跳至主要内容
登录免费注册

提示词指南

如何为 Eleven Speech 写提示词

Eleven Speech 提示词指南：学习如何用 [whispers]、[laughs] 等音频标签、停顿、发音控制来指导 ElevenLabs v4，并附配音示例。

试用 Eleven v4Eleven Speech 模型页面

快速上手

写出你的第一条优质 Eleven Speech 提示词

新手一分钟就能掌握:先了解什么、最重要的规则、可直接填写的模板,以及可以复制的提示词。

先了解这些

你的提示词就是台词稿。Eleven Speech 会用你选的声音读出你写的每个字，只有方括号里的内容除外：那些是音频标签，用来指导表演，比如 [whispers]、[laughs]、[sarcastic] 或 [sighs]。按照希望的听感来写台词，把标签放在它要修饰的文字之前，再选一个适合角色的声音。声音设置就是角色本身，片段时长取决于这些文字念完所需的时间。

最重要的规则

  1. 只写需要念出来的内容

    方括号之外的所有内容都会被念出来，包括舞台提示。“她轻声说”会被读出来；而 [softly] 会被表演出来。

  2. 把标签放在它要修饰的文字之前

    [annoyed] This is hard. 反应类标签则放在文字之后：This is hard. [sighs]

  3. 只标注听得出来的内容

    情绪、说话方式和声音能发出的声响，例如 [excited]、[whispers]、[chuckles]。声音无法表演 [smiling] 或 [walks away]。

  4. 选择与标签相配的声音

    声音本身就擅长的表达效果最好。温柔亲切的向导很难喊得有说服力，字正腔圆的主播可能会忽略 [giggles]。先选声音，再加标签。

  5. 数字和符号用文字写出来

    写“四十五美元”，不要写“$45”；写“下午两点半”，不要写“14:30”。声音可能会读错数字、符号和缩写。

填写这个模板

把方括号里的每一部分替换成你自己的创意,用不到的部分可以直接删掉。

模板
[Direction tag] [First line]
[Delivery tag] [Next line] [Reaction tag]
填写后的模板
[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] 整段内容的整体听感，要放在方括号里：[Warm, conversational tone]。
  • [First line] 要念出来的文字，按听觉习惯来写，标点完整，不加方括号。
  • [Delivery tag] 接下来这段文字的听感，放在方括号里：[whispers]、[excited]、[sarcastic]。
  • [Next line] 接下来要念的文字。
  • [Reaction tag] 声音在文字之后发出的声响，放在方括号里：[laughs]、[sighs]、[clears throat]。如果这句不需要，可以省略。

可参考的提示词

  • 一句话，三种情绪

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

    为什么有效: 标签在文字之前定下情绪，第二个标签在文字之间做出反应，其余则交给标点来表达。

  • 产品配音

    [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.

    为什么有效: 用大写强调一个词，用文字写出分量感，再用停顿标签和省略号控制节奏。将声音设为 Elowen。

  • 角色表演

    [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.

    为什么有效: 每一段都以一句给演员的平实提示开头，段落之间用空行隔开。将声音设为 Sawyer，并把稳定性调向富有表现力一侧。

  • 其他语言

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

    为什么有效: 用你想听到的语言来写文本；每个声音都能流利地说出来，标签可以继续用英文。

进阶

Eleven Speech 进阶提示词技巧

掌握基础之后,用这些技巧获得更多控制。

选择声音与稳定性

Eleven Speech 没有单独描述声音的地方，也不会从片段中复制声音：声音设置就是角色。把声音菜单当作选角名单来看，挑选天然音域与角色相符的声音。如果某个标签效果不明显，可以把它改写成声音的特质（[low, gravelly voice]），或者换一个本来就擅长这种表达的声音。

稳定性决定朗读的起伏程度。偏向富有表现力时，声音会更大胆地响应标签，每次生成的差异也更大；偏向稳定时，则更贴近自身的基准状态。带大量标签的表演式台词可以试试 0.3 左右，需要各次保持一致的旁白可以试试 0.7 左右。

  • 旁白和讲故事：Darian、Elara、Florence 或 Sawyer。活力十足的广告和讲解：Elowen、Jade 或 Lawrence。随和友好的台词：Maisie、Warren 或 Baxter。新闻播报风格：Alicia 或 Eldrin。向导或导师：Talia、Caleb 或 Wyatt。游戏英雄：Kaelen。
  • 相同的种子会得到相似的演绎，但不会完全一样。重要的台词可以生成两三次，选出最好的一条。

结构：为耳朵而写

文本的写法对朗读效果的影响比什么都大。请写自然的口语句子，标点完整，并在每个节拍之间换行。然后再添加标签，且不要改动台词里的任何一个字。

长篇旁白可以在每一段开头加一个针对整段的指导标签，写法就像给演员的备注：[Quiet, reflective narration]、[Building tension, measured pace]、[Warm, intimate narration]。然后只对段内发生变化的地方添加标签。

  • 情绪要放进标签，不要写在台词周围的叙述里：“她颤抖着问道”会被读出来，而 [trembling] Are you leaving? 会被表演出来。
  • 如果故事本身写的是“他放声大笑”，就保留这些文字；想要笑声的话，可以在后面加上 [chuckles]。不要把叙述改成标签。
  • 各行的表达要有变化（精力充沛、放松、惊讶、若有所思），并且不要选与台词含义相矛盾的标签。
  • 正常语速大约每秒 2.5 个词，所以 30 秒的配音大约能容纳 75 个词。要配合镜头时，请删减台词，而不是加快朗读速度。

长篇旁白，每段一个标签

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.

为什么有效: 第一段用声音自身的风格朗读，之后每一段都以针对整段的提示开头，段内再用一个标签标出转折。将声音设为 Florence。

用于情绪和表达的音频标签

音频标签是方括号里的一个词或短语，声音会把它表演出来，而不是念出来。把它直接放在要修饰的文字之前；表示反应时放在文字之后，或者放在自然停顿处。标签可以组合使用（[whispers] [nervously]），你也可以用平实的语言自己写：[under his breath]、[trying not to laugh]、[voice breaking]。

Eleven Speech 既能生成语音,也能生成音效,所以简短含糊的标签可能会被误解:语气被当成音效,或者反过来。请把语气写成声音的特质,例如 [low, gravelly voice] 或 [quietly, with controlled fear],这样就不会被当成音效提示。

  • 实验性标签在不同声音之间的差异更大:[strong French accent](任何口音都可以)、[sings]、[woo]。使用前请先测试。
  • 标签效果太弱时,调低稳定性;声音表演过度时,调高稳定性。
写法效果
[excited]明亮、轻快、昂扬的情绪。
[sarcastic]冷淡而心照不宣:字面意思与真实意思相反。
[whispers]带气声的低语。
[shouting]提高音量、向远处传送的声音。
[thoughtful]放慢语速,字斟句酌。
[curious]带着兴趣、略微上扬的疑问语气。
[annoyed]简短生硬,带着不耐烦。
[appalled]震惊而不赞同。
[mischievously]俏皮,像是在打什么主意。
[crying]带着泪意,声音不稳。
[happy] [sad] [angry] [surprised]基本情绪,每一种都会为后面的话染上相应的色彩。
[under his breath]低声嘟囔,像是不想被人听到。

笑声、叹气和呼吸

非语言标签是人们在说话间隙发出的声音。请把每个标签放在它自然出现的位置:反应放在句子之后,铺垫放在句子之前,停顿放在句子中间。笑声也可以在一句话里逐步增强。

写法效果
[laughs]畅快的大笑。
[chuckles]低低的轻笑。
[giggles]轻快的高音笑声。
[starts laughing]说到一半忍不住笑出来。
[laughs harder]笑声已经开始,并越来越大。
[wheezing]笑得上气不接下气。
[sighs]疲惫、如释重负或受够了,取决于台词。
[exhales sharply]短促有力的呼气:表示沮丧或惊讶。
[inhales deeply]开口前深吸一口气。
[clears throat]开口前清清嗓子。
[gulps]紧张地咽口水。
[snorts]带着笑意或不屑的嗤声。

逐渐增强的笑声

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.

为什么有效: 笑声分四步增强,每一步都出现在真实会发生的位置,而周围的台词保持完整。

停顿、重音和发音

Eleven Speech 不支持 SSML,所以尖括号形式的 break 标签不起作用。可以用省略号表示犹豫和分量,用破折号表示短暂停顿,用换行分隔节拍,或者使用停顿标签。

用大写字母强调某个词("It was a VERY long day"),并用问号、感叹号和省略号来控制节奏。模型需要的强调就这些。

如果某个名字或术语声音读不对,可以用带重音符号的 IPA 来写,放在正斜杠之间,并用双引号括起来,例如:The term "/ˌbaɪoʊˈkemɪstri/" covers it。只包住需要的词即可。用简单的拼读替代也可以,例如用 "Shiv-awn" 代表 Siobhan。效果因声音而异,所以请先试听再决定是否使用。

  • 所有内容都按实际读出的方式书写:用 "January second" 代替 01/02,用 "one hundred percent" 代替 100%,用 "Doctor" 代替 Dr.,网址则写成 "mage dot space slash pricing"。
  • 文本中不要出现 @:Mage 会把 @ 加字母识别为已保存的 handle,如果这个 handle 没有保存,生成会在扣费之前中止。请改写成 "at",例如 "find us at mage space"。
写法效果
...犹豫,或为接下来的内容增加分量。
—短暂停顿,或话说到一半被打断。
[short pause]一拍的静默。
[long pause]更长的、刻意的沉默。

语音中的音效

标签还可以把音效放进朗读之中:[applause]、[clapping]、[door slams]、[explosion]、[gunshot]。当声音本身属于那个时刻时再使用,比如台词前的一声关门。

如果需要背景音乐或完整的声音场景,请用 Eleven Music 或 Seed Audio 制作,再在编辑器中混入语音下方。

先是音效,然后是人声

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

为什么有效: 掌声开启这一刻,随后一声笑和清嗓,把说话的人引入台词。

多个声音之间的对话

一次生成只用一个声音说话,而像 "Speaker 1:" 或 "Mara:" 这样的标签会被读出来。如果要做对话,请为每位说话者选一个声音,分别用各自的声音生成每个人的台词,然后在音频或视频编辑器中按顺序拼接片段,并在间隔处加入短暂的静音。

请把同一位说话者的连续台词放在一次生成中,而不是每句话一个片段。打断要跨片段来写:被打断的那句以破折号结尾,回应则以 [jumping in] 或 [interrupting] 开头。

  • 同一位说话者在每个片段中都使用相同的声音和相同的稳定性,这样整段对话听起来就像一次录音。
  • 要表现打断,请让第一个片段以破折号结尾("So I was thinking we could—"),并让另一个声音的回应以标签加破折号开头("[jumping in] —test the new timing?")。

双人场景中一位说话者的一段台词

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

为什么有效: 一个声音,一段台词,没有说话者标签:用 Maisie 生成这一段,再用另一个声音生成回应,然后把两段拼在一起。

其他语言和口音

请用你希望朗读的语言来写文本。每个声音都能流利地说这种语言,不会带着自己原有的口音,标签可以继续用英文。

如果想要特定口音,可以试试 [strong Italian accent] 这样的标签。口音标签因声音而异,所以建议多生成几次。

常见错误

别这样写,试试这样写

  • 避免: 把舞台提示写进文本里。

    She whispered nervously: Is anyone there?

    改为: 使用标签:标签会被演绎出来,而不是被读出来。

    [whispers] [nervously] Is anyone there?

  • 避免: 用标签描述看得见的内容:[smiling]、[walks away]、[music]。

    改为: 用标签描述听得见的内容:[warmly]、[chuckles]、[sighs]。音乐请用 Eleven Music 制作。

  • 避免: SSML 停顿标签。

    改为: 省略号、破折号、换行,或 [short pause]。

  • 避免: 数字、符号和网址。

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

    改为: 所有内容都按口语读法书写。

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

  • 避免: 在一次生成中使用说话人标签:“Speaker 1: Hi. Speaker 2: Hey.”

    改为: 每位说话人单独生成一次,再在编辑器中拼接。

  • 避免: 与声音或台词含义相冲突的标签。

    改为: 选择本身就带有该语气的声音,并使用与文字相符的标签。

  • 避免: 含糊的单词标签,可能会被生成为音效。

    改为: 描述声音的特质:[low, gravelly voice]。

  • 避免: 添加标签时改动台词。

    改为: 保持脚本原文不变,只在周围添加标签。

常见问题

Eleven Speech 提示词常见问题

什么是 ElevenLabs 音频标签?
放在方括号中的词语,用来指导声音的表现,而不会被读出来,例如 [whispers]、[laughs]、[sarcastic]、[sighs],或类似 [Low, steady voice, restrained urgency] 的短语。把它放在要影响的文字之前;如果是反应类标签,则放在文字之后。
Eleven Speech 的提示词应该多长?
和语音内容一样长。标签之外的每个词都会被读出来,音频时长取决于朗读这些文字所需的时间,正常语速下大约每秒 2.5 个词。较长的脚本建议分段书写,每段以一个指示标签开头。
如何在 Eleven Speech 中添加停顿?
用省略号表示犹豫,用破折号表示短暂停顿,在语句节奏之间换行,或使用 [short pause] 或 [long pause] 标签。不支持 SSML 停顿标签。
如何让 Eleven Speech 低语或大笑?
在要低语的文字前加上 [whispers],在值得一笑的台词后加上 [laughs]。如果某个声音忽略了标签,可以把 Stability 调向 Expressive,或选择更适合该语气的声音。
如何纠正名字的发音?
用带重音符号的 IPA 书写名字,放在斜杠之间并加双引号,例如 "/ˌbaɪoʊˈkemɪstri/",或者按发音重新拼写。请试听结果,因为不同声音的效果会有差异。
Eleven Speech 能在一段音频里使用两种声音吗?
不能。一次生成只能使用一种声音,而且说话人标签会被读出来。请为每位说话人分别生成各自声音的音频,再在编辑器中拼接。
为什么我的标签变成了音效?
Eleven Speech 也能生成音效,所以简短的标签可能会被当作音效。请改成描述声音特质的写法,例如用 [low, gravelly voice] 代替 [gravel]。

用 ElevenLabs v4 生成你的第一段音频

新账号可获得 300 个免费 Gems,足够试用 Eleven v4。无需安装,无需信用卡。

试用 Eleven v4