Hur kan jag lägga till pauser?

Det finns några sätt att lägga in en paus eller ett avbrott och påverka talarens rytm och tempo. Vilken metod du använder beror på modellen.

Ljudtaggar (Eleven v4 och Eleven v3)

Med Eleven v4 och Eleven v3 använder du ljudtaggar och skiljetecken för att styra tempo och framförande. Dessa modeller har inte stöd för SSML-breaktaggar.

I promptguiden finns vägledning om hur du anger pauser och framförande.

Breaktaggar (Multilingual v2, Flash v2 och Flash v2.5)

Det mest konsekventa sättet att lägga till en paus i Multilingual v2, Flash v2 och Flash v2.5 är med SSML-syntaxen för breaktaggar: <break time="1.5s" />. Detta skapar en exakt och naturlig paus i talet. Det är inte bara tystnad som läggs in mellan ord – modellen förstår syntaxen och lägger till en naturlig paus.

Hur modellen hanterar dessa pauser kan variera. Rösten som används spelar en avgörande roll för resultatet. Vissa röster, som tränats med några “eh” och “ah”, kan lägga in sådana röstmanér under pauser, precis som en riktig talare kan göra.

Ett exempel kan se ut så här:

“Ge mig en sekund att tänka på det.” <break time="1.0s" /> “Ja, det skulle fungera.”

Pausens längd ska anges i sekunder. AI:n kan hantera pauser på upp till 3 sekunder och kan användas i Text to Speech och via API:t.

Om du använder ett alltför stort antal SSML-pauser i texten kan det orsaka problem. Talet kan bli snabbare, eller så kan ljudet få mer brus och andra artefakter. Vi arbetar på att lösa detta.

Skiljetecken

De här alternativen är mindre konsekventa än breaktaggar eller ljudtaggar, men kan ändå påverka tempot.

Ett enkelt bindestreck - eller tankstreck — fungerar ofta bra. Du kan lägga till flera bindestreck, till exempel -- --, för en längre paus.

“Det - börjar - bli sent.”

En ellips ... kan ibland lägga till en paus mellan ord, men den ger vanligtvis också rösten en viss tvekan eller nervositet som inte alltid passar.

“Jag… ja, det antar jag…”