ElevenLabs хорошо держит тембр, если текст уже размечен: где пауза, какое слово ударить, чего не ускорять. Слабое место — абзац с лендинга в окно TTS. Модель читает канцелярит на одном дыхании, глотает цифры и ставит логическое ударение на служебные слова. Ниже — как разметить реплику в DeepSeek до озвучки, чтобы ElevenLabs проверял голос, а не смысл фразы.
Чем маршрут отличается от обзора синтеза
Как устроены Voice Design и клонирование — на главной странице ElevenLabs. Соседние текстовые и генеративные сервисы — в каталоге AI-сервисов. Этот текст про слой до кнопки Generate: устная строка, паузы, запрет скороговорки.
Что разметить самим, без голоса
- Одна реплика — одна задача. Приветствие и оффер не склеивайте, если это разные ролики.
- Цифры словами так, как их должны произнести: «двенадцать» или «12», «2026» или «две тысячи двадцать шестой».
- Паузы: после хука, перед цифрой, перед призывом. Лучше явный слэш, чем «прочитай выразительно».
- Запреты: чужие бренды, скороговорка из трёх преимуществ, восклицания через слово.
Пока цифры не разложены, голос прочитает «от 5990» как набор знаков — и вы будете крутить стабильность, а не сумму.
Лист разметки
| Кусок | Текст с паузами | Ударение | Нельзя |
|---|---|---|---|
| хук | Если сушите обувь на батарее / есть способ спокойнее. | спокойнее | вопрос без ответа |
| цифра | Вкладыш работает / одну ночь. | одну | «всего лишь», вторая цифра |
| закрытие | Ссылка в описании. | ссылка | скидка, которой нет |
Стабильность и стиль голоса настраиваете в кабинете. DeepSeek не выбирает голос — он режет фразу так, чтобы выбранный голос не спотыкался.
Как просить DeepSeek разметить реплику
«Перепиши текст ниже для устной речи на 15 секунд. Разбей слэшами на паузы. Цифры — словами. Отметь одно ударное слово в каждом куске. Выпиши слова, которые нужно вычеркнуть как канцелярит или лишние выгоды. Не добавляй новых обещаний».
Если это диалог двух ролей, размечайте реплики по отдельности. Склейка «А: … Б: …» в одном абзаце путает дыхание.
Где смотреть общий контекст по DeepSeek
Если нужен обзор текстовых моделей и типичных сценариев на русском, без привязки к одной озвучке, удобно начать с материалов DeepSeek на русском. Оттуда проще понять, чем собирать каркас, и уже потом резать его на паузы для ElevenLabs.
Ошибки, из-за которых голос звучит «синтетически»
- Письменный абзац с причастными оборотами. Вслух — короткие предложения.
- Три выгоды на одном дыхании. Слушатель теряет первую, модель ускоряет третью.
- Просите «добавь эмоций» без указания, на каком слове. Эмоция без ударения = громче весь абзац.
- Клонированный голос и чужой темп. Сначала разметьте паузы, потом крутите stability.
Частые вопросы
Нужен ли SSML? Не обязательно. Слэши и короткие фразы часто достаточны. Если пользуетесь разметкой пауз в редакторе — перенесите те же места, не импровизируйте вторую схему.
Сколько слов на 15 секунд спокойной речи? Около 30–35. Если не влезает — режьте выгоду, не ускоряйте диктора.
Можно ли кормить скрипт с видео один в один? Да, если он уже устный. Если это титры — сначала переложите на речь, потом голос.
Итог
ElevenLabs закрывает тембр. DeepSeek рядом полезен как разметчик речи: паузы, цифры словами, одно ударение на кусок. Связка работает, если вы не скармливаете лендинг, а отдаёте устную строку — и не добавляете выгод, которых нет в карточке.
