Kalau Anda pernah dengar hasil voice over AI yang datar dan kaku, kemungkinan besar skripnya belum pakai audio tags. Eleven v3 dari ElevenLabs memperkenalkan sistem tag dalam kurung siku yang mengubah cara AI membaca teks. Bukan cuma membaca kata, tapi juga memainkan emosi, jeda, dan intonasi seperti aktor sungguhan. Menurut blog resmi ElevenLabs, penggunaan audio tags kini jadi skill dasar yang wajib dikuasai siapa pun yang serius membuat audio dengan AI.

Artikel ini merangkum daftar audio tags Eleven v3 yang paling sering dipakai, cara kerjanya, dan cara pakainya di skrip Anda. Semua penjelasan dibuat sesederhana mungkin supaya pemula pun langsung paham, sekaligus dilengkapi data dari sumber resmi biar Anda tidak salah kaprah saat praktik.

Apa Itu Audio Tags Eleven v3?

Audio tags Eleven v3 adalah instruksi berupa kata dalam kurung siku yang disisipkan langsung di dalam naskah suara. Contohnya [excited], [whispers], atau [sighs]. Model Eleven v3 membaca tag ini sebagai perintah, bukan sebagai kata yang diucapkan, lalu mengubah cara suara AI menyampaikan kalimat di sekitarnya.

Bedanya dengan Text-to-Speech Biasa

Text-to-speech versi lama hanya mengubah tulisan jadi suara tanpa kontrol emosi. Eleven v3 berbeda karena modelnya dibangun untuk memahami konteks kalimat secara lebih dalam, sehingga bisa mengikuti perubahan nada dan transisi antar pembicara secara natural, seperti dijelaskan dalam dokumentasi resmi ElevenLabs.

Kenapa Ditulis dalam Kurung Siku

Format kurung siku dipilih supaya AI bisa membedakan mana kata yang harus diucapkan dan mana instruksi performa. Tag seperti [laughs] tidak akan terdengar sebagai kata “laughs”, tapi berubah jadi suara tawa asli dari AI.

Kenapa Audio Tags Penting untuk Hasil Voice Over Profesional

Audio tags penting karena suara datar membuat pendengar cepat bosan, apalagi untuk konten panjang seperti audiobook atau iklan. Dengan audio tags, satu kalimat yang sama bisa punya makna berbeda tergantung cara diucapkan.

Emosi Mengubah Makna Kalimat

ElevenLabs memberi contoh sederhana, kalimat “I’m fine” bisa terdengar biasa saja, atau berubah jadi kesal, sedih, sampai curiga, tergantung tag yang dipasang di depannya, seperti dijabarkan dalam panduan delivery control Eleven v3. Kata tetap sama, tapi rasa yang sampai ke pendengar jauh berbeda.

Voice Clone Belum Sepenuhnya Optimal di v3

Perlu Anda catat, Professional Voice Clone (PVC) belum sepenuhnya optimal untuk v3, jadi kualitasnya bisa turun dibanding model sebelumnya. ElevenLabs menyarankan pakai Instant Voice Clone atau voice bawaan dulu selama masa riset ini berlangsung.

Kategori Audio Tags Emosi yang Wajib Dikuasai

Kategori emosi mengatur nada dasar suara, apakah terdengar sedih, marah, atau ceria. Kategori ini jadi fondasi sebelum Anda menambahkan tag lain.

Contoh Tag Emosi Dasar

Beberapa tag emosi yang umum dipakai antara lain [sad], [angry], [happily], dan [sorrowful]. Tag ini bisa digabung dalam satu kalimat untuk membentuk nuansa yang lebih kompleks.

Menggabungkan Beberapa Tag Emosi

Anda bisa menumpuk dua tag sekaligus, misalnya [hesitant][nervous], untuk karakter yang ragu sekaligus gugup. Kombinasi ini membuat performa suara terasa lebih hidup dibanding satu tag tunggal.

Audio Tags untuk Gaya Penyampaian dan Tempo

Kategori delivery direction mengatur volume, kecepatan, dan tempo bicara. Tag ini yang membuat suara terasa terburu-buru, tenang, atau penuh tekanan.

Tag untuk Kecepatan dan Jeda

Contoh tag di kategori ini adalah [pause], [rushed], [slows down], dan [rapid-fire]. ElevenLabs menjelaskan tag ini memberi kontrol penuh atas ritme kalimat, bukan sekadar emosinya saja, menurut panduan resmi soal delivery control.

Tag untuk Penekanan dan Keraguan

Untuk efek gugup atau ragu, Anda bisa pakai [stammers], [drawn out], atau [timidly]. Sedangkan untuk menegaskan kata tertentu, gunakan [emphasized] atau [stress on next word].

Audio Tags untuk Reaksi Manusia Alami

Kategori reaksi manusia menambahkan detail kecil yang bikin suara AI terasa hidup, bukan sekadar membaca naskah.

Contoh Reaksi yang Sering Dipakai

Tag seperti [laughs], [clears throat], dan [sighs] menambahkan momen spontan yang biasanya muncul di percakapan manusia asli. Tag ini cocok dipakai di jeda natural antar kalimat.

Kapan Sebaiknya Dipakai

Gunakan tag reaksi di titik transisi emosi, misalnya sebelum kalimat lucu atau setelah kalimat mengejutkan. Jangan berlebihan menaruhnya di setiap kalimat karena hasilnya malah terdengar dipaksakan.

Cara Menggunakan Audio Tags di Skrip Anda

Menggunakan audio tags cukup mudah, Anda hanya perlu menempatkan tag di depan bagian kalimat yang ingin diubah gayanya.

Langkah 1: Tulis Naskah Dasar Dulu

Tulis dulu isi naskah tanpa tag, fokus ke isi pesan yang mau disampaikan. Ini memudahkan Anda menentukan titik mana yang butuh penekanan emosi.

Langkah 2: Sisipkan Tag di Titik Kunci

Setelah naskah jadi, sisipkan tag di depan kalimat atau frasa yang butuh perubahan nada. Contohnya “[drawn out] Sooooo… kamu yakin nggak makan potongan terakhir itu?” seperti contoh resmi dari ElevenLabs.

Langkah 3: Uji Coba dan Dengarkan Ulang

Generate hasilnya lalu dengarkan apakah tag sudah sesuai maksud Anda. Eleven v3 masih berstatus riset preview, jadi butuh beberapa kali percobaan sebelum hasilnya pas.

Kesalahan Umum Saat Memakai Audio Tags Eleven v3

Beberapa kesalahan ini sering bikin hasil voice over Anda tetap terdengar aneh meski sudah pakai audio tags.

Menumpuk Terlalu Banyak Tag

Menaruh lebih dari dua atau tiga tag dalam satu kalimat pendek justru bikin AI bingung menentukan prioritas emosi. Batasi kombinasi tag secukupnya saja.

Memakai Voice Clone yang Belum Cocok

Karena PVC belum optimal di v3, pakai voice clone lama untuk skrip yang penuh tag sering menghasilkan suara pecah atau tidak natural. Pilih Instant Voice Clone atau voice bawaan dulu.

FAQ: Pertanyaan yang Sering Diajukan

Q: Apa itu audio tags di Eleven v3?
A: Audio tags adalah kode dalam kurung siku seperti [whispers] atau [sighs] yang mengatur emosi, tempo, dan gaya bicara suara AI di Eleven v3, tanpa mengubah kata yang diucapkan.

Q: Apakah audio tags bisa digabung dalam satu kalimat?
A: Bisa. Anda bisa menggabungkan tag emosi dan delivery sekaligus, misalnya [hesitant][nervous], asal tidak terlalu banyak supaya AI tidak bingung.

Q: Apakah audio tags Eleven v3 gratis dipakai?
A: Fitur ini tersedia lewat akun ElevenLabs, baik versi gratis maupun berbayar, tergantung kuota karakter dan paket yang Anda pilih.

Q: Apakah semua voice cocok dipakai dengan audio tags?
A: Belum semua. Professional Voice Clone belum sepenuhnya optimal di v3, jadi disarankan pakai Instant Voice Clone atau voice bawaan dulu.

Q: Berapa banyak audio tags yang tersedia di Eleven v3?
A: ElevenLabs resmi membagi tag jadi tiga kategori utama, sementara pustaka pihak ketiga seperti Audio Generation Plugin mencatat ada 1806 tag dalam 15 kategori turunan.

Q: Di mana audio tags ditempatkan dalam skrip?
A: Audio tags ditempatkan langsung sebelum kata atau kalimat yang ingin diubah gayanya, ditulis dalam kurung siku seperti contoh [pause] atau [excited].

Q: Apakah audio tags membuat hasil voice over terdengar lebih natural?
A: Ya. Kombinasi tag emosi, tempo, dan reaksi manusia membuat suara AI terdengar seperti performa asli, bukan bacaan datar.

Muhammad Dwiki Septianto

Muhammad Dwiki Septianto is an SEO Specialist at Olakses with a background in Informatics Engineering from UIN Bandung. Certified in Digital Marketing (BNSP), he specializes in on-page and technical SEO, content optimization, and cross-functional coordination between content and development teams.