مدل‌های صدای ElevenLabs

ElevenLabs | الون لبز؛ صدای فارسی با تگ احساس، بدون فیلترشکن

ElevenLabs (الون لبز) شرکتی است که مدل‌های صدای هوش مصنوعی می‌سازد. در کارینای (KarinAI) از داخل ایران با Eleven v4، Eleven v3 و Eleven Music v2 کار می‌کنید؛ پایین‌تر هفت کلیپ واقعی فارسی را با تگ‌های خنده، نجوا، گریه و چند حالت دیگر می‌شنوید و یاد می‌گیرید تگ را در متن خودتان بنویسید.

ثبت‌نام و امتحان صدادیدن همهٔ مدل‌ها

• تگ احساس برای متن فارسی
• بدون فیلترشکن
• پرداخت به تومان

آخرین به‌روزرسانی: ۹ آبان ۱۴۰۵

• سه مدل

  Eleven v4، Eleven v3 و Eleven Music v2 در فهرست کارینای

• هفت کلیپ

  فارسی، با تگ خنده، نجوا، گریه و بیشتر

• تگ در متن

  حالت صدا را با کلمه‌ای داخل کروشه می‌خواهید

• بدون فیلترشکن

  ورود با شمارهٔ موبایل

منبع: فهرست عمومی مدل‌های کارینای (نسخهٔ ۱۶۰)؛ کلیپ‌های واقعی همین صفحه — تاریخ: ۹ آبان ۱۴۰۵

ElevenLabs چیست؟

ElevenLabs («الون لبز» هم نوشته می‌شود) شرکتی است که مدل‌های صدای هوش مصنوعی می‌سازد. در صفحهٔ «دربارهٔ ما»ی خودش می‌نویسد که شرکتی پژوهشی و محصولی در حوزهٔ هوش مصنوعی است و می‌خواهد هوش مصنوعی صوتی پیشرفته به دست کسانی برسد که از آن برای بهتر کردن جامعهٔ خود استفاده می‌کنند. صفحهٔ اصلی‌اش هم از ساخت گفتاری شبیه صدای واقعی با مولد صدا و از پلتفرم عامل‌های صوتی می‌گوید.

سه بخش را نام می‌برد: ElevenCreative برای ساخت و ویرایش گفتار، موسیقی، افکت صوتی، تصویر و ویدیو؛ ElevenAgents برای ساخت عامل‌های صوتی و گفتگویی کسب‌وکارها؛ و ElevenAPI برای برنامه‌نویسانی که مدل‌های صدای آن را در برنامهٔ خودشان می‌خواهند. این‌ها حرف خود ElevenLabs است (خوانده‌شده در آبان ۱۴۰۵ از elevenlabs.io)، نه ارزیابی ما.

کارینای سایت و برنامهٔ ElevenLabs را عرضه نمی‌کند و به آن وابسته نیست؛ سه مدل آن را در فهرست خود دارد.

کدام مدل‌های ElevenLabs در کارینای هست؟

در فهرست مدل‌های کارینای سه مدل از ElevenLabs هست: Eleven v4 و Eleven v3 برای تبدیل متن به صدا، و Eleven Music v2 برای موسیقی.

• Eleven v4
• Eleven v3
• Eleven Music v2

Eleven v3

سازندهElevenLabs

مناسب برای

• تبدیل متن به صدا
• تگ حالت داخل متن
• زبان «فارسی (fa)» در فهرست زبان‌های برنامه
• خروجی MP3

هزینه

به ازای هر بار استفاده، به تومان. قیمت به‌روز در صفحهٔ مدل‌ها

منبع: فهرست عمومی مدل‌های کارینای (نسخهٔ ۱۶۰)؛ رکورد کلیپ‌های همین صفحه — تاریخ: ۹ آبان ۱۴۰۵

مقایسه	Eleven v4	Eleven v3	Eleven Music v2
کار	تبدیل متن به صدا	تبدیل متن به صدا	ساخت موسیقی
سازنده	ElevenLabs	ElevenLabs	ElevenLabs
فرمت خروجی در فهرست	MP3	MP3	MP3
طول قطعه در فهرست	—نامشخص	—نامشخص	۳ تا ۶۰۰ ثانیه
نمونه با تگ در این صفحه	ندارد	هفت کلیپ	ندارد

این جدول فقط ویژگی‌های فهرست را کنار هم می‌گذارد و دربارهٔ کیفیت حکمی نمی‌دهد. از Eleven v4 نمونهٔ بی‌تگ در صفحهٔ تبدیل متن به صدا هست؛ با تگ امتحانش نکرده‌ایم. از Eleven Music v2 هم نمونه‌ای نداریم؛ مدل‌های موسیقی کارینای را در صفحهٔ Suno می‌بینید. نام ElevenLabs و مدل‌هایش در این صفحه فقط برای معرفی مدل‌هایی آمده که در کارینای هست.

تگ صدا چیست؟

تگ صدا (audio tag) کلمه‌ای انگلیسی داخل کروشه است که وسط متن می‌گذارید تا به مدل بگویید همان بخش را چطور بخواند؛ مثلاً [whispers] یعنی نجوا. ElevenLabs در مستندات و وبلاگ خودش تگ‌هایی برای خنده، نجوا، آه، هیجان و کنایه فهرست کرده و می‌نویسد راهنمای نوشتن تگ هم برای Eleven v4 به کار می‌آید و هم برای Eleven v3 (خوانده‌شده در آبان ۱۴۰۵).

یک نکته را پنهان نمی‌کنیم: در صفحهٔ مستندات ElevenLabs دربارهٔ تبدیل متن به صدا، که خواندیم، برای این دو مدل فهرست زبان‌ها نیامده بود و نامی از فارسی نبود. فهرست زبان‌های برنامهٔ کارینای «فارسی (fa)» دارد و هفت کلیپ پایین را با همان ساختیم. پس آنچه دربارهٔ تگ در فارسی می‌گوییم از شنیدن همین کلیپ‌ها است، نه وعدهٔ ElevenLabs.

هفت کلیپ واقعی فارسی با تگ

این کلیپ‌ها واقعی‌اند، نه ساختگی. در آبان ۱۴۰۵ هفت متن فارسی را، که خودمان برای این آزمایش نوشتیم، هرکدام یک بار با Eleven v3 در کارینای به صدا تبدیل کردیم. مدل را خودمان از فهرست انتخاب کردیم، نه «خودکار»؛ زبان را «فارسی (fa)» گذاشتیم و برای هر متن صدایی برداشتیم که به حالتش بخورد. «پرامپت» زیر هر پخش‌کننده همان متنی است که فرستادیم، با تگ‌هایش و بی‌هیچ دست‌کاری. متن‌ها خودمانی و ساختگی‌اند، و پیشنهاد «ارسال رایگان» در کلیپ تبلیغ هم واقعی نیست.

به هر هفت کلیپ گوش دادیم و تگ‌ها کار کرد: خنده، نجوا، گریه، هیجان، آسودگی، کنایه و لحن تبلیغ در صدا شنیده می‌شود. این نتیجهٔ یک بار اجرا برای هر متن و هر صدا است، نه تضمین.

خنده

متنی دربارهٔ یک اشتباه خنده‌دار در نانوایی. تگ اول آغاز متن است، دومی وسط جمله و سومی پیش از جملهٔ آخر.

• [laughs]
• [laughs harder]
• [chuckles]

Eleven v3خنده وسط حرف، صدای Anjali؛ فایل حدود ۱۲ ثانیه

نجوا

متن رازی دربارهٔ یک سورپرایز تولد است. یک تگ در آغاز متن آمده و یکی در آغاز بخش دوم.

• [whispers]

Eleven v3نجوای یک راز، صدای Ivanna؛ فایل حدود ۱۵ ثانیه

گریه

متن آخرین روز زندگی در یک خانه است. تگ گریه در آغاز متن و در آغاز جملهٔ آخر آمده و تگ آه میان آن دو.

• [crying]
• [sighs]

Eleven v3گریه و آه، صدای Kanika؛ فایل حدود ۱۳ ثانیه

هیجان

متن خبر قبولی است و تگ در آغاز هر دو بخش آمده.

• [excited]

Eleven v3خبر خوش، صدای Adam؛ فایل حدود ۹ ثانیه

آسودگی

متن پایان یک پروژهٔ سنگین است. آه در آغاز متن آمده و بازدم بعد از جملهٔ اول.

• [sighs]
• [exhales]

Eleven v3آه و بازدمِ آسودگی، صدای George؛ فایل حدود ۱۲ ثانیه

کنایه

متن گیر افتادن در ترافیک است و تگ در آغاز هر دو بخش آمده.

• [sarcastic]

Eleven v3حرفی با کنایه، صدای Russ؛ فایل حدود ۱۰ ثانیه

لحن تبلیغ

سه بخش، سه تگ: یک پرسش، یک خبر و یک جملهٔ پایانی. پیشنهاد ارسال رایگان در این متن ساختگی است.

• [curious]
• [excited]
• [happily]

Eleven v3جملهٔ تبلیغ، صدای Anjali؛ فایل حدود ۱۰ ثانیه

آنچه از این هفت فایل می‌دانیم

هر کلیپ یک متن است با یک صدا و یک بار اجرا؛ صدا از کلیپی به کلیپ دیگر فرق می‌کند، پس این هفت فایل مقایسهٔ صداها با هم نیست. از همین متن‌ها کلیپ بدون تگ نساخته‌ایم، پس مقایسهٔ «با تگ» و «بی‌تگ» هم نداریم. ساخت هر کلیپ کمتر از شش ثانیه طول کشید و فایل‌ها حدود ۹ تا ۱۵ ثانیه‌اند.

اصلاً چه روز قشنگی برای رانندگی!

تگ را در متن فارسی چطور بنویسیم؟

پنج قاعده

نوشتن تگ در متن فارسی

بیشتر قاعده‌ها از توصیهٔ خود ElevenLabs است و بقیه را از هفت کلیپ بالا برداشته‌ایم:

• تگ انگلیسی، داخل کروشه: همان‌طور که ElevenLabs نوشته، مثل [whispers]. در هر هفت کلیپ همین کار را کردیم؛ تگ فارسی امتحان نکرده‌ایم.
• تگ را پیش از بخشی بگذارید که حالتش را عوض می‌کند. ElevenLabs می‌گوید پیش از آن بخش یا بعد از آن جا بدهید. ما همیشه پیش از آن گذاشتیم، در آغاز متن یا آغاز یک جمله.
• صدا را به حالت بسپارید. ElevenLabs هشدار می‌دهد اگر صدا به تگ نخورد، ممکن است تگ اجرا نشود و خوانده شود. برای همین هر متن را با صدایی ساختیم که به حالتش می‌خورد.
• سه‌نقطه مکث می‌آورد. این را هم ElevenLabs می‌نویسد؛ در کلیپ‌های نجوا، گریه و آسودگی سه‌نقطه گذاشتیم.
• تگ هم کاراکتر حساب می‌شود. هزینهٔ ساخت صدا به شمار کاراکتر بستگی دارد و تگ‌ها هم جزو آن‌اند.

ElevenLabs می‌گوید می‌شود چند تگ را ترکیب کرد؛ ما این را امتحان نکرده‌ایم.

قالب آماده برای کپی

این قالب است، نه خروجی مدل. آن را از ساختار هفت متن بالا نوشته‌ایم و همین‌طور اجرایش نکرده‌ایم. جای هر [مورد داخل کروشهٔ فارسی] را عوض کنید و تگ‌ها را از جدول بعد بردارید؛ سه تگ این قالب فقط نمونه‌اند.

[whispers] [یک یا دو جملهٔ خودمانی]. [excited] [بخش دوم متن]. [happily] [جملهٔ پایانی].

یازده تگ این صفحه

هر یازده تگ این جدول را در مستندات ElevenLabs یا وبلاگ آن دربارهٔ تگ‌های v3 دیده‌ایم و در کلیپ‌های بالا امتحان کرده‌ایم. تگ‌های دیگری که ElevenLabs نام می‌برد را امتحان نکرده‌ایم و دربارهٔشان چیزی نمی‌گوییم.

خرید اکانت یا دانلود ElevenLabs؟

کسانی که «اکانت ElevenLabs»، «خرید الون لبز» یا «دانلود ElevenLabs» را جست‌وجو می‌کنند معمولاً می‌خواهند از ایران صدا بسازند. کارینای اکانت یا اشتراک ElevenLabs نمی‌فروشد و برنامه یا فایل نصبی آن را عرضه نمی‌کند. راه ما این است: وارد کارینای می‌شوید، مدل ElevenLabs را از فهرست برمی‌دارید و متن را می‌فرستید.

برای این کار حساب ElevenLabs لازم ندارید. فیلترشکن و کارت خارجی هم لازم نیست: ورود با شمارهٔ موبایل و کد پیامکی است و پرداخت با کارت بانکی ایرانی، از راه درگاه زرین‌پال و به تومان. این صفحه راهنمای کارینای است، نه سایت یا پشتیبانی ElevenLabs؛ ما به ElevenLabs وابسته نیستیم.

ElevenLabs در کارینای: مراحل

مراحل زیر همان کاری است که برای کلیپ‌های این صفحه کردیم.

1. با شمارهٔ موبایل وارد شوید

   شمارهٔ موبایل خود را بنویسید و «ادامه» را بزنید؛ با این کار شرایط استفاده را می‌پذیرید. کدی به همان شماره پیامک می‌شود؛ آن را وارد کنید تا حساب شما ساخته شود.

   

2. مدل را انتخاب کنید

   در بخش ساخت صدا از فهرست مدل‌ها Eleven v3 را بردارید؛ Eleven v4 هم در همان فهرست است. Eleven Music v2 در فهرست مدل‌های موسیقی است.

3. صدا و زبان را بگذارید

   صدایی را بردارید که به حالت متن می‌خورد و زبان را «فارسی (fa)» بگذارید. در اجرای ما برنامه برای Eleven v3 فقط همین سه انتخاب را داشت: مدل، صدا و زبان؛ کنترل جداگانه‌ای برای سرعت یا سبک ندیدیم.

4. متن را با تگ بنویسید و بفرستید

   متن را با تگ‌هایش در همان کادر بنویسید. برنامه پیش از ارسال هزینه را به اعتبار نشان می‌دهد و فایل در پخش‌کنندهٔ برنامه آماده می‌شود؛ در اجرای ما کمتر از شش ثانیه طول کشید.

پرداخت و هدیهٔ حساب تازه

کارینای اشتراک ماهانه ندارد. بستهٔ اعتبار می‌خرید، به تومان و با کارت بانکی ایرانی از راه درگاه زرین‌پال، و هر درخواست از همان اعتبار کم می‌شود. هزینهٔ ساخت صدا به تعداد کاراکترهای متن بستگی دارد، تگ‌ها هم جزو آن‌اند، و برنامه پیش از ارسال هزینه را نشان می‌دهد. هر حساب تازه ۵۰ اعتبار هدیه می‌گیرد که روی هر مدل یا ابزاری، از جمله ساخت صدا، خرج می‌شود. قیمت به‌روز هر مدل در صفحهٔ مدل‌ها است؛ قوانین بازپرداخت را در شرایط استفاده بخوانید.

کنار ElevenLabs

برای متن ساده بدون تگ و شنیدن Eleven v4 کنار Gemini 3.1 Flash TTS Preview، تبدیل متن به صدا را ببینید. برای مدل‌های موسیقی، از جمله Eleven Music v2، به ساخت آهنگ با هوش مصنوعی سر بزنید.