Wie kann ich Pausen hinzufügen?

Es gibt mehrere Möglichkeiten, Pausen einzufügen und Rhythmus sowie Sprechtempo zu beeinflussen. Welche Methode Sie verwenden, hängt vom Modell ab.

Audiotags (nur Eleven v3)

Verwenden Sie mit Eleven v3 Audiotags und Satzzeichen, um Tempo und Sprechweise zu steuern. Eleven v3 unterstützt keine SSML-Break-Tags.

Hinweise zum Prompting von Pausen und Sprechweise mit v3 finden Sie im Eleven-v3-Prompting-Leitfaden.

Break-Tags (Multilingual v2, Flash v2 und Flash v2.5)

Die zuverlässigste Methode, mit Multilingual v2, Flash v2 und Flash v2.5 eine Pause hinzuzufügen, ist die SSML-Break-Tag-Syntax <break time="1.5s" />. Sie erzeugt eine genaue und natürliche Sprechpause. Dabei wird nicht einfach Stille zwischen Wörtern eingefügt – das Modell versteht die Syntax und fügt eine natürliche Pause ein.

Wie das Modell diese Pausen verarbeitet, kann variieren. Die verwendete Stimme spielt dabei eine entscheidende Rolle. Manche Stimmen, die mit einigen „Ähms“ und „Ähs“ trainiert wurden, fügen solche stimmlichen Eigenheiten während Pausen ein, wie es auch ein echter Sprecher tun könnte.

Ein Beispiel könnte so aussehen:

„Geben Sie mir eine Sekunde, um darüber nachzudenken.“ <break time="1.0s" /> „Ja, das würde funktionieren.“

Die Pausenlänge sollte in Sekunden angegeben werden. Die KI kann Pausen von bis zu 3 Sekunden verarbeiten und sie können in Text to Speech sowie über die API verwendet werden.

Wenn Sie eine übermäßige Anzahl von SSML-Pausen in Ihrem Text verwenden, kann dies zu Problemen führen. Die Sprache kann schneller werden oder das Audio kann mehr Rauschen und andere Artefakte enthalten. Wir arbeiten an einer Lösung.

Satzzeichen

Diese Optionen sind weniger zuverlässig als Break-Tags oder Audiotags, können das Tempo aber dennoch beeinflussen.

Ein einfacher Bindestrich - oder der Gedankenstrich — funktioniert oft gut. Für eine längere Pause können Sie mehrere Bindestriche wie -- -- einfügen.

„Es - wird - spät.“

Auslassungspunkte ... können manchmal eine Pause zwischen Wörtern einfügen, verleihen der Stimme aber meist auch etwas Zögern oder Nervosität, was nicht immer passt.

„Ich … ja, ich denke schon …“