Как продумывать промпты для генерации озвучки и аудио
Автор: Digital_Jedi
Обновлено: 10.02.2026
Это 3-й урок из Мини-курса «По генерации видео для продвинутых».
Профессиональная озвучка и правильно подобранная музыка превращают хорошее видео в отличное, а плохой звук может «убить» даже самую красивую картинку.
В этом уроке разберем два направления: как писать промпты для качественной AI-озвучки (дикторский текст, закадровый голос) и как генерировать музыку, которая подходит под вашу картинку.
В этом уроке разберем два направления: как писать промпты для качественной AI-озвучки (дикторский текст, закадровый голос) и как генерировать музыку, которая подходит под вашу картинку.
Содержание
Часть 1. Как делать промпты для озвучки.
Управляем произношением.
Используем метатеги.
Часть 2. Как делать промпты для генерации музыки.
Управляем произношением.
Используем метатеги.
Часть 2. Как делать промпты для генерации музыки.
Часть 1. Как делать промпты для озвучки
Главное правило озвучки
ИИ-озвучка ничего не додумывает и читает только то, что вы написали.
Если вы дадите текст без пунктуации, нейронка прочитает его как один длинный поток слов, а если расставите точки и запятые правильно — получите живую, естественную речь.
Запомните: ИИ-голос озвучивает текст так, как он написан, поэтому плохая пунктуация и логика текста = плохая озвучка.
Если вы дадите текст без пунктуации, нейронка прочитает его как один длинный поток слов, а если расставите точки и запятые правильно — получите живую, естественную речь.
Запомните: ИИ-голос озвучивает текст так, как он написан, поэтому плохая пунктуация и логика текста = плохая озвучка.
Как форматировать текст, чтобы голос звучал «по-человечески»
Точки — для естественных пауз и завершения мысли.
Если не ставить точки, нейронка начнет «придумывать» паузы сама, и по звучанию будет ясно, что это не живой диктор.
Пример из урока: «Привет. Меня зовут Зоя» звучит естественно, а «Привет меня зовут Зоя» — как сбивчивый поток.
Если не ставить точки, нейронка начнет «придумывать» паузы сама, и по звучанию будет ясно, что это не живой диктор.
Пример из урока: «Привет. Меня зовут Зоя» звучит естественно, а «Привет меня зовут Зоя» — как сбивчивый поток.
Запятые — для коротких пауз и акцентов внутри предложения.
Запятые создают ритм и помогают выделять важные части — без них нейронка может прочитать всё одной интонацией.
Примеры: «Сегодня, как и вчера, была отличная погода.»; «Нейросети, если разобраться, это не так сложно.»; «Мы запустили продукт, и результаты превзошли ожидания.»
Запятые создают ритм и помогают выделять важные части — без них нейронка может прочитать всё одной интонацией.
Примеры: «Сегодня, как и вчера, была отличная погода.»; «Нейросети, если разобраться, это не так сложно.»; «Мы запустили продукт, и результаты превзошли ожидания.»
Совет по пунктуации: не всегда нужно ставить знаки строго по правилам русского языка — лучше прочитайте текст вслух и там, где делаете паузу, добавляйте запятую или точку.
Многоточие — для задумчивости и драматизма.
Оно создает паузу длиннее, чем запятая, и добавляет ощущение «диктор размышляет».
Оно создает паузу длиннее, чем запятая, и добавляет ощущение «диктор размышляет».
Восклицательные и вопросительные знаки — для управления интонацией.
Нюанс: некоторые AI-голоса хуже распознают вопрос, и если интонация не поднимается, попробуйте другой голос или добавьте вопросительное начало, например «А знаете ли вы…» вместо «Вы знаете?».
Нюанс: некоторые AI-голоса хуже распознают вопрос, и если интонация не поднимается, попробуйте другой голос или добавьте вопросительное начало, например «А знаете ли вы…» вместо «Вы знаете?».
Абзацы — для смены темы и более длинной паузы.
Новый абзац обычно дает паузу примерно 1–1.5 секунды и часто меняет тональность или энергию голоса.
Новый абзац обычно дает паузу примерно 1–1.5 секунды и часто меняет тональность или энергию голоса.
Тире — для выделения и драматической паузы.
Тире делает паузу резче, чем запятая, и подчеркивает следующую часть фразы.
Тире делает паузу резче, чем запятая, и подчеркивает следующую часть фразы.
Пример: хороший текст vs плохое форматирование
Вот текст, который в нормальном виде звучит живо и понятно:
Prompt
«Привет! Меня зовут Зоя. Сегодня я расскажу вам о нейросетях. Это очень интересная тема, которую многие недооценивают. А между тем, она может изменить вашу работу.»
Prompt
«Привет! Меня зовут Зоя. Сегодня я расскажу вам о нейросетях. Это очень интересная тема, которую многие недооценивают. А между тем, она может изменить вашу работу.»
А вот тот же текст без нормальной пунктуации превращается в монотонный поток слов:
Prompt
«привет меня зовут Зоя сегодня я расскажу вам о нейросетях это очень интересная тема которую многие недооценивают а между тем она может изменить вашу работу»
Prompt
«привет меня зовут Зоя сегодня я расскажу вам о нейросетях это очень интересная тема которую многие недооценивают а между тем она может изменить вашу работу»
В первом варианте мысли разделены, есть паузы и интонации, слушателю проще воспринимать информацию, а восклицательный знак в начале задает энергичный тон.
Во втором варианте получается «одним дыханием», и через несколько секунд внимание рассеивается.
Во втором варианте получается «одним дыханием», и через несколько секунд внимание рассеивается.
Управляем произношением
Одного форматирования мало: нужно еще сделать так, чтобы нейронка правильно произнесла проблемные слова.
В уроке выделены четыре главные категории: аббревиатуры, числа, иностранные слова и ударения.
В уроке выделены четыре главные категории: аббревиатуры, числа, иностранные слова и ударения.
Аббревиатуры
ИИ может читать аббревиатуры по буквам, как слово или даже с английским произношением.
Например, «США» может прозвучать как «Сэ-ша», «У-эс-а» или «эС-Ша-А».
Решения два: расшифровать аббревиатуру или написать фонетически, например «Эс-Ша-А».
Например, «США» может прозвучать как «Сэ-ша», «У-эс-а» или «эС-Ша-А».
Решения два: расшифровать аббревиатуру или написать фонетически, например «Эс-Ша-А».
Числа
ИИ может трактовать цифры неожиданно: «в 2024 году» иногда звучит как «в двадцать двадцать четыре году».
Поэтому числа, время, деньги, проценты и точные даты лучше писать текстом, а не цифрами и символами вроде $, %.
Поэтому числа, время, деньги, проценты и точные даты лучше писать текстом, а не цифрами и символами вроде $, %.
Иностранные слова
Если озвучка идет на русском, иностранные слова нейронка может прочитать с акцентом.
Поэтому такие слова лучше писать транскрипцией русскими буквами.
Поэтому такие слова лучше писать транскрипцией русскими буквами.
Ударения
Чтобы нейронка не ошибалась, ударную гласную можно выделять заглавной буквой.
Еще один прием — переформулировать фразу так, чтобы смысл был однозначен: вместо «Он открыл замок» написать «Он открыл замок ключом».
Еще один прием — переформулировать фразу так, чтобы смысл был однозначен: вместо «Он открыл замок» написать «Он открыл замок ключом».
Используем метатеги (ElevenLabs/Murf)
В ElevenLabs и Murf можно использовать метатеги — команды прямо в тексте в формате [метатег], которые добавляют конкретные эффекты: паузы, эмоции, скорость, высоту голоса и т. д.
P. S. В уроке отмечено, что метатеги доступны только в платной версии ElevenLabs.
P. S. В уроке отмечено, что метатеги доступны только в платной версии ElevenLabs.
Паузы
Синтаксис: [pause: Xs], где X — число секунд, например [pause: 0.5s].
Эмоции (пример набора из ElevenLabs)
- [excited] — энергично, возбуждено.
- [sad] — грустно.
- [whisper] — шепот.
- [shouting] — крик, громко.
- [normal] — вернуться к обычной подаче.
Скорость голоса
Тег: [speed: X], где X — множитель скорости.
Высота голоса (pitch)
Тег: [pitch: +/-X].
Pitch помогает создать ощущение, будто текст читают разные люди, и в целом дает дополнительный контроль эмоций.
Pitch помогает создать ощущение, будто текст читают разные люди, и в целом дает дополнительный контроль эмоций.
Пример полноценного текста с метатегами
Ниже пример из урока, где смешаны паузы, смена режима, ускорение, эмоции и акценты на произношении:
Prompt
[low_pitch] [pause: 1.0s] Это случилось в пятницу… тринадцатого октября. Казалось, это был обычный вечер. Офис пустел. Я дописывал отчет и уже собирался домой. [pause: 1.5s]
Но вдруг… на мониторе появилось окно. Красный фон. И всего одна надпись. «Ваши данные зашифрованы».
[normal] Сначала я подумал, что это шутка. Кто-то из коллег забыл выключить Ви-Пи-Эн… или это просто системный сбой. Но через секунду телефон разрывался от уведомлений.
[speed: 1.15] [excited] Звонил Си-И-О компании. Звонил главный бухгалтер. В чатах началась паника. Система безопасности легла. Все серверы были недоступны! Мы теряли… по пятьдесят тысяч дОлларов… каждую минуту.
[pause: 0.5s] Я пытался ввести пароль администратора. Ошибка. Пытался перезагрузить систему через удаленный доступ. Ошибка. [speed: 1.0]
В тот момент я понял, что мы столкнулись не просто с вирусом. Это была целенаправленная Ди-ДОс атака… которую готовили месяцами.
[pause: 1.5s] [whisper] И самое страшное… Взломщик был… в этой комнате.
[pause: 2.0s] [normal] Привет! Меня зовут Максим, и сегодня мы разберем, как один слабый пароль… может уничтожить бизнес стоимостью в триста миллионов рублей. Поехали.
Prompt
[low_pitch] [pause: 1.0s] Это случилось в пятницу… тринадцатого октября. Казалось, это был обычный вечер. Офис пустел. Я дописывал отчет и уже собирался домой. [pause: 1.5s]
Но вдруг… на мониторе появилось окно. Красный фон. И всего одна надпись. «Ваши данные зашифрованы».
[normal] Сначала я подумал, что это шутка. Кто-то из коллег забыл выключить Ви-Пи-Эн… или это просто системный сбой. Но через секунду телефон разрывался от уведомлений.
[speed: 1.15] [excited] Звонил Си-И-О компании. Звонил главный бухгалтер. В чатах началась паника. Система безопасности легла. Все серверы были недоступны! Мы теряли… по пятьдесят тысяч дОлларов… каждую минуту.
[pause: 0.5s] Я пытался ввести пароль администратора. Ошибка. Пытался перезагрузить систему через удаленный доступ. Ошибка. [speed: 1.0]
В тот момент я понял, что мы столкнулись не просто с вирусом. Это была целенаправленная Ди-ДОс атака… которую готовили месяцами.
[pause: 1.5s] [whisper] И самое страшное… Взломщик был… в этой комнате.
[pause: 2.0s] [normal] Привет! Меня зовут Максим, и сегодня мы разберем, как один слабый пароль… может уничтожить бизнес стоимостью в триста миллионов рублей. Поехали.
Идея примера: получить динамичную озвучку с эмоциями, паузами и темпом, чтобы удерживать внимание слушателя.
Бонус: как выбирать голос под задачу
В уроке дана таблица с логикой выбора голоса под разные форматы.
Задачи в таблице: рекламный ролик, обучающий контент, новости/документалистика, сторителлинг, корпоративная презентация — и для каждой указаны характеристики и объяснение, почему именно такие подходят.
Задачи в таблице: рекламный ролик, обучающий контент, новости/документалистика, сторителлинг, корпоративная презентация — и для каждой указаны характеристики и объяснение, почему именно такие подходят.
Часть 2. Как делать промпты для генерации музыки
Переходим к музыке: она бывает фоновая и со словами, но в уроке подробнее разбирается именно фоновая.
Формула промпта для музыки (Suno, Udio и аналоги)
Рабочая структура промпта: [Жанр] + [Настроение] + [Инструменты] + [Темп] + [Структура] + [Референсы].
Жанр
Жанр задает базовое звучание. Примеры жанров из урока: electronic, orchestral, rock, jazz, ambient, lo-fi, cinematic.
Жанры можно комбинировать, и нейронки хорошо смешивают стили, например electronic rock, orchestral cinematic, lo-fi jazz.
Если не понимаете, что выбрать, можно просто описать задачу нейронке и получить рекомендации по жанрам.
Жанры можно комбинировать, и нейронки хорошо смешивают стили, например electronic rock, orchestral cinematic, lo-fi jazz.
Если не понимаете, что выбрать, можно просто описать задачу нейронке и получить рекомендации по жанрам.
Настроение
Настроение определяет, что должен чувствовать слушатель. Примеры: uplifting, melancholic, energetic, peaceful, tense.
Инструменты
Инструменты уточняют звучание и усиливают настроение.
В уроке перечислены варианты по группам: клавишные (piano, synthesizers, electric piano), струнные (strings, acoustic guitar, electric guitar, violin), ритм (drums, electronic drums), бас (bass, synth bass), духовые (brass section, saxophone, flute).
В уроке перечислены варианты по группам: клавишные (piano, synthesizers, electric piano), струнные (strings, acoustic guitar, electric guitar, violin), ритм (drums, electronic drums), бас (bass, synth bass), духовые (brass section, saxophone, flute).
Темп
Темп можно задавать словами (slow/moderate/fast) или BPM.
Примеры по BPM: 60 — очень медленно, 90 — спокойно, 120 — энергично, 140 — быстро, 160+ — очень быстро.
Можно указывать диапазон, например “slow to moderate tempo”, чтобы трек начался медленно и потом ускорился.
Примеры по BPM: 60 — очень медленно, 90 — спокойно, 120 — энергично, 140 — быстро, 160+ — очень быстро.
Можно указывать диапазон, например “slow to moderate tempo”, чтобы трек начался медленно и потом ускорился.
Структура
Структура описывает развитие трека: gradual build-up, constant energy, dynamic changes.
Референсы
Референсы помогают точнее объяснить желаемое звучание: можно ссылаться на композиторов (например Ханс Циммер, Джон Уильямс) или на стили вроде синтвейва 80-х, lo-fi битов и т. д.
Примеры промптов для музыки (и разбор)
1) Энергичный рекламный ролик
Prompt
Upbeat corporate electronic music, energetic and motivating, synthesizers and drums, moderate to fast tempo, building up gradually, modern and clean sound, commercial style
Upbeat corporate electronic music, energetic and motivating, synthesizers and drums, moderate to fast tempo, building up gradually, modern and clean sound, commercial style
Разбор из урока: жанр corporate electronic, настроение energetic and motivating, инструменты synthesizers and drums, темп moderate to fast, структура building up gradually, стиль modern/clean/commercial.
Результат: современная электронная музыка с нарастающей энергией, подходит для презентаций и демонстрации нового.
Результат: современная электронная музыка с нарастающей энергией, подходит для презентаций и демонстрации нового.
2) Атмосферное/медитативное видео
Prompt
Ambient cinematic music, peaceful and dreamy, piano and soft strings, slow tempo, minimalist approach, ethereal atmosphere
Ambient cinematic music, peaceful and dreamy, piano and soft strings, slow tempo, minimalist approach, ethereal atmosphere
Разбор: жанр ambient cinematic, настроение peaceful and dreamy, инструменты piano and soft strings, темп slow, структура minimalist.
Результат: медитативный трек, который хорошо ложится фоном.
Результат: медитативный трек, который хорошо ложится фоном.
3) Динамика (экшен/спорт/трейлер)
Prompt
Epic orchestral trailer music, powerful and dramatic, full orchestra with prominent brass and percussion, fast tempo around 140 BPM, dynamic with intense build-ups and climax, heroic theme, Two Steps From Hell style
Epic orchestral trailer music, powerful and dramatic, full orchestra with prominent brass and percussion, fast tempo around 140 BPM, dynamic with intense build-ups and climax, heroic theme, Two Steps From Hell style
Разбор: жанр epic orchestral trailer, настроение powerful and dramatic, инструменты full orchestra/brass/percussion, темп fast ~140 BPM, структура dynamic with build-ups and climax, референс Two Steps From Hell.
В уроке отмечено, что по ощущению получается почти «саундтрек к блокбастеру».
В уроке отмечено, что по ощущению получается почти «саундтрек к блокбастеру».
Фух, это было объемно.