Cómo añadir pausas a una locución con IA con Eleven v4

Con un modelo de Texto a Voz con IA, la entonación lo es todo. Aunque la calidad de una voz y la comprensión de la prosodia ayudan mucho, sin el ritmo adecuado una frase se desmorona. Una pausa adicional después de una frase o un silencio prolongado pueden ser clave para crear un resultado de alta calidad. 

Las herramientas genéricas de Texto a Voz dejan las pausas al azar. Una generación puede captar lo que buscas, pero desaparecer la siguiente vez que pulses para regenerar. Eleven v4 ofrece flujos de trabajo de regeneración mejorados para que eso sea cosa del pasado. Ajusta fácilmente líneas o frases individuales en tu guion. 

Además, para crear el mejor guion posible desde el principio, Eleven v4 te ofrece tres formas de incorporar pausas en locuciones con IA directamente en tu texto. Te explicamos qué hace cada una y cuándo conviene utilizarlas.

Resumen

• Las etiquetas SSML no funcionan en Eleven v4. El sistema utiliza Audio Tags, con las que puedes escribir indicaciones escénicas como [long pause] o [whispers] directamente en tu guion.
• Modificar la puntuación permite jugar con el ritmo de una frase: los guiones, las elipsis y las frases cortas dan forma a cómo suena el resultado de tu TTS.
• Para escribir pausas eficaces, colócalas donde un hablante humano se detendría de forma natural.
• Al crear audio de formato largo, usa las mismas convenciones de pausa en todo el texto para mantener un resultado coherente.

¿Qué ha cambiado respecto a los modelos anteriores?

Los modelos anteriores de ElevenLabs, como Multilingual v2, admitían sintaxis SSML. Podías añadir una pausa dentro de una frase con una estructura como <break time=”2.0s” /> para crear una pausa de 2 segundos. Eleven v4 continúa el enfoque introducido en Eleven v3 y sustituye las etiquetas SSML por una alternativa mucho más intuitiva: Audio Tags.

Para quienes escriben, este cambio facilita mucho crear pausas en tu locución con IA. En vez de tener que saber qué etiqueta SSML exacta utilizar, solo tienes que escribir en lenguaje natural: [pause] y [long pause] hacen el trabajo por ti. Estas etiquetas se convierten en indicaciones para el modelo, que reacciona a ellas y usa el contexto de la escena para crear una interpretación final con matices. La duración exacta de la pausa se adapta al momento, en lugar de ser un silencio mecánico predefinido.

Aunque no es el tema principal de este artículo, también puedes usar Audio Tags para crear resultados de Texto a Voz emocionales variando las emociones a lo largo de un párrafo. 

Los tres controles de pausa de Eleven v4

Eleven v4 te ofrece tres formas de añadir pausas en locuciones con IA. 

Te mostraremos cómo funciona cada una en la práctica en nuestro editor de texto y cómo se perciben con un ejemplo de audio.

[pause]

Una pausa es un breve intervalo. Equivale aproximadamente a una respiración o al espacio natural que deja un hablante antes de continuar una frase. El mejor lugar para usar la Audio Tag [pause] es después de una frase introductoria, entre dos ideas que quieras separar, tras una frase que necesite más énfasis o en cualquier punto donde un simple punto resulte demasiado apresurado.

En el siguiente ejemplo, usamos la misma frase con y sin la Audio Tag [pause]. Incluso sin escuchar los clips de audio, notarás que uno dura cuatro segundos y el otro seis. Los intervalos adicionales que aporta [pause] se acumulan en los clips finales.

Los clips anteriores se generaron con Flint en Eleven v4.

[long pause]

Una pausa larga es más deliberada y crea momentos de silencio en tus clips de audio. Puedes usar ese silencio para generar tensión dramática, durante una transición entre escenas, antes de una revelación o en cualquier punto donde quieras enfatizar el silencio.

Aquí tienes un ejemplo de [long pause] en una escena.

Este clip de audio tiene la voz de Spuds Oxley en Eleven v4.

Puntuación

Eleven v4 utiliza la puntuación como una indicación de ritmo. Añadir una elipsis ralentiza la entonación de una frase y te permite crear momentos de duda. Cambiar la estructura de las frases rompe la monotonía de un pasaje más largo. Corto. Ágil. Directo.

Aunque puedes usar Audio Tags en todo tu guion —y deberías hacerlo para mejorar la entonación de la interpretación—, la puntuación por sí sola puede aportar mucho.

En el siguiente pasaje puedes ver cómo la puntuación da vida a un texto, incluso sin Audio Tags.

Esta muestra de audio cobró vida con Lauren B en Eleven v4.

Pausas en audio de formato largo

Generar audio de formato largo funciona mejor si aplicas un enfoque coherente a lo largo de todo el guion. Por ejemplo, si solo usas puntuación en los primeros 1500 caracteres y luego empiezas a introducir Audio Tags [long pause] en los últimos 1000 caracteres, el resultado podría sonar extraño.

Antes de escribir el guion, decide qué enfoque quieres seguir. O, si ya lo has escrito, asegúrate de aplicar Audio Tags de forma coherente en todo el texto. El botón «v4 Enhance», junto a «Generate speech», añadirá Audio Tags automáticamente a tu texto.

Empieza con Eleven v4 en ElevenCreative

Eleven v4 da vida a tus escenas.

Al controlar el ritmo de tu texto y añadir Audio Tags, puedes crear interpretaciones vocales llenas de matices con más de 17.500 voces de nuestra Biblioteca de voces.

Lee la guía completa de Texto a Voz emocional para obtener más información o regístrate para comenzar hoy tu primera generación.

Preguntas frecuentes sobre añadir pausas en locuciones con IA