Jak dodać pauzy?

Możesz dodać pauzę lub przerwę na kilka sposobów i wpłynąć na rytm oraz tempo wypowiedzi. Wybrana metoda zależy od modelu.

Tagi audio (Eleven v4 i Eleven v3)

W Eleven v4 i Eleven v3 używaj tagów audio oraz interpunkcji, aby kontrolować tempo i sposób wypowiedzi. Te modele nie obsługują tagów przerw SSML.

Wskazówki dotyczące pauz i sposobu wypowiedzi znajdziesz w przewodniku po promptowaniu.

Tagi przerw (Multilingual v2, Flash v2 i Flash v2.5)

Najbardziej niezawodnym sposobem dodania pauzy w Multilingual v2, Flash v2 i Flash v2.5 jest użycie składni tagu przerwy SSML <break time="1.5s" />. Tworzy ona dokładną i naturalną pauzę w mowie. To nie jest tylko cisza wstawiona między słowa — model rozumie tę składnię i dodaje naturalną pauzę.

Sposób obsługi tych pauz przez model może się różnić. Użyty głos odgrywa kluczową rolę w wyniku. Niektóre głosy, trenowane z kilkoma „eee” i „yyy”, mogą dodawać takie manieryzmy podczas pauz, jak robi to prawdziwy mówca.

Przykład może wyglądać tak:

„Daj mi sekundę, żebym to przemyślał.” <break time="1.0s" /> „Tak, to by zadziałało.”

Czas przerwy należy podawać w sekundach. AI obsługuje pauzy do 3 sekund i można ich używać w Text to Speech oraz przez API.

Użycie zbyt wielu przerw SSML w tekście może powodować problemy. Mowa może przyspieszyć, a w audio może pojawić się więcej szumów i innych artefaktów. Pracujemy nad rozwiązaniem tego problemu.

Interpunkcja

Te opcje są mniej niezawodne niż tagi przerw lub tagi audio, ale nadal mogą wpłynąć na tempo.

Zwykły myślnik - lub pauza — często działają dobrze. Aby uzyskać dłuższą pauzę, możesz dodać kilka myślników, np. -- --.

„Robi - się - późno.”

Wielokropek ... może czasem dodać pauzę między słowami, ale zwykle wprowadza też do głosu wahanie lub nerwowość, które nie zawsze pasują.

„Ja… tak, chyba tak…”