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

Avec un modèle Text to Speech IA, l’interprétation est essentielle. Si la qualité d’une voix et la maîtrise de la prosodie comptent beaucoup, sans le bon rythme, une phrase perd toute sa cohérence. Un temps supplémentaire après une réplique ou un silence prolongé peut être déterminant pour obtenir un résultat de qualité. 

Les outils Text to Speech génériques laissent les pauses au hasard. Une génération peut produire le résultat recherché, puis le perdre à la régénération suivante. Eleven v4 améliore les workflows de régénération pour que cela appartienne au passé. Ajustez facilement chaque réplique ou phrase de votre script. 

Pour créer le meilleur script possible dès le départ, Eleven v4 vous offre trois façons d’intégrer directement des pauses dans votre texte pour vos voix off IA. Voici comment chacune fonctionne et quand l’utiliser.

En résumé

• Les balises SSML ne fonctionnent pas dans Eleven v4. Le système utilise les Audio Tags, qui permettent d’écrire directement dans votre script des indications de jeu 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 sortie TTS.
• Pour créer des pauses efficaces, placez-les là où un locuteur humain s’arrêterait naturellement.
• Pour l’audio long format, appliquez les mêmes conventions de pause tout au long du script afin de préserver la cohérence du résultat.

Qu’est-ce qui a changé par rapport aux modèles précédents ?

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 comme <break time=”2.0s” /> pour ajouter une pause de deux 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 les voix off IA. Au lieu de connaître la balise SSML exacte à utiliser, il suffit d’écrire en langage courant : [pause] et [long pause] font le travail pour vous. Ces balises deviennent des indications pour le modèle, qui y réagit en s’appuyant sur le contexte de la scène afin de créer une interprétation finale nuancée. La durée exacte de la pause s’adapte au moment, plutôt que de correspondre à un silence mécanique prédéfini.

Bien que ce ne soit pas le sujet de cet article, vous pouvez aussi utiliser les Audio Tags pour créer un rendu Text to Speech émotionnel en variant les émotions au fil d’un paragraphe. 

Les trois contrôles de pause dans Eleven v4

Eleven v4 propose trois façons d’ajouter des pauses dans une voix off IA. 

Nous montrerons comment chacune fonctionne dans la pratique 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 sa phrase. Utilisez au mieux l’Audio Tag [pause] après une phrase d’introduction, entre deux idées que vous souhaitez distinguer, après une expression qui nécessite plus d’emphase, ou partout où un simple point semble 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’additionnent dans les extraits finaux.

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

[long pause]

Une longue pause est plus délibérée et crée des moments de silence dans vos extraits audio. Utilisez ce silence pour instaurer une tension dramatique, entre deux scènes, avant une révélation ou partout où vous souhaitez 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 l’interprétation 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 tout au long de votre script, et devriez le faire pour améliorer l’interprétation, mais la ponctuation seule peut déjà faire beaucoup.

Dans le passage suivant, découvrez à quel point la ponctuation peut donner vie à un texte, même sans Audio Tags.

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

Les pauses dans l’audio long format

La génération d’audio long format fonctionne mieux avec une approche cohérente sur toute la longueur de votre script. Par exemple, si vous n’utilisez que la ponctuation sur les 1 500 premiers caractères, puis introduisez des Audio Tags [long pause] dans les 1 000 derniers, le résultat peut sembler étrange.

Avant d’écrire votre script, choisissez l’approche à adopter. Ou, s’il est déjà écrit, veillez à appliquer les Audio Tags de façon cohérente tout au long du texte. Le bouton « v4 Enhance », à côté de « Generate speech », ajoutera automatiquement des Audio Tags à votre texte.

Commencez avec Eleven v4 dans ElevenCreative

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 issues 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