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 da voz e a compreensão da prosódia façam toda a diferença, sem o ritmo certo, uma frase perde o sentido. Uma breve pausa após uma linha 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 captar exatamente o que você procura, mas isso pode desaparecer na próxima vez que você clicar em gerar novamente. Eleven v4 oferece fluxos de regeneração aprimorados, deixando isso no passado. Ajuste linhas ou frases individuais do seu roteiro com facilidade. 

E, para criar o melhor roteiro possível desde o início, o Eleven v4 oferece três maneiras de inserir pausas em locuções com IA diretamente no seu texto. Veja o que cada uma faz e quando usá-las.

Resumo

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

O que mudou em relação aos modelos anteriores?

Modelos anteriores da ElevenLabs, como o Multilingual v2, ofereciam suporte à sintaxe SSML. Era possível inserir uma pausa durante uma frase com uma estrutura como <break time=”2.0s” /> para adicionar uma pausa de 2 segundos. O Eleven v4 continua a abordagem introduzida no Eleven v3 e substitui as tags SSML por uma alternativa muito mais intuitiva: as Audio Tags.

Para quem escreve, essa substituição facilita muito a criação de pausas em locuções com IA. Em vez de saber qual tag SSML exata usar, basta escrever em linguagem simples, e [pause] e [long pause] fazem o trabalho por você. Essas tags viram 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 de silêncio mecânico e 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 maneiras de adicionar pausas em locuções com IA. 

Vamos mostrar como cada uma funciona na prática em nosso editor de texto e explicar a sensação que transmitem com 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 frase 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 perceberá que um dura quatro segundos e o outro, seis. As breves pausas adicionadas 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.

Aqui está um exemplo de [long pause] em uma cena.

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

Pontuação

O Eleven v4 usa a pontuação como uma instrução de ritmo. Adicionar reticências desacelera a interpretação de uma frase, permitindo criar momentos de hesitação. Variar a estrutura das frases quebra a monotonia de uma passagem mais longa. Curta. Ágil. Direta.

Embora você possa usar Audio Tags em todo o seu roteiro — e deva fazer isso para aprimorar a interpretação —, só a pontuação já pode fazer uma grande diferença.

Na passagem a seguir, você verá 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 áudios longos

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

Antes de escrever seu 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”, adiciona 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 seu 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 cadastre-se para começar sua primeira geração hoje.

Perguntas frequentes sobre como adicionar pausas em locuções com IA