Die gleiche Stimme in jedem Video

Was schiefgehen kann, und die Korrektur

Bevor du beginnst

• Ein Charakter auf der Charakter-Seite. Zum Erstellen brauchst du einen Namen und mindestens ein Foto: Klicke auf Referenzbilder hinzufügen, lade das Foto hoch, benenne den Charakter und klicke auf Charakter erstellen. Unser Beispiel ist ein generiertes Porträt, es ist also keine reale Person beteiligt.
• Ein Sprachmodell mit benannten Stimmen. Der Dialog Stimme listet nur diese auf: die ElevenLabs-Modelle und Kokoro.
• Die Clips, die du vertonen möchtest, in deiner Mediathek. Unsere sind drei fünfsekündige Clips ohne Ton: die Startbahn und das Dachgeschoss auf Kling v3, die Nachtfahrt auf Seedance 2.5.

Speichere die Stimme am Charakter

Auf der Seite „Charaktere“ öffnest du das ...-Menü auf der Karte des Charakters und wählst Stimme. Der Dialog bietet zwei Optionen: Katalogstimme und Stimmclip. Behalte „Katalogstimme“ bei. Wähle das Sprachmodell, dann die Katalogstimme; eine Vorschau abspielen-Schaltfläche spielt kostenlos eine aufgezeichnete Hörprobe dieser Stimme ab. Füge optional eine Sprache hinzu und klicke auf Speichern. Die Karte zeigt die Stimme nun unter der Beschreibung an.

Erzählen mit „Sprechen als“

Öffne den Audio-Composer in der Voiceover-Aufgabe und drücke auf Sprechen als. Wähle den Charakter aus. Die Modellauswahl wechselt zum gespeicherten Modell und die Voice-Liste zur gespeicherten Stimme. Eine Zeile unter der Schaltfläche bestätigt dies: Speaking as Isla Marr · Sarah. Tippe den Text ein und drücke auf Audio generieren. Wir haben dies fünfmal hintereinander für zwei Guides gemacht, und das Paar hat sich nie verändert.

This is the sound of silk at midnight.

Nothing here was built to stand still.

You already know the ending. Wear it anyway.

Lege eine Musikunterlegung und einen Soundeffekt unter die Stimme

Eine einzelne Zeile wirkt nackt. Erstelle ein Musikbett in der Musik-Aufgabe des Audio-Composers und einen Sound-Cue im Soundeffekt, baue dann die Timeline für jeden Clip in Studio auf: Timelines, Neue Timeline, und im Mediathek-Tab des linken Panels den Clip mit seinem +, die Aufnahme an der Playhead-Position, wo die Zeile beginnt, das Bett und den Cue.

Sleek fashion-show runway track, 120 bpm, deep kick and a crisp clicking hi-hat, glossy synth stabs, instrumental, no vocals. Strong dynamics: two seconds of the full groove, then four seconds of a hushed, near-silent filtered pulse, then the full groove slams back in, and that shape repeats through the track.

Dark synthwave night-drive track, 100 bpm, driving analog bass arpeggio, gated snare, cold pads, instrumental, no vocals. Strong dynamics: two seconds of the full drive, then four seconds of a sparse, hushed passage with only a low filtered bass, then the full drive returns, and that shape repeats through the track.

Warehouse rave build for a rooftop party at night, 128 bpm, instrumental, no vocals: a soft muffled kick and a quiet rising filtered riser that builds for five seconds, then a huge drop with open hi-hats and a big supersaw lead, and that quiet build and big drop repeat through the track.

Die Soundeffekte sind jeweils eine kurze Zeile auf ElevenLabs Sound Effects v2, zugeschnitten mit Mark Out, damit sie die Stimme nicht überdecken: Kamera-Auslöser für die erste Sekunde des Runways, Motor und Spritzwasser nach dem Text der Fahrt und ein Jubel der Menge, wenn das Konfetti auf dem Dach fällt. Drücke Play: Die Stimme ist in allen drei Szenen gleich, weil das Modell und die Stimme jedes Mal dieselbe Anfrage waren, und sie liegt über der Musik.

Wir haben jeden Export gemessen: keine Stille länger als eine halbe Sekunde und die Stimme mindestens 3 dB über allem anderen, während sie spricht. Diese Timelines mischten alle Spuren auf dem gleichen Level, daher stammen diese Zahlen aus den von uns gewählten Passagen, nicht aus einer Einstellung.

Drei Wege zur Umsetzung

Der API-Pfad ist unter Charaktere und Orte dokumentiert: Die Stimme eines Charakters wird bei der Audio-Generierung mit der Charakter-ID verwendet und bei der Video-Generierung, wenn du die Stimme des Charakters anforderst. Wir haben für diesen Leitfaden den Composer-Pfad ausgeführt, nicht die anderen beiden.

Wo du noch einmal generieren musst

• Die Auslieferung variiert noch leicht. Gleiche Stimme, gleiches Modell, aber jeder Durchlauf ist eine neue Aufnahme. Wenn eine Zeile flach wirkt, führe sie erneut aus; die Stimme bleibt gleich.
• Ein Hintergrund, der noch ein Wort übertönt. Der Export senkt die Musik unter der Stimme ab, aber eine laute Passage kann eine Zeile noch verdecken. Senke die Clip-Lautstärke des Hintergrunds im Audio-Inspektor oder versetze Mark In auf eine leisere Passage.
• Deine eigene Stimme wird manuell ausgewählt. Auf einem kostenpflichtigen Plan klonst du mit Eigene Stimme erstellen in der Voice-Liste des Audio-Composers deine Stimme aus 10 Sekunden bis 5 Minuten Aufnahmen, basierend auf den ElevenLabs-Sprachmodellen. Der Voice-Dialog auf der Characters-Seite speichert nur Katalog-Stimmen und Voice-Clips, daher kann Speak as noch keine eigene Stimme verwenden: Wähle sie jedes Mal in der Voice-Liste aus. Ein Voice-Clip bei einem Charakter ist eine Referenz für Modelle, die eine solche benötigen, keine Text-to-Speech-Stimme.
• Die Geschwindigkeit ist nur über die API verfügbar. Der Composer bietet derzeit keine Geschwindigkeitssteuerung.

Was es kostet

Das Speichern einer Stimme kostet nichts; die Vorschau einer Stimme kostet nichts. Jede Zeile wird mit dem Preis pro Zeichen des Modells abgerechnet, mit einem Mindestbetrag. Jedes Musikbett und jeder Cue ist eine pauschale Gebühr. Die Clips wurden nach Länge berechnet, und die Studio-Exporte werden nicht abgerechnet.

Probiere es selbst aus

Fashion film, one continuous shot. A model in a sculpted emerald green floor-length gown with long sleeves walks down a mirrored runway toward the camera, camera strobes flashing from the crowd in silhouette on both sides, white haze, slow motion, low tracking shot moving backwards, anamorphic flares, deep blacks. No text, no logo.

Premium car commercial, one continuous shot. An original concept coupe that resembles no production car: a low, wide, wedge-shaped matte white body with a single thin continuous light bar across the nose, no grille, no badges, a smooth flush glass canopy, enclosed rear wheel arches and a sharp ducktail rear. It slides sideways through a wet night street lined with bare concrete walls and plain vertical neon tubes in teal and magenta, no shop windows, no signs, no lettering anywhere. Rain streaks in the air, neon reflections stretched across the asphalt, low side tracking shot, spray from the tyres, motion blur on the passing lights, cinematic contrast.

Music video, one continuous shot. A rooftop rave at night: a dense crowd in silhouette wearing long dark coats, hoodies and bucket hats, arms raised, under sharp green laser beams fanning through a thick haze layer, confetti bursting in slow motion, a city skyline of blurred lights behind them, low handheld camera looking up, backlit, high contrast. No text, no logo.

Deine Clips und Musikbetten werden nicht mit unseren übereinstimmen; ein Prompt gibt dem Modell die Szene oder die Stimmung, nicht die Aufnahme, also finde deine eigene leise Passage für den Mark In. Die Stimme wird übereinstimmen, weil der Charakter sie trägt.

Checkliste

1. Charakter existiert mit einem Namen und einem Foto.
2. Stimmen-Dialog: Katalogstimme, ein Modell mit benannten Stimmen, Vorschau abgespielt, gespeichert.
3. Audio-Composer: „Sprechen als“ zeigt den Charakter an und die Notiz benennt die Stimme.
4. Eine Generierung pro Zeile; prüfe jede Aufnahme, bevor du schneidest.
5. Ein Musikbett, das mit starken Dynamiken angefordert wurde, und ein Cue pro Clip.
6. Studio: Clip, Aufnahme am Playhead, ein fünfsekündiges Musikbett-Fenster aus einer leisen Passage, der Cue klar von der Stimme getrennt, Video exportieren.