Comment ajouter des pauses dans une voix off IA avec Eleven v4

Avec un modèle IA de Text to Speech, l'interprétation est essentielle. Si la qualité d'une voix et la maîtrise de la prosodie comptent beaucoup, sans rythme, une phrase perd toute sa cohérence. Un temps supplémentaire après une réplique ou un silence prolongé peuvent être déterminants pour obtenir un rendu de haute qualité. 

Les outils de Text to Speech génériques laissent les pauses au hasard. Une génération peut produire le résultat recherché, puis ne plus le reproduire lorsque vous relancez la génération. Eleven v4 propose des flux de régénération améliorés, pour en finir avec ce problème. Ajustez facilement chaque réplique ou phrase de votre script. 

Pour élaborer le meilleur script possible dès le départ, Eleven v4 vous offre trois façons d'intégrer directement des pauses à votre texte de voix off IA. Voici le rôle de chacune et quand les utiliser.

Résumé

• SSML ne fonctionnent pas dans Eleven v4. Le système utilise des Audio Tags, qui vous permettent d'insérer directement dans votre script des indications scéniques comme [long pause] ou [whispers].
• Modifier la ponctuation permet de jouer sur le rythme d'une phrase : les tirets, les points de suspension et les phrases courtes façonnent le rendu de votre TTS.
• Pour écrire des pauses efficaces, placez-les là où un locuteur s'arrêterait naturellement.
• Pour les contenus audio longs, appliquez les mêmes conventions de pause tout au long du texte afin de préserver la cohérence du rendu.

Qu'est-ce qui a changé par rapport aux anciens modèles ?

Les anciens modèles d'ElevenLabs, comme Multilingual v2, prenaient en charge la syntaxe SSML. Vous pouviez insérer une pause dans une phrase avec une structure telle que <break time=”2.0s” /> pour ajouter une pause de 2 secondes. Eleven v4 poursuit l'approche introduite avec Eleven v3 en remplaçant les balises SSML par une alternative bien plus intuitive : les Audio Tags.

Pour les auteurs, ce remplacement facilite considérablement la création de pauses dans votre voix off IA. Plus besoin de connaître la balise SSML exacte à utiliser : il vous suffit d'écrire en langage naturel, [pause] et [long pause] faisant le travail à votre place. Ces balises deviennent des instructions pour le modèle, qui y réagit et s'appuie sur le contexte de la scène pour créer une interprétation finale nuancée. La durée exacte de la pause s'adapte au moment, plutôt que de constituer un silence mécanique prédéfini.

Bien que ce ne soit pas l'objet de cet article, vous pouvez également utiliser les Audio Tags pour créer un rendu Text to Speech émotionnel en faisant varier les émotions au fil d'un paragraphe. 

Les trois contrôles de pause dans Eleven v4

Eleven v4 vous offre trois façons d'ajouter des pauses dans vos voix off IA. 

Nous montrerons comment chacune fonctionne concrètement dans notre éditeur de texte et illustrerons son effet avec un exemple audio.

[pause]

Une pause est un court temps d'arrêt. Elle équivaut approximativement à une respiration ou à l'espace naturel qu'un locuteur prend avant de poursuivre une phrase. Le meilleur emplacement pour l'Audio Tag [pause] est après une phrase d'introduction, entre deux idées que vous souhaitez séparer, après une expression qui demande davantage d'emphase, ou partout où un simple point paraît trop précipité.

Dans l'exemple ci-dessous, nous utilisons la même réplique avec et sans l'Audio Tag [pause]. Même sans écouter les extraits audio, vous remarquerez que l'un dure quatre secondes et l'autre six. Les temps supplémentaires apportés par [pause] s'accumulent dans les extraits finaux.

Les extraits ci-dessus ont été générés avec Flint dans Eleven v4.

[long pause]

Une longue pause est plus intentionnelle et crée des moments de silence dans vos extraits audio. Vous pouvez utiliser ce silence pour créer une tension dramatique, marquer une transition entre deux scènes, précéder une révélation ou souligner le silence.

Voici un exemple de [long pause] dans une scène.

Cet extrait audio est interprété par Spuds Oxley dans Eleven v4.

Ponctuation

Eleven v4 utilise la ponctuation comme indication de rythme. Ajouter des points de suspension ralentit le débit d'une réplique et permet de créer des moments d'hésitation. Varier la structure de vos phrases rompt la monotonie d'un passage plus long. Court. Percutant. Direct.

Vous pouvez utiliser des Audio Tags dans tout votre script, et vous devriez le faire pour améliorer l'interprétation, mais la ponctuation seule peut déjà faire beaucoup.

Dans le passage suivant, vous verrez à quel point la ponctuation donne vie à un texte, même sans Audio Tags.

Cet extrait audio a pris vie avec Lauren B dans Eleven v4.

Pauses dans les contenus audio longs

La génération de contenus audio longs fonctionne mieux lorsque vous adoptez une approche cohérente sur l'ensemble de votre script. Par exemple, si vous n'utilisez que la ponctuation dans les 1 500 premiers caractères, puis commencez à introduire des Audio Tags [long pause] dans les 1 000 derniers caractères, le rendu risque de sembler étrange.

Avant d'écrire votre script, choisissez l'approche à adopter. Ou, si vous l'avez déjà écrit, veillez à appliquer les Audio Tags de manière cohérente tout au long du texte. Le bouton « v4 Enhance », à côté de « Generate speech », ajoutera automatiquement des Audio Tags à votre texte.

Essayez Eleven v4 dans ElevenCreative dès aujourd'hui

Eleven v4 donne vie à vos scènes.

En contrôlant le rythme de votre texte et en ajoutant des Audio Tags, vous pouvez créer des interprétations vocales riches avec plus de 17 500 voix de notre Voice Library.

Lisez le guide complet du Text to Speech émotionnel pour en savoir plus, ou inscrivez-vous pour lancer votre première génération dès aujourd'hui.

FAQ : ajouter des pauses dans une voix off IA