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 comprender la prosodia ayudan mucho, sin ritmo una frase se desmorona. Un instante extra tras una línea o un silencio prolongado pueden ser fundamentales para lograr 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 regenerar. Eleven v4 ofrece flujos de trabajo de regeneración mejorados, para que eso sea cosa del pasado. Ajusta fácilmente líneas o frases individuales de tu guion. 

Además, para crear el mejor guion posible desde el principio, Eleven v4 te ofrece tres formas de incorporar pausas a la locución con IA directamente en el texto. Te contamos qué hace cada una y cuándo debes usarla.

Resumen

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

¿Qué ha cambiado respecto a modelos anteriores?

Los modelos anteriores de ElevenLabs, como Multilingual v2, admitían sintaxis SSML. Podías insertar una pausa en una frase con una estructura como <break time=”2.0s” /> para añadir 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: las Audio Tags.

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

Aunque no es el tema central de este artículo, también puedes usar Audio Tags para crear Texto a Voz emocional 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 a locuciones con IA. 

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

[pause]

Una pausa es un breve instante. Equivale aproximadamente a una respiración o al espacio natural que se toma 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 quieres separar, tras una frase que necesita más énfasis o en cualquier punto donde un punto seguido, por sí solo, parezca demasiado apresurado.

En el ejemplo siguiente, usamos la misma línea 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 instantes extra 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 creará 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 momento en que 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 puntos suspensivos ralentiza la entonación de una línea y te permite crear momentos de vacilación. Variar la estructura de las frases rompe la monotonía de un pasaje más largo. Corto. Ágil. Directo.

Aunque puedes usar Audio Tags en todo el guion —y deberías hacerlo para mejorar la entonación de la interpretación—, la puntuación por sí sola puede marcar una gran diferencia.

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 larga duración

Generar audio de larga duración funciona mejor cuando adoptas un enfoque coherente a lo largo de todo el guion. Por ejemplo, si solo usas puntuación en los primeros 1.500 caracteres y después empiezas a introducir Audio Tags [long pause] en los últimos 1.000, el resultado podría sonar extraño.

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

Empieza con Eleven v4 en ElevenCreative

Eleven v4 da vida a tus escenas.

Al controlar el ritmo del texto y añadir Audio Tags, puedes crear interpretaciones vocales ricas con más de 17.500 voces de nuestra Biblioteca de Voces.

Lee la guía completa de Texto a Voz emocional para conocer más detalles o regístrate para iniciar hoy tu primera generación.

Preguntas frecuentes sobre cómo añadir pausas a locuciones con IA