặc vuông: [laughs], [sighs], [clears throat]. Bỏ qua nếu dòng đó không cần.

Prompt để bắt đầu

  • Một dòng, ba tâm trạng

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

    Vì sao hiệu quả: Một tag đặt tâm trạng trước lời thoại, một tag khác phản ứng giữa chừng, còn dấu câu lo phần còn lại.

  • Lồng tiếng cho sản phẩm

    [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.

    Vì sao hiệu quả: Chữ hoa nhấn mạnh một từ, sức nặng được diễn đạt bằng lời, còn tag ngắt nghỉ và dấu ba chấm tạo nhịp điệu. Đặt Voice là Elowen.

  • Diễn xuất nhân vật

    [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.

    Vì sao hiệu quả: Mỗi nhịp mở đầu bằng một ghi chú cho diễn viên bằng lời đơn giản, và một dòng trống ngăn cách các nhịp. Đặt Voice là Sawyer và kéo Stability về phía Expressive.

  • Ngôn ngữ khác

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

    Vì sao hiệu quả: Hãy viết văn bản bằng ngôn ngữ bạn muốn nghe; giọng nào cũng đọc được trôi chảy, và các tag có thể giữ nguyên bằng tiếng Anh.

Nâng cao

Viết prompt Eleven Speech nâng cao

Các kỹ thuật giúp bạn kiểm soát tốt hơn khi đã nắm vững kiến thức cơ bản.

Chọn giọng và Stability

Eleven Speech không có chỗ riêng để mô tả giọng và cũng không sao chép giọng từ một clip: cài đặt Voice chính là nhân vật. Hãy xem menu Voice như một danh sách tuyển vai và chọn giọng có âm vực tự nhiên hợp với vai. Nếu tag không hiệu quả, hãy diễn đạt lại thành đặc điểm của giọng ([low, gravelly voice]) hoặc đổi sang giọng vốn đã có cách thể hiện đó.

Stability quyết định giọng đọc biến động nhiều hay ít. Càng về phía Expressive, giọng càng làm theo tag mạnh dạn hơn và mỗi lần đọc một khác; càng về phía Steady, giọng càng bám sát mức gốc của nó. Hãy thử khoảng 0,3 cho lời diễn nhiều tag và khoảng 0,7 cho phần thuyết minh cần đồng nhất giữa các lần tạo.

  • Thuyết minh và kể chuyện: Darian, Elara, Florence hoặc Sawyer. Quảng cáo sôi nổi và video giải thích: Elowen, Jade hoặc Lawrence. Lời thoại thân mật, gần gũi: Maisie, Warren hoặc Baxter. Giọng đọc kiểu bản tin: Alicia hoặc Eldrin. Người dẫn đường hoặc người cố vấn: Talia, Caleb hoặc Wyatt. Anh hùng trong game: Kaelen.
  • Cùng một Seed sẽ cho bản đọc tương tự, không phải giống hệt. Với câu quan trọng, hãy tạo hai hoặc ba bản và giữ bản tốt nhất.

Cấu trúc: viết cho đôi tai

Cách viết văn bản ảnh hưởng đến giọng đọc nhiều hơn bất cứ thứ gì khác. Hãy viết những câu nói tự nhiên, đầy đủ dấu câu và xuống dòng giữa các nhịp. Sau đó mới thêm tag, mà không đổi một chữ nào của kịch bản.

Với phần thuyết minh dài, hãy mở đầu mỗi đoạn bằng một tag chỉ đạo cho cả đoạn, viết như ghi chú cho diễn viên: [Quiet, reflective narration], [Building tension, measured pace], [Warm, intimate narration]. Sau đó chỉ gắn tag cho những chỗ thay đổi bên trong đoạn.

  • Cảm xúc nằm trong tag, không bao giờ nằm trong lời dẫn quanh câu thoại: "cô hỏi, giọng run run" sẽ bị đọc thành tiếng, còn [trembling] Bạn định đi sao? thì được diễn.
  • Khi chính câu chuyện viết "Anh ấy cười lớn", hãy giữ nguyên những từ đó và thêm [chuckles] phía sau nếu bạn muốn có cả tiếng cười. Đừng bao giờ biến lời dẫn thành tag.
  • Hãy thay đổi cách thể hiện giữa các dòng (sôi nổi, thư thái, ngạc nhiên, trầm ngâm), và đừng chọn tag mâu thuẫn với ý nghĩa của câu.
  • Giọng nói với tốc độ bình thường khoảng 2,5 từ mỗi giây, nên một đoạn lồng tiếng 30 giây chứa khoảng 75 từ. Để vừa với một cảnh quay, hãy rút gọn kịch bản thay vì đọc nhanh hơn.

Thuyết minh dài, mỗi đoạn một tag

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.

Vì sao hiệu quả: Đoạn đầu được đọc theo phong cách riêng của giọng, mỗi đoạn sau mở đầu bằng một ghi chú cho cả đoạn, và một tag bên trong đánh dấu chỗ chuyển. Đặt Voice là Florence.

Audio tag cho cảm xúc và cách thể hiện

Audio tag là một từ hoặc cụm từ ngắn trong ngoặc vuông mà giọng đọc sẽ diễn thay vì đọc lên. Hãy đặt nó ngay trước những từ mà nó tác động, ngay sau đó nếu là một phản ứng, hoặc ở chỗ ngắt nghỉ tự nhiên. Các tag có thể kết hợp ([whispers] [nervously]), và bạn có thể tự viết tag bằng lời đơn giản: [under his breath], [trying not to laugh], [voice breaking].

Eleven Speech tạo cả hiệu ứng âm thanh lẫn giọng nói, nên một thẻ ngắn, mơ hồ có thể bị hiểu sai: cách diễn đạt bị nghe thành âm thanh hoặc ngược lại. Hãy mô tả cách diễn đạt như một đặc điểm của giọng nói, ví dụ [low, gravelly voice] hoặc [quietly, with controlled fear], để nó không bị nhầm với một tín hiệu âm thanh.

  • Các thẻ thử nghiệm khác nhau khá nhiều tùy giọng: [strong French accent] (giọng nào cũng dùng được), [sings], [woo]. Hãy thử trước khi dùng chính thức.
  • Giảm Stability khi thẻ thể hiện quá nhạt; tăng lên khi giọng diễn quá lố.
ViếtTác dụng
[excited]Tươi sáng, nhanh nhẹn, đầy năng lượng.
[sarcastic]Khô khan và ngầm hiểu: lời nói mang nghĩa ngược lại.
[whispers]Tiếng thì thầm hơi gió.
[shouting]Giọng cao, vang xa.
[thoughtful]Chậm hơn, cân nhắc từng từ.
[curious]Giọng lên cao đầy hứng thú, như đang hỏi.
[annoyed]Cộc lốc và bực bội.
[appalled]Sự phản đối đầy sốc.
[mischievously]Tinh nghịch, như đang bày trò.
[crying]Rưng rưng nước mắt và run rẩy.
[happy] [sad] [angry] [surprised]Các cảm xúc cơ bản, mỗi cảm xúc tô màu cho những từ theo sau.
[under his breath]Lầm bầm, như thể không muốn ai nghe thấy.

Tiếng cười, tiếng thở dài và hơi thở

Thẻ phi ngôn từ là những âm thanh con người phát ra giữa các từ. Hãy đặt từng thẻ đúng chỗ nó sẽ xảy ra: sau câu cho một phản ứng, trước câu cho đà dẫn vào, ở giữa cho một quãng ngắt. Tiếng cười có thể tăng dần qua từng bước trong một câu.

ViếtTác dụng
[laughs]Một tràng cười thoải mái.
[chuckles]Tiếng cười khẽ, trầm.
[giggles]Tiếng cười nhẹ, cao.
[starts laughing]Bật cười giữa câu.
[laughs harder]Tiếng cười đã bắt đầu và đang lớn dần.
[wheezing]Cười đến mức hết cả hơi.
[sighs]Mệt mỏi, nhẹ nhõm hoặc chán nản, tùy câu thoại.
[exhales sharply]Một hơi thở ra ngắn, mạnh: bực bội hoặc ngạc nhiên.
[inhales deeply]Hít một hơi thật sâu trước khi nói.
[clears throat]Tiếng hắng giọng trước một câu thoại.
[gulps]Một cái nuốt khan đầy lo lắng.
[snorts]Tiếng khịt mũi vì cười hoặc khinh thường.

Tiếng cười tăng dần

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.

Vì sao hiệu quả: Tiếng cười lớn dần qua bốn bước, mỗi bước đặt đúng chỗ nó sẽ xảy ra thật, còn lời thoại xung quanh vẫn nguyên vẹn.

Quãng nghỉ, nhấn nhá và phát âm

Eleven Speech không đọc SSML, nên các thẻ break trong dấu ngoặc nhọn sẽ không có tác dụng. Hãy dùng dấu ba chấm cho sự ngập ngừng và độ nặng, dấu gạch ngang cho quãng ngắt ngắn, xuống dòng giữa các nhịp, hoặc thẻ ngắt nghỉ.

Nhấn mạnh một từ bằng chữ in hoa ("It was a VERY long day") và điều chỉnh nhịp điệu bằng dấu hỏi, dấu chấm than và dấu ba chấm. Mô hình chỉ cần bấy nhiêu để nhấn nhá.

Với tên riêng hoặc thuật ngữ mà giọng đọc phát âm sai, hãy viết bằng IPA kèm dấu trọng âm, đặt giữa hai dấu gạch chéo và trong dấu ngoặc kép: Thuật ngữ "/ˌbaɪoʊˈkemɪstri/" là đủ. Chỉ bọc những từ cần thiết. Cách viết lại theo cách đọc đơn giản, như "Shiv-awn" cho Siobhan, cũng dùng được. Kết quả khác nhau tùy giọng, nên hãy nghe thử trước khi dùng.

  • Viết mọi thứ đúng như cách đọc: "January second" cho 01/02, "one hundred percent" cho 100%, "Doctor" cho Dr., và "mage dot space slash pricing" cho địa chỉ web.
  • Đừng bao giờ đặt dấu @ trong văn bản: Mage hiểu @ theo sau là chữ cái là một handle đã lưu, và handle chưa lưu sẽ dừng quá trình tạo trước khi bị tính phí. Hãy viết "at" thay vào đó, như "find us at mage space".
ViếtTác dụng
...Sự ngập ngừng, hoặc độ nặng trước điều sắp nói.
—Một quãng ngắt ngắn, hoặc câu bị cắt ngang giữa chừng.
[short pause]Một nhịp im lặng.
[long pause]Khoảng lặng dài hơn, có chủ ý.

Hiệu ứng âm thanh trong lời đọc

Thẻ cũng có thể đặt một âm thanh vào trong lời đọc: [applause], [clapping], [door slams], [explosion], [gunshot]. Hãy dùng khi âm thanh thuộc về khoảnh khắc đó, như tiếng cửa trước một câu thoại.

Để có nhạc nền hoặc không gian âm thanh đầy đủ, hãy tạo trên Eleven Music hoặc Seed Audio rồi trộn bên dưới lời đọc trong trình chỉnh sửa.

Một âm thanh, rồi đến giọng nói

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

Vì sao hiệu quả: Tiếng vỗ tay mở đầu khoảnh khắc, rồi một tràng cười và tiếng hắng giọng dẫn người nói vào câu thoại.

Hội thoại giữa nhiều giọng

Mỗi lần tạo chỉ có một giọng nói, và nhãn như "Speaker 1:" hay "Mara:" sẽ bị đọc to lên. Với một cuộc hội thoại, hãy chọn giọng cho từng người nói, tạo riêng lời thoại của mỗi người bằng giọng của họ, rồi ghép các đoạn theo thứ tự trong trình chỉnh sửa âm thanh hoặc video, chèn khoảng lặng ngắn giữa các đoạn.

Hãy gộp các câu liên tiếp của một người nói vào một lần tạo thay vì mỗi câu một đoạn. Viết phần ngắt lời xuyên qua điểm cắt: kết thúc câu bị cắt ngang bằng dấu gạch ngang, và bắt đầu câu đáp bằng [jumping in] hoặc [interrupting].

  • Giữ nguyên một giọng cho mỗi người nói ở mọi đoạn, cùng với cùng một mức Stability, để cuộc hội thoại nghe như một bản ghi duy nhất.
  • Với phần ngắt lời, hãy kết thúc đoạn đầu bằng dấu gạch ngang ("So I was thinking we could—") và mở đầu câu đáp, bằng giọng khác, với một thẻ và dấu gạch ngang ("[jumping in] —test the new timing?").

Lượt thoại của một người trong cảnh hai giọng

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

Vì sao hiệu quả: Một giọng, một lượt thoại, không có nhãn người nói: tạo bằng Maisie, tạo câu đáp bằng giọng khác, rồi ghép hai đoạn lại.

Ngôn ngữ và giọng vùng miền khác

Hãy viết văn bản bằng ngôn ngữ bạn muốn đọc. Mọi giọng đều nói trôi chảy, không mang theo giọng gốc của mình, và các thẻ vẫn có thể giữ bằng tiếng Anh.

Để ép một giọng vùng miền, hãy thử thẻ như [strong Italian accent]. Thẻ giọng khác nhau tùy giọng đọc, nên hãy tạo vài bản để chọn.

Lỗi thường gặp

Nên tránh gì, nên làm gì

  • Nên tránh: Chỉ dẫn sân khấu viết thẳng vào văn bản.

    She whispered nervously: Is anyone there?

    Nên viết: Thẻ, được diễn ra thay vì đọc lên.

    [whispers] [nervously] Is anyone there?

  • Nên tránh: Thẻ cho những gì bạn nhìn thấy: [smiling], [walks away], [music].

    Nên viết: Thẻ cho những gì bạn nghe thấy: [warmly], [chuckles], [sighs]. Hãy tạo nhạc trên Eleven Music.

  • Nên tránh: Thẻ ngắt SSML.

    Nên viết: Dấu ba chấm, dấu gạch ngang, xuống dòng hoặc [short pause].

  • Nên tránh: Chữ số, ký hiệu và địa chỉ web.

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

    Nên viết: Viết mọi thứ đúng như cách đọc thành lời.

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

  • Nên tránh: Nhãn người nói trong cùng một lần tạo: "Speaker 1: Hi. Speaker 2: Hey."

    Nên viết: Mỗi người nói một lần tạo riêng, rồi ghép lại trong trình chỉnh sửa.

  • Nên tránh: Thẻ đi ngược với giọng đọc hoặc ý nghĩa của câu.

    Nên viết: Giọng đọc vốn đã có sẵn cách thể hiện đó, và các thẻ khớp với lời thoại.

  • Nên tránh: Thẻ một từ mơ hồ, dễ bị đọc thành hiệu ứng âm thanh.

    Nên viết: Một đặc điểm của giọng nói: [low, gravelly voice].

  • Nên tránh: Sửa lời trong lúc gắn thẻ.

    Nên viết: Giữ nguyên kịch bản như đã viết và chỉ thêm thẻ xung quanh.

Câu hỏi thường gặp

Câu hỏi về cách viết prompt cho Eleven Speech

Thẻ âm thanh ElevenLabs là gì?
Là những từ đặt trong dấu ngoặc vuông để điều hướng giọng đọc chứ không được đọc ra: [whispers], [laughs], [sarcastic], [sighs] hoặc một cụm như [Low, steady voice, restrained urgency]. Hãy đặt thẻ ngay trước đoạn bạn muốn thay đổi, hoặc ngay sau đó nếu là một phản ứng.
Prompt Eleven Speech nên dài bao nhiêu?
Dài bằng phần lời thoại. Mọi từ nằm ngoài thẻ đều được đọc ra, và đoạn âm thanh dài bằng thời gian đọc hết văn bản, khoảng 2,5 từ mỗi giây ở tốc độ bình thường. Kịch bản dài sẽ đọc tốt nhất khi chia thành các đoạn, mỗi đoạn mở đầu bằng một thẻ chỉ dẫn.
Làm sao để thêm khoảng ngừng trong Eleven Speech?
Dùng dấu ba chấm cho sự ngập ngừng, dấu gạch ngang cho quãng nghỉ ngắn, xuống dòng giữa các nhịp, hoặc thẻ [short pause] hay [long pause]. Thẻ ngắt SSML không được hỗ trợ.
Làm sao để Eleven Speech thì thầm hoặc cười?
Đặt [whispers] trước đoạn cần thì thầm và [laughs] sau câu đáng để cười. Nếu giọng đọc bỏ qua thẻ, hãy kéo Stability về phía Expressive hoặc chọn giọng phù hợp với cách thể hiện đó.
Làm sao để sửa cách phát âm của một cái tên?
Viết tên bằng IPA có dấu nhấn, đặt giữa hai dấu gạch chéo và trong dấu ngoặc kép, ví dụ "/ˌbaɪoʊˈkemɪstri/", hoặc viết lại theo cách nghe được. Hãy nghe thử kết quả vì mỗi giọng đọc sẽ khác nhau.
Eleven Speech có tạo được hai giọng trong một đoạn âm thanh không?
Không. Mỗi lần tạo chỉ có một giọng, và nhãn người nói sẽ bị đọc to lên. Hãy tạo riêng từng người nói bằng giọng của họ rồi ghép các đoạn trong trình chỉnh sửa.
Vì sao thẻ của tôi lại thành hiệu ứng âm thanh?
Eleven Speech cũng tạo được hiệu ứng âm thanh, nên một thẻ ngắn có thể bị hiểu theo hướng đó. Hãy diễn đạt lại thành đặc điểm của giọng nói, ví dụ [low, gravelly voice] thay vì [gravel].

Tạo âm thanh đầu tiên của bạn với ElevenLabs v4

Tài khoản mới được tặng 300 Gems miễn phí, đủ để dùng thử Eleven v4. Không cần cài đặt, không cần thẻ tín dụng.

Dùng thử Eleven v4