Eleven v4语音模型：情绪表达与内联标签控制

原文要点

ElevenLabs发布Eleven v4及低延迟版v4 Turbo：可用自然语言描述台词演绎方式，或在文本中插入[laughs]、[said angrily]、[light rain]等内联标签控制语气与音效；多说话人对话更连贯，IPA音素自定义发音改进；作者称盲测约75%听众偏好，v4 Turbo中位首次发声延迟约150ms（WebSocket流式、2026年9月自测），支持90多种语言，Instant Voice Clone宣称10秒音频可克隆；两者已在ElevenAgents、ElevenCreative和ElevenAPI开放。

这次做成什么

用Eleven v4的内联标签与演绎提示，做出一段带情绪和音效的多角色中文播客开场音频，并掌握标签写法与失败排查方法。

准备什么

• 可使用目标语音模型的ElevenLabs账号；权限、可用额度和计费以当前控制台为准
• 一段自己编写的台词文本，不含他人隐私或受版权保护的整段文稿
• 如需克隆声音：本人或已获授权的清晰干声录音，不要在未授权情况下克隆他人声音

具体怎么做

1. 进入创作界面并选模型

   登录后在ElevenCreative新建项目，在模型选择处切换到Eleven v4；若做语音客服等实时场景则在ElevenAgents或ElevenAPI里选Eleven v4 Turbo。先生成一句短文本确认模型可用，再开始正式编排。

2. 编写带内联标签的台词

   在台词中需要情绪或音效的位置插入方括号标签，如[laughs]表示笑声、[said angrily]表示愤怒地说、[light rain]添加雨声氛围；也可用自然语言整段描述演绎方式，例如用疲惫沙哑的声音读出。本站示例材料给出完整可复制脚本，标签请用英文写，台词可以是中文。

3. 多角色分段生成

   不同角色分别选定不同声音（Voice Library里挑或自建），逐段生成，保持同一角色始终用同一个声音ID，避免角色漂移；生成后按顺序拼接。

4. 对比与微调

   同一句台词分别生成无标签版和有标签版，对比情绪差异；若标签未生效，检查括号是否为半角、标签是否为英文短语，并尝试把标签移到句首。

可直接复制的材料

[upbeat intro music]
主持人A [excited, happy]: 各位听众晚上好！欢迎回到《深夜代码铺》，我是阿澈。
主持人B [calm, warm voice]: 我是小满。今天我们要聊一个让无数程序员又爱又恨的话题——上线前的最后一小时。
主持人A [laughs]: 说是最后一小时，谁信啊？我上次说'就改一行'，结果改到了凌晨四点。
主持人B [said softly, slightly amused]: 而且那一行还是注释。
主持人A [dramatic pause] [said seriously]: 所以今天的第一条建议就是——任何写着'小改动'的工单，都要按大改动对待。
[phone buzzing]
主持人B [whispers]: 等一下，我的手机在震……是运维群的消息。
主持人A [nervous, faster pace]: 不会吧，今天我们刚发布完。
主持人B [said with relief]: 虚惊一场，是外卖到了。好，我们正式开始。

你是一名有声内容导演助手。请把我给的台词改写成适合Eleven v4生成的标注版本，要求：1) 情绪、语气用英文内联方括号标签写在对应句子开头，如[excited]、[said angrily]、[whispers]、[laughs]；2) 环境音效用标签表示，如[light rain]、[phone buzzing]；3) 台词正文保持中文原文不改写；4) 每段标注说话人；5) 输出只给标注后全文，不解释。我的台词如下：

输入与输出示例

本站虚构演示，非ElevenLabs官方输出，未实际运行；标签支持范围以官方文档为准

输入

输入台词：'你终于回来了。我等了你三年。门外在下大雨，你就站在那儿笑。' 指定：女声，前半句压抑委屈，后半句带点苦中作乐，要有雨声。

对应输出

标注结果示意：[light rain]
[said quietly, holding back emotion]: 你终于回来了。
[long pause] [said with a trembling voice]: 我等了你三年。
[rain gets heavier] [bittersweet laugh]: 门外在下大雨，你就站在那儿笑。——将这段粘贴进Eleven v4并选定一个女声后，应得到带雨声氛围、情绪由压抑转为苦笑的三句演绎（效果以实际生成为准）。

做完检查这些

• 同一句台词的无标签版与标签版在情绪上能听出差异
• 多角色项目中同一角色全程使用同一声音ID，重生成不漂移
• 插入的音效类标签（如雨声、手机震动）在输出音频中可辨认
• 台词里的中文发音无明显错读，专名必要时用IPA音素标注修正

容易卡住的地方

• 本页使用半角方括号和英文标签作为练习；其他标签的支持范围须查官方语法并对比试听
• 本站未实测全部标签，具体支持清单以ElevenLabs开发者文档为准
• 作者所称盲测偏好与约150ms延迟为官方自测口径，不构成你的环境承诺
• 长文本和反复生成会增加用量，开始前先核对本账号的当前额度及计费方式
• 克隆声音必须获得本人授权，勿用他人录音