Come aggiungere pause a una voce fuori campo IA con Eleven v4

Con un modello di Text to Speech IA, la resa è tutto. Sebbene la qualità di una voce e la comprensione della prosodia siano molto importanti, senza il giusto timing una frase perde efficacia. Una battuta in più dopo una riga o un silenzio prolungato possono essere fondamentali per creare un output di alta qualità. 

Gli strumenti Text to Speech generici lasciano le pause al caso. Una generazione può cogliere ciò che cerchi, ma non riuscirci più quando rigeneri. Eleven v4 offre workflow di rigenerazione migliorati, lasciando tutto questo nel passato. Puoi ottimizzare facilmente singole righe o frasi nel tuo script. 

Inoltre, per creare fin dall'inizio il miglior script possibile, Eleven v4 ti offre tre modi per inserire pause nelle voci fuori campo IA direttamente nel testo. Ecco come funziona ciascuno e quando usarlo.

In sintesi

• I tag SSML non funzionano in Eleven v4. Il sistema utilizza gli Audio Tags, con cui inserisci direttamente nel tuo script indicazioni di scena come [long pause] o [whispers].
• Modificare la punteggiatura può influire sul ritmo di una frase: trattini, puntini di sospensione e frasi brevi determinano il suono del tuo output TTS.
• Per scrivere pause efficaci, inseriscile nei punti in cui un essere umano si fermerebbe naturalmente.
• Quando crei audio in formato lungo, usa sempre le stesse convenzioni per le pause, così da mantenere un output coerente.

Cosa cambia rispetto ai modelli precedenti?

I modelli ElevenLabs precedenti, come Multilingual v2, supportavano la sintassi SSML. Potevi inserire una pausa in una frase con una struttura come <break time=”2.0s” /> per aggiungere una pausa di 2 secondi. Eleven v4 prosegue l'approccio introdotto con Eleven v3, sostituendo i tag SSML con un'alternativa molto più intuitiva: gli Audio Tags.

Per chi scrive, questa sostituzione rende molto più semplice creare pause nella tua voce fuori campo IA. Invece di dover sapere quale tag SSML usare, ti basta scrivere in linguaggio naturale: [pause] e [long pause] fanno il lavoro per te. Questi tag diventano indicazioni per il modello, che reagisce a esse e usa il contesto della scena per creare una performance finale ricca di sfumature. La durata esatta della pausa si adatta al momento, invece di essere un intervallo di silenzio meccanico predefinito.

Anche se non è l'argomento principale di questo articolo, puoi usare gli Audio Tags anche per creare output Text to Speech emozionali variando le emozioni all'interno di un paragrafo. 

I tre controlli delle pause in Eleven v4

Eleven v4 ti offre tre modi per aggiungere pause alle voci fuori campo IA. 

Ti mostreremo come funziona ciascuno di questi strumenti nel nostro editor di testo e ne illustreremo l'effetto con un esempio audio.

[pause]

Una pausa è una breve battuta. Equivale più o meno a un respiro o allo spazio naturale che chi parla si prende prima di continuare una frase. Il punto migliore in cui usare l'Audio Tag [pause] è dopo una frase introduttiva, tra due idee che vuoi separare, dopo una frase che richiede maggiore enfasi o ovunque un semplice punto sembri troppo frettoloso.

Nell'esempio qui sotto usiamo la stessa frase con e senza l'Audio Tag [pause]. Anche senza ascoltare le clip audio, noterai che una dura quattro secondi e l'altra sei. Le battute aggiuntive generate da [pause] incidono sulla durata delle clip finali.

Le clip qui sopra sono state generate con Flint in Eleven v4.

[long pause]

Una pausa lunga è più intenzionale e crea momenti di silenzio nelle tue clip audio. Puoi usare questo silenzio per creare tensione drammatica, durante uno stacco tra scene, prima di una rivelazione o ovunque tu voglia sottolineare il silenzio.

Ecco un esempio di [long pause] in una scena.

Questa clip audio è stata doppiata da Spuds Oxley in Eleven v4.

Punteggiatura

Eleven v4 usa la punteggiatura come indicazione del ritmo. Aggiungere dei puntini di sospensione rallenta la resa di una frase, permettendoti di creare momenti di esitazione. Variare la struttura delle frasi spezza la monotonia di un passaggio più lungo. Breve. Incisivo. Diretto.

Puoi usare gli Audio Tags in tutto lo script, e dovresti farlo per migliorare la resa della performance, ma anche la sola punteggiatura può fare molto.

Nel passaggio seguente puoi vedere quanto la punteggiatura dia vita a un testo, anche senza Audio Tags.

Questo campione audio è stato portato in vita con Lauren B in Eleven v4.

Pause negli audio in formato lungo

La generazione di audio in formato lungo funziona meglio se mantieni un approccio coerente per l'intera durata dello script. Per esempio, se usi soltanto la punteggiatura per i primi 1.500 caratteri e poi inizi a inserire gli Audio Tags [long pause] negli ultimi 1.000 caratteri, l'output potrebbe suonare strano.

Prima di scrivere lo script, decidi quale approccio adottare. Oppure, se l'hai già scritto, applica gli Audio Tags in modo coerente dall'inizio alla fine. Il pulsante “v4 Enhance” accanto a “Generate speech” aggiungerà automaticamente gli Audio Tags al tuo testo.

Inizia con Eleven v4 in ElevenCreative

Eleven v4 dà vita alle tue scene.

Controllando il ritmo del testo e aggiungendo gli Audio Tags, puoi creare ricche performance vocali con oltre 17.500 voci della nostra Voice Library.

Leggi la guida completa al Text to Speech emozionale per saperne di più, oppure registrati per iniziare oggi la tua prima generazione.

FAQ sull'aggiunta di pause nelle voci fuori campo IA