ElevenLabs, Eleven v4 Audio Tags 가이드 공개… 50개 이상 예시 제공

ElevenLabs가 상위 랭크 TTS 모델 Eleven v4의 Audio Tags 가이드를 공개했다. [whispers]나 [excited]처럼 대괄호 안에 자연어를 입력해 감정, 속도, 효과음 등 세부적인 연기를 지시할 수 있다.

핵심 기능 및 순위

Eleven v4는 현재 Artificial Analysis Speech Arena에서 1319 Elo 점수로 Sonic 3.6 등을 제치고 1위를 차지하고 있다. Audio Tags는 이러한 고품질 기반 위에 구체적인 연기 지시를 더한다. 태그는 새 태그가 나올 때까지 지속되어 문장이나 단락 전체의 감정 톤을 유지하며, [whispering, fearful]처럼 쉼표로 여러 태그를 조합해 뉘앙스를 겹칠 수 있다.

태그 분류 및 예시

가이드는 태그를 다음과 같이 분류한다:

• 감정: [excited], [playful] 등 높은 에너지, [mad], [aggressive] 등 격앙된 감정, [anxious], [scared] 등 긴장감, [tired], [bored] 등 낮은 에너지, [peaceful], [thoughtful] 등 차분한 감정을 포괄한다.
• 전달 방식 및 볼륨: 감정과 독립적으로 강도를 조절하며 [shouts], [softly], [low, threatening] 등이 있다.
• 속도: 긴장감이나 코미디 효과를 위해 [slowly], [rushed], [pause] 등으로 속도를 조절한다.
• 인간다운 반응: [laughs], [sighs], [gasps], [crying] 등 비언어적 소리를 추가해 현실감을 높인다.
• 액센트 및 캐릭터: [British accent], [French accent], [pirate voice] 등으로 하나의 목소리 내에서 페르소나를 전환한다.
• 효과음: [thunder rumbling], [footsteps], [door creaking] 등 비언어적 이벤트를 생성에 직접 도입한다.

맞춤 설정 및 모범 사례

사용자는 고정된 목록에 구애받지 않고 [out of breath after running up the stairs]나 [a tired detective who has heard it all before]처럼 복잡한 상황이나 캐릭터 특성을 묘사하는 커스텀 태그를 작성할 수 있다. Text to Speech 앱은 생성당 최대 10,000자를 지원해 다층적인 지시를 담기에 충분하다.

최적의 결과를 위해 ElevenLabs는 작성 전 감정 휠을 참고하고, 전달이 어긋날 경우 문장 재작성 대신 태그를 교체하며, 연기가 흐려지지 않도록 절(clause)당 하나의 태그만 사용할 것을 권장한다. Audio Tags는 ElevenAPI를 통해 Eleven v4, Eleven v4 Turbo, Eleven v3와 호환된다.