旧金山 — 人工智能语音技术公司ElevenLabs近日发布了其最新的文本转语音模型Eleven v3。这款模型在情感控制、多语种支持以及文本理解能力方面都实现了显著提升，为媒体影视、有声读物、游戏开发和教育等领域带来了更生动、真实的声音体验。
Eleven v3的核心亮点在于其对情感和语调的精确控制。用户可以通过内联音频标签，如“[laughs]”、“[whispers]”、“[sarcastic]”等，来精细调整语音的情感表达。此外，模型还支持添加音效标签，如“[gunshot]”、“[applause]”，甚至可以进行创意应用，例如“[strong X accent]”或“[sings]”。这种细致的情感控制能力，使得AI语音不再是冰冷的机器合成音，而是能够传达丰富情感的“声音演员”。
“我们希望通过Eleven v3，让AI语音更具表现力，更贴近人类的情感，”ElevenLabs的首席技术官在发布会上表示。“用户可以根据自己的需求，定制出独一无二的声音，为内容创作带来无限可能。”
除了情感控制，Eleven v3还支持多达32个不同说话者的对话，能够模拟真实交谈中的语气变化、情感起伏甚至中断等自然特性。这一功能对于需要多人对话场景的应用，例如游戏开发和有声剧制作，具有重要意义。
在语言支持方面，Eleven v3覆盖超过70种语言，相比之前的版本有了大幅提升。这使得该模型能够满足更多语言环境下的使用需求，为全球用户提供服务。
技术原理：全新模型架构与音频标签
Eleven v3的技术突破得益于其全新的模型架构。该架构能够更深入地理解文本语义和上下文，更好地捕捉文本中的情绪、节奏和意图。此外，音频标签功能的引入，允许用户通过在文本中插入特定标签来精确控制语音的情感表达和非语言反应。
为了简化创作流程，Eleven v3还引入了自动标签功能。用户只需点击“Enhance”按钮，模型便会根据文本内容自动添加情感标签。
如何使用Eleven v3
用户可以通过以下步骤使用Eleven v3：
- 访问ElevenLabs官方网站，注册并登录账号。
- 在平台中找到Eleven v3（alpha）模型并选择使用。
- 选择合适的声音，Eleven v3提供了“22位优秀配音老师”供用户选择。
- 用户可以通过上传参考音频，利用“stability slider（稳定性滑块）”控制生成的声音与原始参考音频的接近程度。
- 通过音频标签控制情绪表达，实现更精细的语音定制。
应用场景广泛
Eleven v3的应用场景十分广泛，包括：
- 媒体和影视制作： 用于电影、电视剧、广告等的配音工作，为角色赋予更加生动和真实的声音。
- 有声读物： 根据文本内容的情感和语调变化，为听众带来更加沉浸式的阅读体验。
- 游戏开发： 在游戏中的角色对话和旁白制作方面，提供更加自然和富有表现力的语音，增强游戏的互动性和趣味性。
- 教育和培训： 用于教育领域的语音教学、在线课程讲解等，帮助学生更好地理解和学习。
注意事项
ElevenLabs提醒用户，在使用Eleven v3时需要注意以下几点：
- 提示词长度：提示词过短更容易导致输出不一致，建议文本字符最好超过250个。
- 标签组合：可以组合多个音频标签，实现复杂情感表达。多尝试不同搭配，找到最适合你的声音的方式。
- 声音匹配：让标签与声音性格和训练数据相符。
- 文本结构：文本结构对输出影响极大，应使用自然的语流、恰当标点和清晰的情感语境。
Eleven v3的发布，标志着AI语音技术又向前迈进了一大步。随着技术的不断发展，AI语音将在更多领域发挥重要作用，为人们的生活带来更多便利和乐趣。
参考文献
- ElevenLabs官方网站: https://elevenlabs.io/
- AI工具集：https://aitoolset.com/ (信息来源)
Views: 0