Главное правило: пишите не текст, а сцену озвучки

Плохой запрос выглядит так: “озвучь этот текст красиво”. Модель не понимает, что такое красиво именно для вашей задачи. Хороший запрос задает роль, эмоцию, темп и контекст: диктор объясняет, эксперт убеждает, ведущий подкаста спокойно рассказывает, рекламный голос делает короткие акценты.

  • Укажите роль: диктор, эксперт, ведущий, основатель, narrator.
  • Опишите подачу: спокойно, уверенно, дружелюбно, энергично, без театральности.
  • Задайте темп: медленно для инструкции, средне для объяснения, быстрее для короткой рекламы.
  • Добавьте паузы там, где слушателю нужно успеть понять смысл.
Если текст должен звучать естественно, сначала перепишите его для слуха: короткие фразы, меньше канцелярита, один смысл на предложение.

Рабочая структура prompt для ElevenLabs

Собирайте запрос из четырех частей: голос, эмоция, темп, разметка. Так результат получается управляемым и его проще править вторым запуском.

  • Голос: мужской или женский, возраст, характер, степень формальности.
  • Эмоция: нейтрально, тепло, с улыбкой, уверенно, тревожно, вдохновляюще.
  • Темп: короткие фразы, паузы после смысловых блоков, без скороговорки.
  • Разметка: [short pause], [calmly], [warmly], [emphasis] — если модель поддерживает audio tags.
Не перегружайте tags: две-три подсказки на абзац обычно работают лучше, чем театральная партитура на каждое слово.

Пример для рекламного ролика

Для рекламы нужна не просто энергия, а точная длина и понятные акценты. Текст должен быть коротким: проблема, решение, выгода, действие.

  • Prompt: [confident, upbeat] Прочитай как короткий рекламный voiceover. Темп живой, но слова разборчивые. Сделай акцент на выгоде и мягкий призыв в конце.
  • Текст: Сложно делать контент каждый день? ИИшка собирает фото, видео, голос и карусели в одном месте. Напишите задачу по-русски — и получите готовый материал для соцсетей.
  • Проверка: нет ли длинных предложений, не звучит ли CTA как крик, хватает ли паузы перед финалом.
Для 15-секундного ролика обычно хватает 35-45 русских слов. Всё лишнее режем без жалости.

Пример для обучающего видео

Обучающий голос должен быть медленнее рекламного. Важнее ясность, чем “дорогая дикторская подача”.

  • Prompt: [calmly] Прочитай как понятное объяснение для новичка. Делай короткие паузы после каждого шага. Не ускоряйся на терминах.
  • Текст: Сначала загрузите исходное фото. Затем выберите модель. После этого напишите, что нужно сохранить, что изменить и какой формат нужен на выходе.
  • Проверка: каждый шаг должен быть отдельной фразой, без списка из пяти действий в одном предложении.
Если статья, инструкция или лендинг звучат слишком тяжело, разделите текст на короткие реплики и озвучивайте блоками.

Частые ошибки в промптах для озвучки

Большинство проблем не в модели, а в постановке задачи: пользователь просит “эмоционально”, но не объясняет какую эмоцию и зачем.

  • Слишком общий тон: “красиво”, “дорого”, “натурально” без контекста.
  • Длинные предложения: голос задыхается, смысл теряется.
  • Слишком много эмоций: радостно, драматично, экспертно и спокойно одновременно.
  • Нет пауз: текст звучит как один бесконечный абзац.
  • Нет проверки длины: ролик на 10 секунд получает текст на минуту.
Лучший способ чинить озвучку — менять не только голос, но и сам текст. Для слуха пишут иначе, чем для чтения.

Мини-чек-лист перед запуском

Перед генерацией быстро проверьте пять вещей. Это экономит кредиты и время на перезапуски.

  • Понятна ли роль голоса?
  • Есть ли нужная эмоция и темп?
  • Разделен ли текст на короткие фразы?
  • Есть ли паузы перед важными выводами?
  • Подходит ли длина текста под длительность ролика?
В ИИшке можно запускать ElevenLabs на русском через сайт, Telegram или MAX, а потом использовать голос в видео, аватаре или презентации.