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

Con un modello di Text to Speech IA, la resa è fondamentale. Sebbene la qualità di una voce e la comprensione della prosodia siano molto importanti, senza il giusto ritmo una frase perde efficacia. Una breve pausa dopo una battuta o un silenzio prolungato possono essere decisivi per creare un risultato di alta qualità. 

Gli strumenti di Text to Speech generici lasciano le pause al caso. Una generazione potrebbe ottenere ciò che cerchi, per poi perderlo quando rigeneri. Eleven v4 offre workflow di rigenerazione migliorati, rendendo tutto questo un problema del passato. Puoi perfezionare facilmente singole battute o frasi nel tuo script. 

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

In sintesi

• I tag SSML non funzionano in Eleven v4. Il sistema usa gli Audio Tags, con cui inserisci direttamente nel tuo script indicazioni di scena come [long pause] o [whispers].
• Modificare la punteggiatura può cambiare il ritmo di una frase: trattini, puntini di sospensione e frasi brevi plasmano il suono del tuo output TTS.
• Per scrivere pause efficaci, inseriscile nei punti in cui una persona si fermerebbe naturalmente.
• Quando scrivi audio in formato lungo, usa le stesse convenzioni per le pause dall'inizio alla fine, così il risultato rimane coerente.

Cosa è cambiato rispetto ai modelli precedenti?

I precedenti modelli ElevenLabs, come Multilingual v2, supportavano la sintassi SSML. Per aggiungere una pausa di 2 secondi durante una frase, potevi usare una struttura come <break time=”2.0s” />. 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 nelle voci fuori campo IA. Invece di dover sapere quale tag SSML preciso 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 un'interpretazione finale ricca di sfumature. La durata esatta della pausa si adatta al momento, anziché essere un intervallo di silenzio meccanico e predefinito.

Anche se non è l'argomento principale di questo articolo, puoi usare gli Audio Tags anche per creare output Text to Speech emotivi 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 metodi nel nostro editor di testo e come suonano con un esempio audio.

[pause]

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

Nell'esempio seguente usiamo la stessa frase con e senza l'Audio Tag [pause]. Anche senza ascoltare i clip audio, noterai che uno dura quattro secondi e l'altro sei. Le pause aggiuntive introdotte da [pause] si sommano nei clip finali.

I clip qui sopra sono stati generati con Flint su Eleven v4.

[long pause]

Una pausa lunga è più intenzionale e crea momenti di silenzio nei tuoi clip audio. Puoi usare quel silenzio per creare tensione drammatica, durante un cambio di scena, prima di una rivelazione o ovunque tu voglia dare enfasi al silenzio.

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

Questo clip audio è stato interpretato da Spuds Oxley su Eleven v4.

Punteggiatura

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

Anche se puoi usare gli Audio Tags in tutto lo script, e dovresti farlo per migliorare la resa dell'interpretazione, la sola punteggiatura può fare molto.

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

Questo campione audio è stato reso vivo da Lauren B in Eleven v4.

Pause nell'audio in formato lungo

La generazione di audio in formato lungo funziona meglio quando adotti 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 introdurre gli Audio Tags [long pause] negli ultimi 1.000 caratteri, l'output potrebbe suonare strano.

Prima di scrivere lo script, decidi quale approccio vuoi adottare. Oppure, se lo hai già scritto, assicurati di applicare 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 interpretazioni vocali coinvolgenti con oltre 17.500 voci della nostra Voice Library.

Leggi la guida completa al Text to Speech emotivo per saperne di più oppure registrati per avviare oggi la tua prima generazione.

FAQ sull'aggiunta di pause alle voci fuori campo IA