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 conocer bien la prosodia ayudan mucho, sin el ritmo adecuado una frase se desmorona. Una breve pausa tras una línea o un silencio prolongado pueden ser esenciales para crear un resultado de alta calidad. 

Las herramientas genéricas de Texto a Voz dejan las pausas al azar. Una generación puede captar justo lo que buscas, pero desaparecer al volver a generar. Eleven v4 ofrece flujos de regeneración mejorados para que eso sea cosa del pasado. Ajusta fácilmente líneas o frases concretas de tu guion. 

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

Resumen

• SSML no funciona en Eleven v4. El sistema utiliza Etiquetas de Audio, con las que escribes indicaciones como [long pause] o [whispers] directamente en tu guion.
• Modificar la puntuación puede cambiar el ritmo de una frase: los guiones, las elipsis y las frases cortas dan forma a cómo suena el resultado de TTS.
• Para escribir pausas eficaces, colócalas donde una persona que habla se detendría de forma natural.
• Al escribir 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 incluir 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 Etiquetas de Audio.

Para escritores, este cambio facilita mucho crear pausas en tu locución con IA. En lugar de tener que saber qué etiqueta SSML exacta usar, 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 llena de matices. La duración exacta de la pausa se adapta al momento, en vez de ser un silencio mecánico predefinido.

Aunque no es el tema principal de este artículo, también puedes usar Etiquetas de Audio para crear resultados emotivos de Texto a Voz 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 la locución 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 compás. Equivale aproximadamente a una respiración o al espacio natural que hace una persona antes de continuar una frase. El mejor lugar para usar la Etiqueta de Audio [pause] es después de una frase introductoria, entre dos ideas que quieras separar, tras una frase que necesite más énfasis o donde un punto por sí solo resulte demasiado apresurado.

En el ejemplo siguiente usamos la misma línea con y sin la Etiqueta de Audio [pause]. Incluso sin escuchar los clips de audio, notarás que uno dura cuatro segundos y el otro seis. Los compases 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 intencionada 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 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 usa la puntuación como una indicación de ritmo. Añadir una elipsis ralentiza la entonación de una línea y te permite crear momentos de vacilación. Cambiar la estructura de tus frases rompe la monotonía de un pasaje más largo. Corto. Ágil. Directo.

Aunque puedes usar Etiquetas de Audio en todo tu guion (y deberías hacerlo para mejorar la entonación de tu interpretación), la puntuación por sí sola puede lograr mucho.

En el siguiente pasaje, puedes comprobar hasta qué punto la puntuación da vida a un texto, incluso sin Etiquetas de Audio.

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 cuando mantienes un enfoque coherente en todo el guion. Por ejemplo, si solo usas puntuación en los primeros 1500 caracteres y luego empiezas a introducir Etiquetas de Audio [long pause] en los últimos 1000, el resultado podría sonar extraño.

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

Preguntas frecuentes sobre cómo añadir pausas en locuciones con IA