Como posso adicionar pausas?

Há algumas formas de inserir uma pausa ou intervalo e influenciar o ritmo e a cadência do falante. O método depende do modelo.

Tags de áudio (Eleven v4 e Eleven v3)

Com o Eleven v4 e o Eleven v3, use tags de áudio e pontuação para controlar o ritmo e a interpretação. Esses modelos não oferecem suporte a tags de pausa SSML.

Consulte o guia de prompting para saber como usar prompting para pausas e interpretação.

Tags de pausa (Multilingual v2, Flash v2 e Flash v2.5)

A forma mais consistente de adicionar uma pausa no Multilingual v2, Flash v2 e Flash v2.5 é usar a sintaxe da tag de pausa SSML <break time="1.5s" />. Isso cria uma pausa exata e natural na fala. Não é apenas um silêncio inserido entre palavras — o modelo entende a sintaxe e adiciona uma pausa natural.

A forma como o modelo lida com essas pausas pode variar. A voz usada tem um papel fundamental no resultado. Algumas vozes, treinadas com alguns “uh” e “ah”, podem inserir esses maneirismos vocais durante as pausas, como uma pessoa falante faria.

Um exemplo seria:

“Me dê um segundo para pensar.” <break time="1.0s" /> “Sim, isso funcionaria.”

O tempo da pausa deve ser descrito em segundos. A IA consegue lidar com pausas de até 3 segundos e elas podem ser usadas no Text to Speech e pela API.

Se você usar um número excessivo de pausas SSML no texto, isso poderá causar problemas. A fala pode acelerar, ou o áudio pode apresentar mais ruídos e outros artefatos. Estamos trabalhando para resolver isso.

Pontuação

Estas opções são menos consistentes que as tags de pausa ou tags de áudio, mas ainda podem influenciar o ritmo.

Um hífen simples - ou travessão — costuma funcionar bem. Você pode adicionar vários hífens, como -- --, para uma pausa mais longa.

“Está - ficando - tarde.”

Reticências ... às vezes podem adicionar uma pausa entre palavras, mas normalmente também acrescentam certa hesitação ou nervosismo à voz, o que nem sempre é adequado.

“Eu… é, acho que sim…”