Tutorial教學與操作指南閱讀時間 13 分鐘

Eleven v3 音訊標記：指揮有表情的 AI 語音

學會怎麼用 ElevenLabs v3 的音訊標記——寫在方括號裡的情緒、語氣、口音和角色提示——在 OmniArt 上指揮有表情的 AI 語音演出。

OmniArt 團隊2026年6月13日

大多數文字轉語音工具每次唸稿的方式都一樣：平、勻，還帶一點機械感。Eleven v3 不一樣。它讀得懂你腳本裡的情緒質地，而且用音訊標記，你可以給它明確的指示——就像配音導演在錄之前對演員下的提示。

音訊標記是直接嵌在腳本裡、寫在方括號中的短詞或短語。它們告訴模型下一句該怎麼唸：用氣音講、吼出來、加上英國腔，或是在句子中間用一聲嘆息斷開。這篇指南涵蓋 OmniArt 上完整的標記詞彙、怎麼寫用得上它們的多角色腳本，以及怎麼判斷什麼時候 Eleven v3 才是對的模型。

音訊標記是什麼

音訊標記是放在方括號裡的行內指示提示——[whispers]、[excited]、[British accent]——擺在腳本裡你想要語氣改變的那個位置。Eleven v3 會把它們解析成指令而不是要唸出來的字，並據此調整語調、節奏和情緒。

它跟舊式 TTS 最關鍵的差別，是 v3 會詮釋上下文。它不只是套一層無差別的濾鏡：它會拿標記去對照周圍的句子權衡，所以 [sighs] 放在 "I suppose you're right" 前面，跟放在 "Fine, let's go." 前面，出來的結果不一樣。正是這種對上下文的敏感度，讓有標記的腳本聽起來像被導過，而不是被處理過。

小技巧

把標記緊接在它要影響的那個片語前面。放在段落開頭的標記，會一直管到下一個標記或一次自然的語氣重置為止。

音訊標記詞彙

下面的表格把每一大類標記連同例子整理出來。這些都是 Eleven v3 在 OmniArt 上會穩定回應的提示。

情緒標記

標記	效果
`[excited]`	能量升高、節奏變快、音色變亮
`[sad]`	更慢、更低、更收斂
`[angry]`	短促、有力、音量提高
`[nervous]`	節奏略微不勻，整體變輕
`[happy]`	溫暖、上揚、共鳴開闊
`[tired]`	更慢、更平、用力更少
`[afraid]`	緊繃、克制、氣息變少
`[disgusted]`	情緒平板，帶一點嫌惡
`[surprised]`	起音音高變高，句子變短

語氣標記

標記	效果
`[whispers]`	氣音、低音量、貼近
`[shouting]`	高音量、送得出去、共鳴開闊
`[pause]`	在這裡插入自然的停頓或斷點
`[slowly]`	拉長速度，不改變音高
`[fast]`	壓縮速度，能量升高
`[sighs]`	在片語開頭織進一聲聽得見的吐氣
`[laughs]`	在句子前面或句中加一聲自然的短笑
`[crying]`	讓語氣帶著破碎、濕潤的質地

角色與人設標記

標記	效果
`[pirate voice]`	戲劇化、帶喉音、誇張的抑揚
`[robot voice]`	短促、單調、合成質地
`[narrator]`	權威、勻速、紀錄片的語域
`[announcer]`	送得出去、正式、播報等級
`[childlike]`	音高較高、斷句較短、俏皮

口音標記

標記	效果
`[British accent]`	標準英式發音的質地
`[Southern US accent]`	溫暖、拉長的母音
`[Australian accent]`	句尾上揚的語調
`[Irish accent]`	富旋律感，母音圓化很有辨識度
`[New York accent]`	短促的子音，中頻帶鼻音

說明

口音標記是疊在基礎聲音預設上的。結果依預設而異——有些聲音的反應比其他的強。在整份腳本上路之前，先生成一句短的測試看看。

標記速查表

用途	範例標記
情緒——正向	`[excited]`、`[happy]`、`[surprised]`
情緒——負向	`[sad]`、`[angry]`、`[tired]`、`[afraid]`、`[nervous]`
音量／投射	`[whispers]`、`[shouting]`
速度	`[slowly]`、`[fast]`
自然聲響	`[sighs]`、`[laughs]`、`[crying]`、`[pause]`
角色語域	`[pirate voice]`、`[robot voice]`、`[narrator]`、`[announcer]`、`[childlike]`
口音	`[British accent]`、`[Southern US accent]`、`[Australian accent]`、`[Irish accent]`、`[New York accent]`

寫一份帶標記的腳本：兩個例子

例子 1——有情緒的敘述

這是一段有聲書章節的短開場。標記會隨著場景推進轉換情緒。

[narrator] The city had been quiet for three days.

[slowly] Not the quiet of peace — [pause] the quiet of waiting.

[tired] Maya poured her fourth cup of coffee and stared at the map pinned to the wall.

[whispers] They had to be out there somewhere.

[sighs] She just needed one more lead.

[narrator] 標記從一開始就定下勻速的語域。[slowly] 配上一個 [pause] 撐出戲劇空間。[tired] 讓語氣垮下來，接著 [whispers] 把它拉得又低又貼近。[sighs] 加進一次生理上的呼吸，讓最後一句聽起來是掙來的。

例子 2——兩個角色的對白

Eleven v3 可以從單一提示詞處理多說話者的朗讀。用角色標籤和語氣標記把每個聲音區分開來。

CAPTAIN (VOICE A): [excited] We found it. [pause] The actual coordinates — right where the old chart said they'd be.

FIRST MATE (VOICE B): [nervous] Sir, that chart is four hundred years old. Half of it is sea monsters drawn by someone who'd never left port.

CAPTAIN (VOICE A): [laughs] Exactly! [fast] Which means no one else thought it was worth following. Get the crew up.

FIRST MATE (VOICE B): [sighs] [slowly] Aye, captain.

小技巧

做多角色腳本時，挑兩個基礎語域明顯不同的聲音預設——一個較低沉，一個較輕亮——這樣就算音訊輸出裡沒有可見的說話者標籤，角色的區別也聽得出來。

怎麼在 OmniArt 上使用音訊標記

進到音訊模式，選 Speech 分頁。
在模型選單裡選 Eleven v3。 它在 Starter 級距以上可用。
挑一個聲音預設。 OmniArt 在各語音模型上共有 353 個精選聲音。按性別和風格瀏覽——較低沉、較有權威感的預設適合敘述；較亮、中音域的預設對強烈的情緒標記反應很好。
把你帶標記的腳本貼進提示詞欄位。 Eleven v3 每次生成最多接受 5,000 個字元。
設定語言，對上你的腳本。
生成並試聽。 如果某個標記套過頭或套得不夠，就調整它的位置、加另一個標記重置語氣，或換一個聲音預設試試。

計費是每起算 50 個字元 1 點數。一份 500 字元的腳本要 10 點數；一份 5,000 字元的腳本要 100 點數。不足 50 字元的區塊無條件進位。

注意

OmniArt 沒有替 Eleven v3 提供聲音複製、速度滑桿或音高控制項。所有語氣變化都來自腳本文字和音訊標記。

什麼時候用 Eleven v3，什麼時候用其他語音模型

OmniArt 上有三個 ElevenLabs 模型。以下是各自該出場的時機。

情境	最佳模型	原因
情緒起伏大的演出——一個會笑、會哭、會吼的角色	Eleven v3	音訊標記加上對上下文的理解，給得出最大的表現幅度
穩定的多語言敘述（50 種以上語言）	Eleven Multilingual v2	跨語言語氣一致且勻稱；每次生成 10,000 字元
長腳本又要快速交件	Eleven Turbo v2.5	低延遲；每次生成 40,000 字元，每 100 字元 1 點數
預算吃緊，或要用 Free 方案生成	MiniMax Speech 2.8 HD／Turbo	Free 方案可用；HD 收成片畫質，Turbo 打草稿

一個好用的心智模型：當腳本要的是一段演出、語氣本身就在承載意義時，用 v3。當目標是跨多種語言都清楚好跟的敘述時，用 Multilingual v2。當你手上是一份長而相對中性的腳本、又需要快點拿到結果時，用 Turbo v2.5。

完整規格請看各自的模型頁：Eleven v3、Eleven Multilingual v2、Eleven Turbo v2.5。

該避開的常見標記錯誤

**標記過量：**每一句都加標記，反而會把變化壓平。情緒標記在一段沒有標記的自然語氣之後出現，力道才夠。把它們用在高峰和轉折上，不要當成一層恆常的濾鏡。

互相矛盾的標記：[shouting] 後面緊接著 [whispers]、中間沒有隔一句，可能會讓模型混亂。在強烈對比之間留一句中性語氣。

**沒有測試就用口音標記：**口音的呈現取決於基礎聲音預設。在整份長腳本套用口音標記之前，先跑一句 50 字元的測試。

**標記卡在字中間：**標記必須落在完整的字或標點之間，不能塞進一個字裡面。Incre[excited]dible 解析不出來——請改寫成 [excited] Incredible。

最受用的使用情境

**多角色有聲書：**聲音預設加語氣標記的組合，讓你把敘述者和角色區分開來，並給每個角色一個一致的情緒簽名。想看一整套音訊製作怎麼搭起來，可以看 MiniMax Speech 配音指南裡的類似流程。

**遊戲對白和互動小說：**短而有力、標記強烈的台詞——[afraid] Stay back!、[laughs] You call that a plan?——不用找專門的配音員也能做出可信的 NPC。

**有情緒起伏的 YouTube 敘述：**一支在戲劇性揭示、幽默旁白和安靜省思之間來回的紀錄片或解說片，很受用於語氣的切換。把轉折標起來，節奏就自己寫好了。

**對白驅動的內容和預告片：**一次生成裡朗讀兩三個角色，各自靠聲音預設和標記區分，把一場對白戲壓縮成一個流程步驟。

在 OmniArt 上開始

最快培養出對 v3 的耳感的方法，是拿一份你很熟的腳本——一段獨白、一篇短篇小說的開頭、幾句遊戲對白——標記兩次：一次輕度標記，一次做大幅度的語氣切換。兩份都生成出來，然後比。輕度指揮和完整指揮的差別，通常第一句就聽得出來。

打開 OmniArt 上的 Eleven v3，貼上你的第一份帶標記腳本。從上面那個有情緒的敘述例子開始，換掉聲音預設，看看有什麼變化。等標記詞彙用起來變得自然，這個模型就會像一場真正的錄音一樣有反應——只是不用進錄音室。

想更全面了解 OmniArt 上的每一個音訊模型，包括音樂和音效，可以看完整的音訊工作台指南。

準備好開始創作了嗎？

用 AI 生成精彩內容

免費開始