Весело
Весело

ElevenLabs v3: озвучка с эмоциями по API

Eleven v3 — выразительная модель озвучки ElevenLabs прошлого поколения. Она не читает текст, а играет его: шепчет, смеётся, вздыхает и даже вставляет аплодисменты, если поставить тег в квадратных скобках. Языков больше 70, русский среди них. По API её берут для роликов, рекламы, скетчей и подкастов, цена — 11,18 ₽ за 1000 знаков.

  • 11,18 ₽ за 1000 знаков
  • до 4 096 знаков
  • текст → звук

elevenlabs/eleven-v3

Обновлено:

Получить ключ Попробовать Документация

Попробовать Eleven v3

Отправь текст — модель вернёт его голосом. Запрос оплачивается с API-счёта по цене на кнопке, бесплатных проб нет; ошибка нейросети денег не стоит.

Текст для озвучки: «[whispers] Слушай внимательно… [excited] У нас большая новость: открываем вторую кофейню! [laughs] Да, ту самую, у парка.»

В ответ приходит сам звук, по умолчанию MP3; цена — в заголовке x-veselo-cost-rub.

Цены Eleven v3 в рублях

Текст — считаем по знакам11,18 ₽ за 1000 знаков

Запрос, который закончился ошибкой, денег не стоит. Кэшбэк — до 5% от расхода за месяц. Как считается цена

Сколько стоят типичные задачи

Суммы посчитаны по цене выше — сколько спишется за такую работу.

Ролик для Reels, Shorts и клипов VK: ролик на 300 знаковОколо 3,36 ₽
Комедийный скетч: скетч на 800 знаковОколо 8,95 ₽
Заставка и прощание подкаста: заставка на 200 знаковОколо 2,24 ₽
Аудиореклама для радио и соцсетей: ролик на 350 знаковОколо 3,92 ₽
Аудиоквест по городу: точка маршрута на 900 знаковОколо 10,07 ₽

Что умеет Eleven v3

  • Говорит больше чем на 70 языках, русский среди них (модели ElevenLabs).
  • Голосовые теги: [laughs], [laughs harder], [starts laughing], [whispers], [sighs], [exhales], [sarcastic], [curious], [excited], [crying], [mischievously].
  • Звуки прямо в речи: [applause], [clapping], [gunshot], [explosion], [swallows], [gulps].
  • Экспериментальные теги [strong X accent] и [sings]. ElevenLabs предупреждает, что от голоса к голосу они звучат по-разному.
  • Паузы держатся на многоточиях, тире и абзацах: тег break из SSML в v3 не работает.
  • За запрос — до 4 096 знаков, ответ приходит в MP3, WAV, Opus или PCM.

Где применять

Ролик для Reels, Shorts и клипов VK

Вертикальному ролику нужен голос с характером, и v3 даёт его прямо из текста. Шёпот создаёт интригу, восторг подаёт новость, смех звучит ровно там, где стоит тег. В каталоге ElevenLabs голоса Liam и Laura подписаны как голоса для соцсетей, с ними и начни. Главную новость ставь в первую фразу, а тег эмоции — перед ней, чтобы тон задался с первого слова. Субтитры к ролику сделай из того же текста, что ушёл в озвучку.

Пример запроса: «[whispers] Секрет утреннего кофе… [excited] щепотка корицы прямо в турку! [laughs] Да, вот и весь секрет.»

Стоимость: ролик на 300 знаков — около 3,36 ₽.

Комедийный скетч

v3 умеет язвить и хихикать по команде: [sarcastic], [mischievously], [snorts] и [laughs harder] есть в списке тегов ElevenLabs. Это удобно для коротких скетчей в соцсетях и озвучки комиксов. Диалог собирай из реплик разными голосами, например воинственного Harry и расслабленного Will, каждую реплику — отдельным запросом. Многоточие перед развязкой даёт паузу, как у живого рассказчика, а заглавные буквы выделяют слово, на котором держится шутка.

Пример запроса: «[sarcastic] О да, конечно, я обожаю понедельники. [snorts] Особенно когда сломалась кофемашина.»

Стоимость: скетч на 800 знаков — около 8,95 ₽.

Заставка и прощание подкаста

Подкасту нужна узнаваемая заставка: одна и та же фраза в начале каждого выпуска. v3 добавит к ней аплодисменты тегом [applause] или смех ведущего, и отдельная библиотека звуков не понадобится. Сделай несколько вариантов и закрепи удачный файл: заставку генерируют один раз, а звучит она в каждом выпуске. Для разговорного тона подходит Roger, в каталоге ElevenLabs это расслабленный голос для бесед. Прощание в конце выпуска озвучь тем же голосом, чтобы выпуск звучал цельно.

Пример запроса: «[excited] Привет, это подкаст про домашнюю кухню! [applause] Сегодня в гостях кондитер, который встаёт печь хлеб в пять утра.»

Стоимость: заставка на 200 знаков — около 2,24 ₽.

Аудиореклама для радио и соцсетей

Рекламному ролику нужна энергия в начале и чёткая концовка с адресом или промокодом. Тег [excited] поднимает тон первой фразы, а финал оставь без тегов, ровным голосом, чтобы адрес расслышали с первого раза. В каталоге ElevenLabs голос Bill отмечен для рекламы, а Brian — для рекламы и рассказов. Короткий рекламный текст выгоднее озвучить в нескольких вариантах с разными голосами и тегами, а потом выбрать по звучанию вместе с заказчиком.

Пример запроса: «[excited] Только до воскресенья: второй кофе в подарок! Кофейня „Зерно“, улица Мира, дом пять.»

Стоимость: ролик на 350 знаков — около 3,92 ₽.

Аудиоквест по городу

Аудиоквесту нужна атмосфера: шёпот у старой двери, нервный глоток, внезапный хлопок. v3 вставляет звуки прямо в речь тегами вроде [explosion] или [gulps], а шёпот — тегом [whispers]. Разбей маршрут на точки, у каждой — свой файл до 4 096 знаков, и включай их по геометке или кнопке в приложении. Результат тега зависит от голоса, поэтому каждую точку прослушай до запуска маршрута, а заодно проверь громкость звуков в наушниках.

Пример запроса: «[whispers] Подойди ближе к двери… [gulps] Говорят, ключ от неё потеряли ещё в девятнадцатом веке.»

Стоимость: точка маршрута на 900 знаков — около 10,07 ₽.

Персонаж с акцентом в кулинарном или языковом ролике

Экспериментальный тег [strong X accent] подставляет нужный акцент: вместо X пишешь French, Italian или другой язык. Так озвучивают шефа-итальянца в кулинарном ролике или гостя из Франции в уроке языка. ElevenLabs предупреждает, что такие теги звучат по-разному у разных голосов, поэтому сравни два-три голоса на одной реплике. Остальной текст пиши без лишних тегов, чтобы акцент не тонул среди других указаний. Для героя, который появляется в каждом выпуске, закрепи один голос и один тег.

Пример запроса: «[strong Italian accent] Паста не любит спешки. Сначала вода, потом соль, и только потом — терпение.»

Стоимость: реплика на 250 знаков — около 2,80 ₽.

Как писать запрос

Тег ставь перед фразой, к которой он относится, или сразу после неё, теги можно сочетать. Голос и тег должны подходить друг другу: спокойному диктору трудно дать [mischievously], а бодрому — [crying]. v3 чувствительнее прошлых моделей ElevenLabs к тому, как написан текст, поэтому подкрепляй эмоцию самим текстом: восклицание после радостного тега, многоточие перед тайной.

Характеристики

РазработчикElevenLabs
ВидОзвучка текста
ГолосаSarah - Mature, Reassuring, Confident, Adam - Dominant, Firm, Alice - Clear, Engaging Educator, Bella - Professional, Bright, Warm, Bill - Wise, Mature, Balanced, Brian - Deep, Resonant and Comforting и ещё 6
Языкиen, ar, cs, de, es, fil, fr, hi, it, ja и ещё 8
Текст за запросдо 4 096 знаков
Форматы звукаmp3, opus, wav, pcm
id для запросаelevenlabs/eleven-v3

Как подключить

Вместо sk-vsl-ТВОЙ_КЛЮЧ — ключ из кабинета. Ответ придёт в формате OpenAI.

Запрос — POST https://veselo.ai/v1/audio/speech с полем model: elevenlabs/eleven-v3, ключ — в заголовке Authorization: Bearer sk-vsl-….

curl

curl https://veselo.ai/v1/audio/speech \
  -H "Authorization: Bearer sk-vsl-ТВОЙ_КЛЮЧ" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "elevenlabs/eleven-v3",
    "voice": "EXAVITQu4vr4xnSDxMaL",
    "input": "Добрый вечер! Сегодня в программе — хорошие новости."
  }' \
  --output speech.mp3

Python

from openai import OpenAI  # pip install openai

client = OpenAI(base_url="https://veselo.ai/v1", api_key="sk-vsl-ТВОЙ_КЛЮЧ", timeout=600.0, max_retries=0)

with client.audio.speech.with_streaming_response.create(
    model="elevenlabs/eleven-v3",
    voice="EXAVITQu4vr4xnSDxMaL",
    input="Добрый вечер! Сегодня в программе — хорошие новости.",
) as r:
    r.stream_to_file("speech.mp3")

JavaScript

import fs from 'node:fs';

const res = await fetch('https://veselo.ai/v1/audio/speech', {
  method: 'POST',
  headers: { Authorization: 'Bearer sk-vsl-ТВОЙ_КЛЮЧ', 'Content-Type': 'application/json' },
  body: JSON.stringify({ model: 'elevenlabs/eleven-v3', voice: 'EXAVITQu4vr4xnSDxMaL', input: 'Добрый вечер! Сегодня в программе — хорошие новости.' }),
  signal: AbortSignal.timeout(600_000),
});
if (!res.ok) throw new Error((await res.json()).error.message);
fs.writeFileSync('speech.mp3', Buffer.from(await res.arrayBuffer()));

Пример ответа — только поля

HTTP/1.1 200 OK
Content-Type: audio/mpeg
x-veselo-cost-rub: …

<звук MP3>

В программах: тем же ключом — из любого кода, а без ключа Claude, ChatGPT и Cursor зовут модель по MCP: вход на сайте и кнопка «Разрешить». MCP

Документация раздела

Сравнение с похожими

МодельЦенаГлавноеКогда выбрать
Eleven v3 — эта модель11,18 ₽ / 1000 знаковдо 4 096 знаковигровая озвучка роликов, рекламы и скетчей со смехом, шёпотом и звуками
Eleven v4 — ElevenLabs8,94 ₽ / 1000 знаковдо 4 096 знаковэмоциональная озвучка персонажей, спектаклей и уроков на русском и других языках
MiniMax Speech 2.8 HD — MiniMax11,18 ₽ / 1000 знаковдо 4 096 знаковаудиогиды, курсы и реклама, где качество голоса важнее цены за знак
Fish Audio S2.1 Pro — Fish Audio3,36 ₽ / 1000 букв кириллицыдо 4 096 знаковживая озвучка роликов и уроков с эмоциями, описанными своими словами
Gemini 3.8 Flash TTS — Googleот 9,00 ₽до 5 000 знаков—
Cartesia Sonic 3.6 — Cartesia4,18 ₽ / 1000 знаковдо 4 096 знаковслужебные фразы на русском: уведомления, коды, очередь, ответы бота
  • Eleven v4 — для нового проекта: языков больше, голос ровнее, чужой язык чище.
  • MiniMax Speech 2.8 HD — когда нужен голос из русского набора MiniMax, а теги не нужны.
  • Fish Audio S2.1 Pro — если эмоции удобнее описывать своими словами в скобках, например [warm and happy].
  • Gemini 3.8 Flash TTS — когда подачу хочется описать фразой в отдельном поле, а не тегами в тексте.
  • Cartesia Sonic 3.6 — для коротких служебных фраз, где чёткость нужнее игры.

Версии и отличия

  • Eleven v4 — следующее поколение: больше 90 языков, ровнее держит голос и на чужом языке старается говорить без акцента. ElevenLabs предлагает переходить на неё, проверив на своих текстах.
  • Eleven v4 Turbo — быстрый вариант v4 для реплик в разговоре.
  • Eleven v3 Conversational — вариант v3 для живого разговора у самой ElevenLabs. По нашему API его нет.

Подробно о Eleven v3

До выхода v4 именно v3 была главной выразительной моделью ElevenLabs. Сейчас компания называет её прошлым поколением, но продолжает поддерживать: у v3 своя манера, драматичная и игровая.

Главная черта v3 — теги. ElevenLabs делит их на три группы. Голосовые меняют подачу: смех разной силы, шёпот, вздох, выдох, сарказм, любопытство, восторг, плач, озорство. Звуковые добавляют то, что обычно ищут в библиотеке шумов: аплодисменты, хлопки, выстрел, взрыв, глоток. Экспериментальные дают акцент, пение и восклицания, и тут ElevenLabs прямо предупреждает, что результат у разных голосов отличается.

Языков у v3 больше 70, русский среди них. Голоса при этом остаются англоязычными: американские, британские, австралийский. Говорить на чужом языке без акцента голоса ElevenLabs научила только следующее поколение, v4. Поэтому русская речь в v3 может звучать с лёгкой манерой исходного голоса, и это стоит учитывать при выборе.

У самой ElevenLabs запрос к v3 вмещает до 5 000 знаков, а ещё v3 умеет вести диалог нескольких голосов в одном запросе. Через наш API один запрос — это один голос и до 4 096 знаков текста, поэтому сцены собираются из отдельных реплик. Зато каждую реплику можно переделать отдельно, не трогая остальные.

Для живого разговора у ElevenLabs есть Eleven v3 Conversational с задержкой около 165 мс, но работает он через постоянное соединение, которого в нашем API пока нет. Для ответов голосом в разговоре по HTTP смотри Eleven v4 Turbo.

Переходить ли на v4 — вопрос звука, а не моды. ElevenLabs советует сначала проверить v4 на своих голосах и текстах: на чужих языках новая модель ведёт себя иначе. Если сериал уже озвучен v3 и зрители привыкли к голосу, разумно доснять сезон на ней.

Как устроен доступ

Весело — не разработчик Eleven v3: модель выпускает ElevenLabs. Мы даём к ней доступ по API — один ключ на все модели, оплата в рублях с API-счёта, а цена каждого ответа видна в самом ответе. Запрос, который закончился ошибкой, денег не стоит. Что мы храним о запросах и сколько — в разделе «Данные и приватность» документации. Данные и приватность

Вопросы и ответы

Зачем брать Eleven v3, если уже вышла v4?
Чтобы новые выпуски звучали как старые. В v4 изменилось поведение голоса на чужом языке, и серия, начатая на v3, после переезда может зазвучать иначе. Для нового проекта начни с v4, для продолжения сравни обе модели на одном абзаце.
Какие звуки Eleven v3 умеет вставить в речь?
По списку ElevenLabs: аплодисменты [applause], хлопки [clapping], выстрел [gunshot], взрыв [explosion], глоток [swallows] и [gulps]. Из голосовых звуков — смех нескольких видов, вздох, выдох, плач [crying] и фырканье [snorts].
Почему тег в Eleven v3 не сработал?
Проверь две вещи: подходит ли тег голосу и не спорит ли он со смыслом фразы. Грустный тег перед радостной новостью спорит со смыслом, и результат выходит непредсказуемым. Попробуй другой голос или перепиши фразу так, чтобы эмоция читалась и без тега.
Как сделать паузу в Eleven v3?
Тег break из SSML v3 не понимает. Короткую паузу дают тире и многоточие, длинную — новый абзац, а тишину точной длины проще вставить в монтаже.
Говорит ли Eleven v3 по-русски с акцентом?
Русский у v3 есть. Голоса ElevenLabs англоязычные, а говорить на чужом языке без акцента голоса стала только v4. Если манера голоса в русском тексте мешает, сравни ту же фразу в v4.
Сколько стоит озвучить ролик в Eleven v3?
11,18 ₽ за 1000 знаков. Ролик на 600 знаков обойдётся в около 6,71 ₽, а запрос, который закончился ошибкой, денег не стоит.
Есть ли подписка или абонентская плата?
Нет. API-счёт пополняется на нужную сумму, а списывается только то, что потратили запросы. Чем больше расход за месяц, тем больше кэшбэк — от 1 до 5%.
Сколько запросов можно отправлять?
До 60 запросов в минуту и до 10 одновременно на один ключ, ключей у аккаунта — до 20. Сверх лимита придёт ответ 429 с заголовком Retry-After: через столько секунд можно повторить.
Можно ли использовать результат в рекламе и соцсетях?
Можно: мы не претендуем на результат, использовать его можно любым законным способом, не нарушая прав других людей. Только не выдавай его за голос, лицо или слова настоящего человека — так требуют правила API.

Ещё по теме

Факты сверены 16 ноября 2026 по документации: elevenlabs.io