Озвучка текста с эмоциями в ElevenLabs: полный гайд с примерами на цитатах из фильмов

В ElevenLabs озвучкой текста можно управлять как актёром: вы решаете, где голос шепчет, злится, смеётся или срывается на крик, и запись звучит живо. Эмоцию задаёт тег: английская ремарка в квадратных скобках перед фразой, например [whispering]. Нейросеть её не читает, а меняет подачу до следующего тега. На русском это тоже работает. В ElevenLabs v4 я озвучил 11 сцен из фильмов, переписанных под разработку и офис: ни один тег не прозвучал словами, ударения верные, смена эмоций слышна во всех сценах.

Покажу, как озвучить текст по шагам, какие теги есть и какие из них проверены на слух. Справочник тегов и все 11 сцен можно скопировать и переделать под свой текст.

Как получить озвучку с эмоциями за 4 шага:

1. Откройте режим «Текст в речь» и выберите v4 или v3: эти версии понимают теги.

2. Вставьте русский текст. Ударения размечать не нужно, паузы задаются знаками.

3. Возьмите голос, которому подходит нужная подача. Шёпот проще получается у голоса, который уже умеет шептать.

4. Поставьте тег перед первой фразой и новый там, где меняется эмоция.

Теги нужны не каждому тексту. Запись без тегов у меня тоже звучала естественно, так что ровный закадровый текст можно оставить как есть. Для сцены, где эмоция меняется по ходу, ставьте тег на каждую смену: так та же реплика звучит живее. Если голос не похож на героя фильма, меняйте голос, а не теги.

Проверено в ноябре 2026 года на ElevenLabs v4.

Как озвучить текст в ElevenLabs за 4 шага

Озвучка складывается из 4 действий: выбрать версию, подготовить текст, взять голос и расставить теги.

Шаг 1. Выберите версию с тегами, иначе скобки прозвучат вслух

Откройте режим «Текст в речь» и поставьте v4. Теги понимают Eleven v4, v4 Turbo и v3, а сценарии, написанные для v3, должны работать и в v4. Модель без поддержки тегов, например Speech Eleven v2, прочитает скобку как обычный текст. Выбор между поддерживающими версиями простой: v4 Turbo рассчитана на работу в реальном времени, так что для готовой записи я брал обычную v4. Русский есть в списках языков и у v4, и у v3.

Я работал в SYNTX.AI, поэтому названия режимов и цены в токенах дальше указаны по этому сервису. А для читателей Хабр работает промокод CTRLAI со скидкой 20%.

Ползунки я не трогал, во всех прогонах они стояли по умолчанию: скорость 1.0, стабильность 50, сходство 50.

Шаг 2. Подготовьте только паузы: русский модель прочитает сама

В моём отдельном тесте озвучки и диалогов числа, даты, «ё», «ИИ» и слова с двумя вариантами ударения прозвучали верно без подготовки. В сценах этого гайда не споткнулись «коммит», «бэкенд» и «ревьюер». Ударения размечать не нужно. Тройная гласная просто растягивает слово: так записано «Нееет!» в «Звёздных войнах».

Паузы задаются знаками. <break> в v4 и v3 не работает, поэтому используйте многоточие, точку и разбивку на предложения. Капс даёт нажим. Пример: «МОЙ» в сцене Голлума ниже, рядом с [shrieking].

Лимит текста - 10 000 символов. Но куски короче 250 символов гайд ElevenLabs по v3 называет нестабильными, поэтому новый тег лучше пробовать на абзаце.

Шаг 3. Подберите голос под подачу, которая нужна сцене

По документации ElevenLabs тег надёжнее работает, когда голос такой подачей уже умеет говорить. Шёпот и крик такому голосу даются проще, а серьёзному голосу плохо идут игривые теги. Для русского текста ищите голос с родным русским. В библиотеке ElevenLabs с фильтром Russian около 5 700 голосов, но у части из них русский только среди дополнительных языков.

Шаг 4. Расставьте теги и сверьте цену до запуска

Первую скобку с тегами поставьте перед первой фразой, а следующую ставьте там, где сцена поворачивает. Перед запуском окно показывает число символов и стоимость. Выбор голоса на цену не влияет, а вот теги считаются символами.

Тег работает как ремарка режиссёра: как его записать

Тег - это ремарка в сценарии: актёр её не произносит, он её играет. Модель ведёт себя так же, если запись правильная. Правила взяты из блога и документации ElevenLabs, и на русских сценах они сработали.

• Скобки только квадратные. Круглые и фигурные не работают.

• Тег стоит перед словами, к которым относится, и действует до следующего тега.

• Язык тега английский, даже в русской реплике.

• В одну скобку можно положить несколько описаний, если они дополняют друг друга: calm but threatening работает, а whispering, shouting спорит само с собой.

• На одну эмоцию идёт одна скобка, смена эмоции - новая скобка. Противоположные теги на одних и тех же словах смазывают игру.

• Пауза и реакция могут стоять отдельными скобками рядом с эмоцией: [long pause] [exhales slowly]. Двумя скобками подряд в блоге задают и смешанное чувство: [hopeful] [nervous].

• Тег можно поставить и после фразы: в «Терминаторе» ниже так стоит звук в конце реплики.

В примерах самого ElevenLabs тег стоит почти перед каждым предложением, и я сделал так же. Каждая сцена разбита на биты, то есть отрезки с одной эмоцией, и у каждого бита свой тег. Выглядит плотно, но при прослушивании все биты оказались на месте.

Английский тег внутри русской реплики модель понимает как эмоцию для голоса, акцента от него нет. Все примеры у ElevenLabs на английском, поэтому на русском я слушал именно это: за 11 сцен ни один тег не прочитан вслух, произношение не поехало.

С тегами та же болезнь, что с вайбкодингом: написал [angry], не прослушал и выкатил. Один [angry] без остального даёт среднего актёра. Допишите в тег, что происходит в реплике, возьмите подходящий голос, и тег работает. Эмоцию можно передать и словами в самом тексте: фразу без скобок вроде «голос дрожит от грусти» модель озвучит как есть, и она тоже окрасит подачу.

4 ошибки записи, из-за которых тег не срабатывает

Вслух тег читается, если скобки не те или версия модели теги не поддерживает. Версию выбирают на шаге 1, остальное зависит от записи.

Справочник тегов: что есть в списке и что звучало в сценах

Теги ElevenLabs делятся на 6 групп: эмоции (в таблице это первые 5 строк), подача и громкость, темп, реакции, акценты и персонажи, звуки. Список ниже приведён по блогу ElevenLabs, обновлённому 15 октября 2026 года. Он не закрыт: свои теги можно писать обычными словами.

Эмоции там разложены по энергии, от высокой до низкой. Выбирать удобнее в 2 шага: сначала решите, сколько энергии нужно сцене, потом ищите оттенок внутри группы.

Последний столбец собрал я сам из своих сцен. Эти теги стояли в тексте, не прочитались вслух, и ход сцены был слышен.

В одной скобке удобно собирать эмоцию, подачу и темп. Например, [furious, commanding, shouting with authority] задаёт ярость, командный тон и крик, а [gentle, nostalgic, slow pacing] - мягкость, ностальгию и медленный темп. Если нужна злость без крика, возьмите тег из горячей группы и добавьте тихую подачу: так в монологе Дона появился [controlled anger, low].

Озвучка с эмоциями на низкой энергии: 2 тихие сцены

Тихая сцена держится на оттенках, поэтому здесь видно, как работает смена тега без повышения голоса. Дальше и другие группы тегов разобраны на сценах из кино. Киносцены удобны тем, что ход эмоций в них известен заранее, и на слух сразу понятно, сбилась модель или нет. Реплики переписаны под разработку и офис: от фильма остались приём и ход эмоций. Где я прогнал 2 версии, они стоят одна под другой.

«Крёстный отец»: обида остывает до ледяного финала

Вайбкодер приходит к Дону с одной строчкой вместо задачи. Первая скобка задаёт голос всей сцены, следующие только сдвигают оттенок.

Без тегов:

Ты пришёл и говоришь: «Дон Клод Код, мне нужно приложение». Но ты просишь без уважения. Ты не предлагаешь дружбу. Ты даже не назвал меня крёстным отцом. Приди ты ко мне как друг, с нормальным описанием, и твой баг был бы закрыт ещё утром. Вместо этого ты бросил мне одну строчку: «сделай красиво». Ни техзадания, ни макета, ни одного теста. А теперь ты хочешь, чтобы я за вечер собрал тебе бэкенд, фронт и оплату. Что ж. Я сделаю тебе предложение, от которого ты не сможешь отказаться: ты напишешь нормальное описание задачи. И тогда я сделаю всё. Но запомни: в пятницу мы не выкатываем.

С тегами:

[slow, quiet authority, serious, gravelly voice] Ты пришёл и говоришь: «Дон Клод Код, мне нужно приложение». [cold, restrained disappointment] Но ты просишь без уважения. Ты не предлагаешь дружбу. [wounded dignity] Ты даже не назвал меня крёстным отцом. [softly, patient, almost regretful] Приди ты ко мне как друг, с нормальным описанием, и твой баг был бы закрыт ещё утром. [quiet, incredulous] Вместо этого ты бросил мне одну строчку: «сделай красиво». [dry, flat] Ни техзадания, ни макета, ни одного теста. [controlled anger, low] А теперь ты хочешь, чтобы я за вечер собрал тебе бэкенд, фронт и оплату. [long pause] [exhales slowly] Что ж. [softly, almost kind] Я сделаю тебе предложение, от которого ты не сможешь отказаться: ты напишешь нормальное описание задачи. [warm, fatherly] И тогда я сделаю всё. [flat, final, ominous] Но запомни: в пятницу мы не выкатываем.

С тегами слышна сдержанная обида, потом мягкость на «Приди ты ко мне как друг» и недоверие на «Вместо этого». К концу приходят расчётливая теплота на «предложении» и ледяная последняя фраза. На «Что ж» стоят 2 скобки подряд, и слышны обе: пауза и выдох. Низкий хриплый тон держится до конца записи.

«Форрест Гамп»: тёплый голос и грусть без драмы

Здесь мягкие теги стоят на тёплом голосе: подача совпадает с его характером. Многоточий в тексте нет: замедление и паузы задают сами теги.

[gentle, nostalgic, slow pacing] Хотите конфету? [naive, warm] Мама говорила, что вайбкодинг как коробка конфет. [slow, thoughtful] Никогда не знаешь, какая начинка попадётся. [nostalgic, wistful] В тот день мне попалась такая: приложение запустилось с первого раза. [gentle, naive] Я тоже удивился. [soft, sad] Потом я открыл логи. [quiet, a little sad] Вот и всё, что я хочу сказать про вайбкодинг.

Фраза про конфеты переходит в ностальгию, потом в наивное удивление и лёгкую грусть на логах. Тон остаётся добрым до конца.

Шёпот, рёв и эхо: громкость задают теги подачи

Тег подачи меняет громкость прямо внутри одной записи, делить текст на части для этого не пришлось. В этой группе 3 разных случая: речь с эхом, шёпот от начала до конца и один громкий удар посреди диалога.

«Гладиатор»: речь перед ночным релизом

Шутка стоит посреди пафоса намеренно. По ней слышно, вернётся ли голос от эпоса к иронии.

Без тегов:

Братья по сборке. Сегодня ночью мы выкатываем релиз. Если у вас на глазах упадёт тест, держите строй. Не уходите в ветку «потом». И если спросят, почему вы в офисе в три часа ночи, отвечайте: мы просто любим кофе. Мы не просто закрываем задачи. Что мы пишем в коммитах, отзывается в вечности.

С тегами:

[calm, steady, authoritative] Братья по сборке. Сегодня ночью мы выкатываем релиз. [low, intense] Если у вас на глазах упадёт тест, держите строй. Не уходите в ветку «потом». [dry, wry] И если спросят, почему вы в офисе в три часа ночи, отвечайте: мы просто любим кофе. [building, rising] Мы не просто закрываем задачи. [epic, inspirational, slow, intense, echoing] Что мы пишем в коммитах, отзывается в вечности.

Спокойное обращение сменяется тихим напором, шутка звучит сухо, а к концу подача нарастает. На последней фразе echoing даёт эхо, его слышно.

«Шестое чувство»: шёпот без единого крика

[whispering, trembling voice, terrified] Я вижу мёртвый код. [whispering, shaky] Он повсюду. Лежит в репозитории, как будто так и надо. [fearful, barely audible] Он не знает, что он мёртвый. [trembling, confiding] Он думает, что работает. Что его кто-нибудь вызовет. [whispering, hollow] Но его уже давно никто не вызывает.

Шёпот с дрожью идёт через всю запись, и на barely audible голос становится ещё тише. Для такой сцены хватило оттенков страха: крик здесь не нужен.

«Звёздные войны»: громкий тег только на одной фразе

Вейдер почти весь диалог говорит тихо и угрожающе, а громкий тег стоит только на одной его реплике. Имена перед двоеточием нужны только для чтения: в режиме «Создание диалогов», о нём ниже, их вводить не надо.

Люк: [angry, breathless, trembling] Ты сломал сборку. Ты убил мой проект. Ты уничтожил человека, который написал этот код!
Вейдер: [slow, deep resonance, quiet menace] Нет, Люк. [dramatic pause] [booming, deep resonance] Этот код писал твой отец.
Люк: [stunned, whispering] Нет... [denial, shaking] Это неправда. Ты врёшь.
Вейдер: [quiet, almost gentle] Посмотри в историю коммитов. Ты знаешь, что это правда.
Люк: [desperate, anguished, shouting] Нееет!

После [dramatic pause] слышны пауза и грохочущая подача на «Этот код писал твой отец». Люк проходит от злости через шок шёпотом к отчаянному крику.

Темп и напор растут от реплики к реплике в «Джерри Магуайре»

Темп задают теги вроде fast pace, а напор копится, если каждый следующий тег сильнее прошлого. Разработчик по телефону требует от продакта кричать про релиз. Капс и восклицательные знаки стоят в обеих версиях, поэтому разницу между записями дают только теги.

Ползунок скорости я не трогал. ElevenLabs рекомендует диапазон 0,7-1,2, а на краях качество падает. Ползунок меняет скорость всего текста, а тег только на нужном куске.

Без тегов:

Разработчик: Покажи мне релиз! Давай, продакт, скажи это!
Продакт: Э... покажи мне релиз.
Разработчик: Громче! Я не слышу!
Продакт: Покажи мне релиз!
Разработчик: ЕЩЁ РАЗ!
Продакт: ПОКАЖИ МНЕ РЕЛИЗ!

С тегами:

Разработчик: [demanding, fast pace] Покажи мне релиз! Давай, продакт, скажи это!
Продакт: [hesitant, embarrassed] Э... покажи мне релиз.
Разработчик: [louder, impatient, high energy] Громче! Я не слышу!
Продакт: [louder, nervous, gaining confidence] Покажи мне релиз!
Разработчик: [screaming, ecstatic, high energy, fast pace] ЕЩЁ РАЗ!
Продакт: [screaming, ecstatic, breathless] ПОКАЖИ МНЕ РЕЛИЗ!

Разработчик говорит быстро, а продакт начинает робко, и последняя пара реплик звучит уже как общий восторженный крик.

Смех, топор и разбитое стекло: звуковые теги работают прямо в речи

Реакции и звуковые теги не требуют отдельной дорожки: в этих сценах смех, удары топора и звук разбитого стекла идут прямо в записи голоса.

«Сияние»: песенка, топор, тишина и крик

Тимлид идёт по коридору к переговорке, команда прячется внутри. Песенка задана описанием sing-song: тег [sings] ElevenLabs относит к нестабильным. Перед криком рядом стоят звук и пауза.

Без тегов:

Команда: Тише. Он идёт по коридору. Не дышите.
Тимлид: Баг-малыш, баг-малыш, дай мне войти в твой билд...
Команда: Он ломает дверь! Он правда ломает дверь!
Тимлид: А вот и прод!

С тегами:

Команда: [whispering, frightened] Тише. Он идёт по коридору. Не дышите.
Тимлид: [sing-song, playful, menacing] Баг-малыш, баг-малыш, дай мне войти в твой билд...
Команда: [panicking, trembling] Он ломает дверь! [gasping] Он правда ломает дверь!
Тимлид: [axe hitting wood] [long pause] [manic, shouting, aggressive, unhinged] А вот и прод!

Шёпот страха переходит в песенку с угрозой, потом в панику. Дальше слышны удары топора, пауза и финальный крик.

«Терминатор»: резкий звук удара в конце реплики

Охранник на ресепшене растёт от скуки к раздражению, а у робота в каждой реплике одна и та же скобка, потому что его подача не меняется.

Охранник: [bored, flat] Добрый вечер. Офис закрыт, заявки принимаем до шести.
Робот: [deadpan, robotic, calm but threatening] Мне нужен доступ к проду.
Охранник: [mildly annoyed] Без пропуска нельзя. Заявка через портал, согласование три рабочих дня.
Робот: [deadpan, robotic, calm but threatening] Мне нужен доступ к проду.
Охранник: [irritated, firm] Вы слышали? Нельзя. Вы вообще читали регламент?
Робот: [deadpan, robotic, calm but threatening] Я вернусь. После созвона. [car crashing through glass]

Тег [car crashing through glass] дал резкий звук разбитого стекла, и по описанию тега он похож. Если звук важен сам по себе, соберите его отдельно: в блоге ElevenLabs звуковые теги описаны как способ драматизировать речь, а для отдельных эффектов там советуют генератор звуков.

«Тёмный рыцарь»: смех прямо внутри монолога

Смена тона здесь идёт новым тегом. Вкрадчивость и смех не лежат в одной скобке, поэтому не спорят друг с другом.

[soft, conspiratorial, erratic pacing] Хочешь знать, откуда у меня эта улыбка? Мой первый тимлид любил порядок. [mad laughter] Ха-ха. [psycho, tender] Он говорил: «Ты слишком серьёзно относишься к коду». И показал мне, как правильно ронять прод в пятницу. [sudden calm, whispering] А потом улыбнулся. Как я. [mad laughter, leaning in] Ха-ха-ха! [quiet, menacing] Так чего ты такой серьёзный?

Рассказ идёт вкрадчиво, смех слышен там, где стоит тег, а финальный вопрос звучит тихо и с угрозой.

Свои теги: если слова из списка мало, опишите ситуацию

Фиксированного списка у ElevenLabs нет, и тег можно написать обычными словами. Если одного слова-эмоции мало, опишите ситуацию и намерение: out of breath after running up the stairs. Тег, который почти попал, не меняйте на другой, а дополните деталью, которой не хватает.

В блоге ElevenLabs есть и другие описания: a tired detective who has heard it all before, starting calm, then losing patience, low, gravelly voice. Там же честно сказано, что без пробы не обойтись. В 2 сценах ниже большинство тегов вне списка, и биты в них оказались на месте.

«Властелин колец»: 2 голоса в одном монологе

Вайбкодер прячет единственный рабочий промпт. Гортанный голос задаёт guttural, гнусавый - nasal, а hissing, shrieking и crooning добавляют оттенки.

Без тегов:

Моя прелесть... Мой единственный рабочий промпт. Он починил всё за один вечер, и я не знаю, как. Не показывайте его никому. Не показывайте его ревьюеру. А если спросят, что здесь происходит... Это мой коммит. МОЙ. Мой прелестный коммит... Только не трогайте бэкенд. Он держится на одном слове.

С тегами:

[whispering, raspy, unstable, breathing heavily, guttural] Моя прелесть... [obsessive] Мой единственный рабочий промпт. [hissing, paranoid] Он починил всё за один вечер, и я не знаю, как. [whispering, suspicious] Не показывайте его никому. [sudden hostility, through teeth] Не показывайте его ревьюеру. [nasal, whiny, uneasy] А если спросят, что здесь происходит... [possessive, rising] Это мой коммит. [shrieking] МОЙ. [crooning, nasal, tender] Мой прелестный коммит... [pleading, barely audible, nasal] Только не трогайте бэкенд. [fragile, almost a whisper] Он держится на одном слове.

Паранойя и злость идут гортанно, на «ревьюеру» вспышка, на «МОЙ» крик. Потом приходят нежность и мольба гнусавым голосом и шёпот в конце. Гортанный и гнусавый варианты различаются на слух, хотя голос из библиотеки один.

«Криминальное чтиво»: заикание тегом и буквами

Тимлид спрашивает, в какую ветку залит код. У джуна страх задан описаниями stuttering, stammering, whimpering, а заикание ещё и написано буквами.

Без тегов:

Тимлид: Как называется ветка, в которую ты залил свой код?
Джун: Ч-что?
Тимлид: Я спросил: как она называется.
Джун: М-мастер. Я... я хотел только... у меня на машине всё работало!
Тимлид: Мастер? Скажи «что» ещё раз! Скажи «что» ещё раз, я тебя прошу!
Джун: Я... я не буду.

С тегами:

Тимлид: [calm, icy, quiet menace] Как называется ветка, в которую ты залил свой код?
Джун: [nervous, stuttering] Ч-что?
Тимлид: [controlled anger, sharper] Я спросил: как она называется.
Джун: [terrified, stammering] М-мастер. Я... я хотел только... у меня на машине всё работало!
Тимлид: [furious, commanding, shouting with authority] Мастер? Скажи «что» ещё раз! Скажи «что» ещё раз, я тебя прошу!
Джун: [whimpering, barely audible] Я... я не буду.

Тимлид идёт от ледяного спокойствия через сдержанную злость к командному крику. Джун заикается от страха, а последнюю его реплику еле слышно.

Как разметить свой текст: 4 шага на монологе Дона

Разметка идёт от смены настроения к тегам, и первый шаг вообще обходится без них. Вот как собран монолог из «Крёстного отца». Так же можно собрать свой абзац.

1. Прочитайте текст и отметьте места, где у героя меняется настроение. У Дона их вышло 9, от сдержанной обиды до ледяного предупреждения про пятницу. В абзаце попроще их будет меньше, и больше ставить незачем.

2. Задайте основу, одну скобку на всю роль. У Дона это [slow, quiet authority, serious, gravelly voice], то есть темп, манера и тембр сразу. Основа стоит один раз, в начале.

3. На каждой смене поставьте короткий тег, который описывает только новое: [dry, flat], [quiet, incredulous]. Тембр повторять не пришлось, низкий хрип держался до конца записи.

4. Добавьте паузы и реакции там, где герой молчит или вздыхает: [long pause] [exhales slowly] перед «Что ж».

Потом послушайте запись целиком и правьте только тот бит, который выпал. Новый тег действует до следующего и меняет эмоцию во всём, что идёт за ним, а тембр из основы у Дона сохранился до конца. Если вы вставили эмоцию в середину абзаца, поставьте тег и на следующую фразу, иначе новая эмоция уедет дальше, чем вы хотели.

Какую сцену взять за образец под свою задачу

Сцены из гайда работают как шаблоны: реплики меняются на ваши, а ход тегов остаётся. Какой образец ближе, зависит от того, что должно происходить с голосом.

Как выбрать голос под сцену

Чтобы приблизиться к оригинальной сцене, надо пробовать разные голоса. Кстати, один голос вполне тянет разные роли: Son A сыграл и Голлума, и Джокера, а Egor Gadzhiyev - охранника, разработчика и тимлида.

Описание голоса в библиотеке подсказывает, какая подача ему дастся легко. Для хриплого нервного персонажа я искал raspy, husky и gravelly, для тихого авторитета - deep, low, mature и authoritative, а для доброго рассказчика - warm и calm. Голоса с пометками youthful и cheerful для Дона я отсекал сразу. Честно говоря, русского жуткого хрипуна для Голлума в выдаче не нашлось, так что основная работа там легла на теги.

Если теги на другом голосе не берутся, сначала смените голос. В гайде ElevenLabs по v3 для тегов советуют голоса из библиотеки.

Как озвучить диалог двумя голосами: реплики идут по одной

Диалог собирается в режиме «Создание диалогов». Открывается всплывающее окно, в нём реплики добавляются по одной, и каждой задаётся свой голос. Метки вроде «Спикер 1» не нужны, а теги пишутся внутри самой реплики. Так прошли все 5 диалогов из этого гайда, каждый на 2 голоса.

Порядок простой: добавьте первую реплику, выберите ей голос и переходите к следующей. Голосов может быть и больше 2. А если голос один и манеры две, этот режим не нужен: монолог Голлума с двумя манерами прошёл в обычном «Тексте в речь».

Для диалога у ElevenLabs есть несколько своих приёмов. Обрыв реплики ставится дефисом, затухание - многоточием, а вход в чужую реплику - тегом [jumping in]. Кроме эмоций, можно задать звуковое событие ([applause], аплодисменты) и манеру роли ([auctioneer], аукционист). В диалогах ориентир ниже, чем 10 000 символов в обычной озвучке: для надёжной генерации ElevenLabs называет 2 000 символов на запрос. Длинную сцену лучше делить.

Если сцена звучит не так, меняйте что-то одно

Менять лучше по одному пункту и в таком порядке, иначе непонятно, что именно помогло.

1. Тег прочитан вслух: проверьте скобки и версию. Такой сбой дают круглая скобка или модель без поддержки тегов.

2. Эмоция почти попала: допишите в тот же тег деталь, которой не хватает. Например, [angry] превращается в [controlled anger, low].

3. Эмоция смазалась: посмотрите, не спорят ли описания в одной скобке, и разнесите их по разным фразам.

4. Эмоция слышна, но сцена не похожа на замысел: смените голос.

5. Тон сам сменился посреди записи: сгенерируйте её заново.

6. Нужна более драматичная подача: снизьте стабильность и сделайте несколько вариантов. Мне это не понадобилось, на значении 50 все биты были на месте. В гайде по v3 та же логика: чем устойчивее настройка, тем хуже голос реагирует на теги.

И ещё: теги нужны не каждому тексту. Ровный закадровый текст можно оставить как есть.

Сколько стоит озвучка ElevenLabs с тегами

Озвучка стоит около 8 токенов за 1 000 символов, то есть минута речи выходит примерно в 7 токенов. Текст на 995 символов обошёлся в 8 токенов и прозвучал 1 минуту 6 секунд. Теги оплачиваются как текст, но не озвучиваются, поэтому запись от них длиннее не становится.

Я посчитал на монологе из «Гладиатора». Без тегов в нём 292 символа, с тегами 413, то есть разметка добавила около 40%. В токенах это примерно 2,3 и 3,3. Если разметка такая же плотная, минута речи встанет уже не в 7, а примерно в 10 токенов. Все 17 записей теста (11 сцен с тегами и 6 без тегов) занимают около 6 590 символов, и по той же цене выходит около 53 токенов: это расчёт по символам, а не замер.

И считайте дубли, а не только последнюю запись. Если голос ещё не выбран, дешевле прогнать кандидатов на одном абзаце, а всю сцену запускать уже на одном из них.

Каждую сцену я прогнал один раз, а результат от запуска к запуску может отличаться: для диалогов ElevenLabs говорит об этом прямо. Экспериментальные теги вроде [strong French accent] и [sings] могут вести себя по-разному на разных голосах. Если сцена важна, закладывайте несколько дублей.

Попробовать теги на своём тексте

Справочник и 11 сцен выше можно копировать: начните с монолога Дона, замените реплики на свои и послушайте запись целиком, прежде чем править теги. Повторить это можно в SYNTX.AI, режимы там те же, что в гайде. Промокод CTRLAI даёт скидку 20% на любой тариф для читателей Хабра.