Como adicionar pausas em locuções com IA usando o Eleven v4

Com um modelo de Text to Speech com IA, a interpretação é tudo. Embora a qualidade de uma voz e a compreensão da prosódia façam toda a diferença, sem o ritmo certo, uma frase perde o sentido. Uma breve pausa após uma fala ou um silêncio prolongado podem ser essenciais para criar um resultado de alta qualidade. 

Ferramentas genéricas de Text to Speech deixam as pausas ao acaso. Uma geração pode capturar o que você procura, mas isso pode desaparecer na próxima vez que você clicar em gerar novamente. Eleven v4 oferece workflows de regeneração aprimorados, deixando isso no passado. Ajuste linhas ou frases individuais do seu roteiro com facilidade. 

Além disso, para criar o melhor roteiro possível desde o início, o Eleven v4 oferece três formas de inserir pausas na locução com IA diretamente no texto. Veja o que cada uma faz e quando usá-las.

Resumo

• SSML não funciona no Eleven v4. O sistema usa Audio Tags, em que você escreve indicações de cena como [long pause] ou [whispers] diretamente no roteiro.
• Alterar a pontuação pode mudar o ritmo de uma frase: travessões, reticências e frases curtas moldam o som do resultado do seu TTS.
• Para criar pausas eficazes, coloque-as onde uma pessoa naturalmente pararia ao falar.
• Ao criar áudio longo, use as mesmas convenções de pausa do começo ao fim para ajudar a manter a consistência do resultado.

O que mudou em relação aos modelos anteriores?

Modelos anteriores da ElevenLabs, como o Multilingual v2, aceitavam a sintaxe SSML. Você podia inserir uma pausa durante uma frase com uma estrutura como <break time=”2.0s” /> para adicionar uma pausa de 2 segundos. O Eleven v4 mantém a abordagem introduzida no Eleven v3, substituindo as tags SSML por uma alternativa muito mais intuitiva: as Audio Tags.

Para quem escreve, essa substituição facilita muito a criação de pausas na sua locução com IA. Em vez de precisar saber exatamente qual tag SSML usar, basta escrever em linguagem natural, e [pause] e [long pause] fazem o trabalho para você. Essas tags se tornam instruções para o modelo, que reage a elas e usa o contexto da cena para criar uma interpretação final cheia de nuances. A duração exata da pausa se adapta ao momento, em vez de ser um intervalo mecânico de silêncio predefinido.

Embora não seja o foco deste artigo, você também pode usar Audio Tags para criar Text to Speech emocional variando as emoções ao longo de um parágrafo. 

Os três controles de pausa no Eleven v4

O Eleven v4 oferece três formas de adicionar pausas à locução com IA. 

Mostraremos como cada uma funciona na prática no nosso editor de texto e como elas soam em um exemplo de áudio.

[pause]

Uma pausa é uma breve interrupção. Ela equivale, aproximadamente, a uma respiração ou ao espaço natural que uma pessoa faz antes de continuar uma frase. O melhor lugar para usar a Audio Tag [pause] é após uma frase de introdução, entre duas ideias que você quer separar, depois de uma expressão que precisa de mais ênfase ou em qualquer ponto em que apenas um ponto final pareça apressado demais.

No exemplo abaixo, usamos a mesma frase com e sem a Audio Tag [pause]. Mesmo sem ouvir os clipes de áudio, você vai notar que um dura quatro segundos e o outro, seis. As pausas extras criadas por [pause] se acumulam nos clipes finais.

Os clipes acima foram gerados com Flint no Eleven v4.

[long pause]

Uma pausa longa é mais intencional e cria momentos de silêncio nos seus clipes de áudio. Você pode usar esse silêncio para criar tensão dramática, durante uma transição entre cenas, antes de uma revelação ou onde quiser enfatizar o silêncio.

Veja um exemplo de [long pause] em uma cena.

Este clipe de áudio foi interpretado por Spuds Oxley no Eleven v4.

Pontuação

O Eleven v4 usa a pontuação como uma instrução de ritmo. Adicionar reticências deixa a interpretação de uma frase mais lenta, permitindo criar momentos de hesitação. Variar a estrutura das frases quebra a monotonia de uma passagem mais longa. Curto. Marcante. Direto.

Embora você possa usar Audio Tags em todo o roteiro — e deva usá-las para aprimorar a interpretação —, a pontuação sozinha já pode fazer uma grande diferença.

Na passagem a seguir, você pode ver como a pontuação dá vida a um texto, mesmo sem Audio Tags.

Esta amostra de áudio ganhou vida com Lauren B no Eleven v4.

Pausas em áudio longo

A geração de áudio longo funciona melhor quando você adota uma abordagem consistente em todo o roteiro. Por exemplo, se você usar apenas pontuação nos primeiros 1.500 caracteres e depois começar a incluir Audio Tags [long pause] nos últimos 1.000 caracteres, o resultado pode soar estranho.

Antes de escrever o roteiro, decida qual abordagem você quer seguir. Ou, se já o escreveu, aplique as Audio Tags de forma consistente em todo o texto. O botão “v4 Enhance”, ao lado de “Generate speech”, adicionará Audio Tags automaticamente ao seu texto.

Comece a usar o Eleven v4 no ElevenCreative

O Eleven v4 dá vida às suas cenas.

Ao controlar o ritmo do texto e adicionar Audio Tags, você pode criar interpretações vocais ricas com mais de 17.500 vozes da nossa Voice Library.

Leia o guia completo de Text to Speech emocional para saber mais ou crie sua conta para iniciar sua primeira geração hoje.

Perguntas frequentes sobre como adicionar pausas à locução com IA