模型與語氣
同一個稿、同一個聲音，換模型或改標點，聽感會差很多。先選對模型，再用稿子與少數參數微調。
模型怎麼選
| 模型 | 適合 | 代價 |
|---|---|---|
| Eleven Multilingual v2 | 長旁白、有聲書、要穩定一致 | 情緒層次較少 |
| Eleven v3 | 對白、笑聲、耳語、明顯情緒 | 較吃提示技巧，早期版本可能仍標 alpha |
| Flash／Turbo | 即時對話、Agents、要低延遲 | 細節與情緒通常不如 v2／v3 |
v3 支援更多語言與 audio tags（音訊標籤），例如 [whispers]、[laughs]、[sarcastically]。標籤寫在稿子裡，模型才知道這句要怎麼演，而不是猜。
聽起來像人的三個旋鈕
- Stability（穩定性）：太高會平、像機器；太低會忽快忽慢。旁白常落在中間（約 40%–60%），不要一開始就拉到 90%。
- Similarity（相似度）：越高越貼近該聲音的原聲；拉滿可能破音。克隆聲音時特別明顯。
- Style exaggeration：放大口音與個性。預設偏低較安全；廣告或角色再往上加。
多數情況：先改稿（標點、換行、音訊標籤），參數只做微調。
節奏
逗號讓句中停一下；破折號或換行讓句與句之間更長。要強調某個詞，可試引號或全大寫。官方短片 Pacing Sentences 把這幾招講完。