Eleven v3

Eleven v3 — новое поколение синтеза речи ElevenLabs, самая выразительная модель компании. Главный скачок относительно прежних версий — эмоциональный диапазон и контроль подачи.

Языков стало 70+ вместо примерно 32 у линейки Flash — и, что важнее, подтянулась выразительность там, где раньше проседала, например в японском с его тонкими интонациями. Русский поддерживается.

Самая заметная механика — аудио-теги прямо в тексте. Вставляете в реплику [шёпотом], [смеётся], [вздыхает], [пауза] или даже [хлопок двери] — и модель отыгрывает это в озвучке. Это превращает генерацию из «прочитай текст ровным голосом» в режиссуру: вы указываете, где сделать акцент, где понизить голос, где выдержать паузу.

Отдельный режим Text to Dialogue генерирует разговор нескольких персонажей, согласуя интонации между репликами, — годится для сценок, аудиокниг с диалогами и озвучки игр. Модель учитывает не только сам текст, но и то, как произнесены предыдущие реплики.

Оговорки прежние для ElevenLabs: лучшие возможности — в платных тарифах, официального доступа из РФ нет, и вокруг клонирования голоса остаются этические и юридические вопросы. Отдельно: для стабильного результата теги нужно расставлять аккуратно — модель мощная, но требует режиссуры, а не просто вставленного текста.