Hoppa till navigering
RösterRöstkloning

Instant Voice Cloning

Lär dig hur du klonar din röst direkt med våra förstklassiga modeller.

Produktfunktion för röstkloning

Skapa en Instant Voice Clone

När du klonar en röst är det viktigt att tänka på vad AI:n har tränats på: vilka språk och vilken typ av data. Läs mer om varje enskild modell och deras styrkor på modellsidan.

Guide

Om du är osäker på vad som är tillåtet ur ett juridiskt perspektiv kan du läsa våra användningsvillkor och vår information om AI-säkerhet för mer information.

1

Gå till sidan Instant Voice Cloning

I ElevenLabs-panelen väljer du avsnittet Voices till vänster och klickar sedan på ikonen plus.

Välj Instant Voice Clone i dialogrutan.

2

Ladda upp eller spela in ditt ljud

Följ instruktionerna på skärmen för att ladda upp eller spela in ditt ljud.

3

Bekräfta röstinformationen

IVC-dialogruta för röstkloning

Namnge och märk upp din röstklon, bekräfta att du har rätt och samtycke att klona rösten och klicka sedan på Save voice.

4

Använd din röstklon

Under avsnittet Voices i panelen klickar du på My Voices och sedan på Use voice för att börja använda den.

Bästa praxis

Spela in minst 1 minuts ljud

Undvik att spela in mer än 3 minuter, eftersom det ger liten förbättring och i vissa fall till och med kan försämra klonen.

Hur ljudet spelades in är viktigare än den totala längden (speltiden) på proverna. Antalet prover du använder spelar ingen roll; det är den sammanlagda längden (speltiden) som är viktig.

Vi rekommenderar cirka 1–2 minuter med tydligt ljud utan reverb, artefakter eller bakgrundsbrus av något slag. När vi talar om ”ljud- eller inspelningskvalitet” menar vi inte kodeken, till exempel MP3 eller WAV, utan hur ljudet spelades in. När det gäller ljudkodekar rekommenderar vi dock MP3 med 128 kbps eller högre. Högre bithastigheter har ingen betydande påverkan på klonens kvalitet.

Håll ljudet konsekvent

AI:n försöker efterlikna allt den hör i ljudet. Det omfattar talhastighet, böjningar, accent, tonläge, andningsmönster och styrka samt brus och munljud. Även brus och artefakter som kan förvirra den tas med i beräkningen.

Se till att rösten har en konsekvent ton och framförs konsekvent genom hela inspelningen. Se också till att röstens ljudkvalitet är konsekvent i alla prover. Även om du bara använder ett enda prov ska det vara konsekvent genom hela provet. Om du matar AI:n med mycket dynamiskt ljud, med stora variationer i tonhöjd och volym, blir resultaten mindre förutsägbara.

Återskapa ditt framförande

En annan viktig sak att tänka på är att AI:n försöker återskapa framförandet i rösten du tillhandahåller. Om du talar långsamt, monotont och utan mycket känsla är det vad AI:n efterliknar. Om du däremot talar snabbt och känslosamt är det vad AI:n försöker återskapa.

Det är avgörande att rösten är konsekvent i alla prover, inte bara i ton utan även i framförande. Om variationen är för stor kan AI:n bli förvirrad, vilket leder till mer varierad output mellan genereringar.

Hitta en bra balans för volymen

Hitta en bra balans för volymen så att ljudet varken är för tyst eller för högt. Helst bör det ligga mellan -23 dB och -18 dB RMS med en true peak på -3 dB.

Vanliga frågor

Till skillnad från Instant Voice Cloning, som låter dig klona röster snabbt med mindre än två minuters ljud, kan du med Professional Voice Cloning träna en mer verklighetstrogen modell av din röst. Det görs genom att träna en särskild modell på en stor mängd röstdata för att skapa en modell som i stort sett inte går att skilja från din ursprungliga röst.

Eftersom Professional Voice Clones kräver finjustering och träning tar det ett tag innan du kan använda din röstklon. Det är svårt att ge en exakt uppskattning eftersom det beror på hur många personer som står före dig i kön och några andra faktorer, men finjusteringen tar vanligtvis 3–6 timmar.

Du får en e-postnotis när din Professional Voice Clone är klar.

Kloning med Instant Voice Cloning kan vara lite komplicerad, och vi har några allmänna riktlinjer. De är dock just riktlinjer. Vi har inga fasta regler för antalet prover eller längden. Vi har sett användare få utmärkta resultat med prover på bara 30 sekunder, medan andra har använt 10 minuter ljud och fått sämre resultat. Men det finns några saker du bör tänka på.

  • Ljudkvaliteten är den viktigaste aspekten att tänka på när du använder Instant Voice Cloning.
  • Antalet prover spelar ingen roll; det viktiga är den totala längden. Mer än 2–3 minuter ljud ger liten förbättring och kan i vissa fall till och med försämra klonens stabilitet.

För Instant Voice Cloning och Professional Voice Cloning godtar vi flera filtyper. Vi rekommenderar starkt MP3 på 192 kbit/s eller högre.

Rekommenderat format

  • MP3, 192 kbit/s eller högre

Rekommenderad längd

  • Instant Voice Cloning: 1–2 minuter ljud av god kvalitet
  • Professional Voice Cloning: 30–180 minuter ljud av god kvalitet

Okomprimerade format som WAV förbättrar vanligtvis inte klonens kvalitet och kan orsaka problem under uppladdningen. Fokusera i stället på inspelningskvaliteten: använd en ren inspelning utan bakgrundsljud, rumsreverb eller flera talare, med jämn volym och ton och utan långa tysta pauser.

Mer information finns i Instant Voice Cloning (IVC) och Professional Voice Cloning (PVC).

På ElevenLabs är vi helt engagerade i både att respektera immateriella rättigheter och att införa skyddsåtgärder mot potentiellt missbruk av vår teknik:

  • Vi samarbetar endast med kunder som följer våra användarvillkor och vår policy för förbjuden användning, som förbjuder skadlig användning av vår teknik för syften som kan anses olagliga eller skadliga.
  • Vi strävar efter att hjälpa röstinnehavare och deras licensgivare att hävda sina rättigheter, och alla kända överträdelser granskas och åtgärdas.
  • Allt ljud som genereras av våra modeller kan direkt spåras tillbaka till användaren som ansvarar för genereringen.

Tekniken vi utvecklar är ny och tydlig reglering har ännu inte införts. En del av vårt mål som AI-forskningslabb är att öka medvetenheten om denna teknik, dess potential och dess begränsningar.

För en fullständig guide rekommenderar vi starkt att du läser vår dokumentation om Instant Voice Cloning och Professional Voice Cloning.

Kort sagt: bra och konsekvent indata = bra och konsekvent utdata.

Längd

  • Instant Voice Cloning: 1–2 minuter med bra ljud
  • Professional Voice Cloning: 30–180 minuter med bra ljud

Använd de bästa och tydligaste ljudklippen du kan hitta. Det bör bara vara en talare, utan bakgrundsljud eller störningar, och rösten bör vara hög och tydlig.

I stället för att använda många klipp av varierande kvalitet bara för att öka längden bör du prioritera klipp där mikrofonkvaliteten tydligt är mycket hög och där kvaliteten och tonen är konsekvent genom hela klippet, snarare än att fokusera på att öka den totala längden.

Se till att större delen av dialogen i dina klipp stämmer överens med talarens talstil och intonation som du föredrar mest. Du vill inte ha för många dialogpartier där talaren avviker från de önskade talmönster du vill höra.

Använd vid behov en brusreducerare för att minska bakgrundsljud.

Du hittar mer information i vår dokumentation här.

Ja. Du kan klona din röst på alla språk som stöds av Flash v2.5 och Multilingual v2. Se hela listan över språk som stöds här.

Du kan också klona en röst som talar ett språk som AI:n inte stöder. Klonen kan fånga talarens ton, men den kommer inte att kunna tala det språket och resultaten kan vara oförutsägbara. Vi rekommenderar inte detta.

Du kan inte ladda ner eller exportera dina röstkloner som fristående filer. Röstklonerna stannar på ditt ElevenLabs-konto.

Du kan fortfarande använda dina ElevenLabs-röster utanför ElevenLabs webbplats. Med din API-nyckel kan tredjepartstjänster anropa ElevenLabs API och generera tal med rösterna på ditt konto.

Om du vill återskapa en klon senare bör du behålla de ursprungliga ljudproverna som du använde för att skapa den. Varje klon låter lite annorlunda, även när du använder samma ljud.

ElevenLabs erbjuder två kloningsalternativ:

  • Instant Voice Cloning: Snabba resultat från cirka 1–3 minuters ljud. Fungerar bra för de flesta röster, men kan ha svårt med ovanliga accenter eller unika röster.
  • Professional Voice Cloning: Högre återgivningstrohet med 30 minuter till cirka 3 timmar ljud. Finjusteringen tar vanligtvis 3–6 timmar och kan ta längre tid om många röster står i kö.

Om Instant Voice Cloning inte fångar din röst eller accent bra kan du prova Professional Voice Cloning.

Du kan inte ändra en klons accent eller ton efter att den har skapats. För att förbättra resultatet kan du ändra ljudproverna du använder. Små ändringar i proverna kan göra stor skillnad.

Du ser det här felet om du försöker använda din Professional Voice Clone (PVC) innan finjusteringen är klar och rösten är tillgänglig att använda.

När du skapar en PVC måste den genomgå flera processer innan den blir tillgänglig. När du har verifierat din röst bearbetas den och placeras i kö för finjustering. Beroende på hur många andra röster som står i kö för finjustering uppskattar vi att processen vanligtvis tar mellan 3 och 6 timmar, men den kan ta upp till 24 timmar.

Du kan kontrollera din PVC:s förlopp i My Voices genom att hitta rösten i din röstlista och sedan klicka på Visa för att se mer information. Hovra över varje modell för att se dess aktuella status.

Mer information om vad varje status innebär finns i Vad betyder statusen för min Professional Voice Clone?

När din PVC har finjusterats och är tillgänglig att använda får du en popupnotis och även ett e-postmeddelande.

No results