Voice Design в ElevenLabs позволяет создать новый голос не из записи человека, а из текстового описания. Это удобно, когда в библиотеке нет подходящего диктора, а клонировать реального человека не хочется или не из чего.
Вы описываете, каким должен быть голос, а ElevenLabs генерирует три предварительных варианта. Здесь особенно важно качество промпта: расплывчатое описание даёт модели слишком много свободы, а конкретное заметно сужает результат.
Что такое Voice Design
Voice Design создаёт уникальный синтетический голос по промпту.
В описании можно указать:
- пол;
- примерный возраст;
- акцент;
- тембр;
- темп речи;
- эмоциональную подачу;
- манеру диктора.
Например, вместо поиска по библиотеке можно написать:
Спокойный мужской голос 35–45 лет, нейтральный русский акцент, мягкий низкий тембр, уверенная подача, средний темп, стиль документального фильма.
Где находится Voice Design
В интерфейсе ElevenLabs откройте раздел Voices, затем добавление нового голоса и выберите Voice Design.
Дальше нужно ввести описание голоса и текст для предпрослушивания. Voice Design доступен и через веб-интерфейс, и через API.
Как писать хороший промпт для голоса
Чем точнее описание, тем проще модели понять задачу.
Полезно описывать голос в таком порядке:
- пол и возраст;
- язык или акцент;
- тембр;
- темп;
- эмоциональную манеру;
- тип использования.
Например:
Женский голос около 30 лет, русский язык без заметного регионального акцента, тёплый средний тембр, спокойный темп, дружелюбная и уверенная подача, для образовательного YouTube-канала.
Воспроизводимый тест: плохой промпт против хорошего
Чтобы понять влияние описания, можно провести простой A/B-тест на одном и том же preview-тексте.
Вариант A — слишком общий:
Красивый женский голос для YouTube.
Вариант B — конкретный:
Женский голос 28–35 лет, нейтральный русский акцент, тёплый средний тембр, спокойная уверенная подача, естественный разговорный темп, без рекламной манерности, для образовательного YouTube-канала о технологиях.
В обоих случаях используйте один и тот же текст предпрослушивания. Затем сравните три сгенерированных варианта по одинаковым критериям:
| Что сравнить | На что слушать |
|---|---|
| Акцент | Есть ли нежелательное региональное или иностранное звучание |
| Темп | Не торопится ли голос и не растягивает ли фразы |
| Тембр | Совпадает ли ощущение возраста и характера |
| Манера | Разговорная, дикторская, рекламная или слишком театральная |
| Стабильность | Не меняется ли подача внутри одного абзаца |
Такой тест полезнее случайного перебора промптов: становится понятно, какое именно уточнение двигает голос в нужную сторону.
Preview-текст тоже влияет на результат
Описание голоса — не единственная переменная. ElevenLabs рекомендует подбирать текст предпрослушивания под характер голоса.
Если вы просите спокойного документального рассказчика, а в preview-тексте стоят восклицания, крик и эмоциональные реплики, модель получает противоречивые сигналы.
Для спокойного голоса лучше использовать нейтральный абзац из 2–4 предложений. Для персонажа — реплику, где есть нужная эмоция. Длинный preview-текст обычно позволяет лучше услышать темп, стабильность и интонацию, чем короткая фраза из пяти слов.
Какие формулировки работают лучше
Избегайте слишком абстрактных запросов вроде «красивый голос» или «голос как у профессионала». Лучше описать конкретные характеристики.
Полезны указания на:
- низкий, средний или высокий тембр;
- мягкую или энергичную подачу;
- медленный, средний или быстрый темп;
- дикторский, разговорный, рекламный или документальный стиль;
- спокойное, радостное, серьёзное или ироничное настроение;
- то, чего в голосе быть не должно: например, «без рекламной манерности» или «без выраженного регионального акцента».
Что менять, если голос почти подходит
Не переписывайте весь промпт сразу. Лучше менять одну характеристику за раз.
Если голос слишком молодой — уточните возраст. Если слишком торопится — отдельно задайте темп. Если получается рекламная подача — явно напишите, что нужна разговорная и спокойная манера.
Так проще понять причинно-следственную связь, чем после каждой генерации полностью менять описание.
Voice Design и клонирование голоса — не одно и то же
Voice Design создаёт нового персонажа с нуля.
Voice Cloning пытается воспроизвести голос конкретного человека по записи.
Если нужен ваш собственный голос, лучше использовать клонирование. Если нужен уникальный диктор без привязки к реальному человеку — Voice Design проще и быстрее.
Можно ли создать русский голос
Да. В промпте можно прямо указать русский язык, акцент и манеру речи.
После создания голос можно использовать в Text to Speech и проверить на реальном русском тексте.
Особенно полезно заранее включить в preview имена, числа и термины, которые будут часто встречаться в проекте. Так вы ещё до сохранения голоса услышите потенциальные проблемы с произношением.
Сколько вариантов создаёт Voice Design
По текущей документации одна генерация создаёт три предварительных варианта. Плата за preview считается по тексту предпрослушивания один раз, несмотря на три сэмпла. После прослушивания можно выбрать один вариант и сохранить его как новый голос.
Какой вариант из трёх выбирать
Не оценивайте только первые две секунды. Прослушайте каждый сэмпл полностью и отдельно отметьте:
- где голос начинает звучать неестественно;
- сохраняется ли один тембр до конца;
- как читаются сложные слова;
- есть ли ненужная театральность;
- не появляется ли акцент, которого вы не просили.
Если ни один вариант не подходит, полезнее изменить промпт или preview-текст и создать новую тройку, чем сохранять «почти нормальный» голос и пытаться исправлять всё уже в TTS.
Подходит ли Voice Design для продакшена
Качество зависит от конкретного промпта, текста предпрослушивания и задачи. Для роликов, рекламы, прототипов, персонажей и поиска нужного тембра Voice Design удобен именно скоростью перебора вариантов.
Если же нужен максимально стабильный голос конкретного человека, логичнее смотреть в сторону Professional Voice Clone.
Как добавить эмоции после создания голоса
Сам голос — только половина результата. Дальше на подачу влияет модель Text to Speech.
В Eleven v3 можно использовать аудиотеги, пунктуацию и структуру текста, чтобы делать речь более выразительной. Поэтому лучше сначала добиться подходящего базового тембра в Voice Design, а уже потом добавлять эмоции на этапе озвучки.
Какой тариф нужен
Voice Design входит даже в бесплатный тариф ElevenLabs, поэтому попробовать создание голосов можно без оплаты. Но коммерческое использование и доступные лимиты зависят от подписки.
Итог
Voice Design полезен, когда нужен не клон конкретного человека, а новый голос под задачу. Самый практичный способ работы — фиксировать preview-текст и менять параметры промпта по одному: возраст, акцент, тембр, темп и манеру.
Так становится понятно, почему один вариант звучит лучше другого, а подбор голоса перестаёт быть случайным перебором.
Проверено по актуальной документации ElevenLabs 23 сентября 2026 года.