Guia de dicionário de pronúncia: corrija qualquer palavra no TTS do Eleven v4

O Eleven v4 estabelece um novo padrão de desempenho de pronúncia em modelos de Text to Speech, lidando com abreviações, termos técnicos, nomes e textos em vários idiomas com mais precisão do que qualquer modelo anterior. Ainda assim, cada marca tem seu próprio vocabulário, de nomes de produtos exclusivos a jargões específicos do setor, e você vai querer ter controle total sobre como essas palavras soam.

Eleven v4 oferece várias maneiras de corrigir a pronúncia, dando a você controle detalhado sobre como o modelo fala. Você pode criar um dicionário de pronúncia completo que se aplica a todos os roteiros escritos no app de TTS. Ou escrever IPA diretamente no texto para uma correção pontual.

Veja um exemplo rápido do Eleven v4 lidando com um roteiro cheio de termos difíceis:

Este guia explica como criar e usar um dicionário de pronúncia para TTS e todas as estratégias relacionadas que você pode usar para fazer seu áudio soar o mais próximo possível do que imaginou.

Resumo

• Um dicionário de pronúncia é um conjunto de regras que você escreve para informar a um modelo de Text to Speech como pronunciar palavras ou frases específicas.
• As regras de pronúncia para TTS podem ser baseadas em alias, que substituem o texto, ou em fonemas, que usam uma grafia fonética.
• O Eleven v4 é compatível com regras de fonemas e IPA em linha (Alfabeto Fonético Internacional).
• As tags de fonema e pausa do SSML não funcionam no Eleven v4, mas você pode usar um dicionário de pronúncia ou Audio Tags como alternativa em linguagem natural.
• Você pode aplicar até três dicionários de pronúncia por solicitação com a ElevenAPI.

O que é um dicionário de pronúncia?

Um dicionário de pronúncia é uma ferramenta que permite configurar exatamente como um modelo de Text to Speech pronuncia determinadas palavras. Ao adicionar certas palavras ou frases a um dicionário de pronúncia, você define como elas vão soar sempre que aparecerem em um roteiro de TTS.

Normalmente, os dicionários de pronúncia são usados para:

• Nomes de marcas: Nomes de marcas são uma entrada comum em dicionários de pronúncia, especialmente aqueles com grafias exclusivas ou incomuns.
• Siglas: Algumas siglas têm uma forma específica de serem pronunciadas. Por exemplo, AEO deve soar como /ˌeɪ.iːˈoʊ/ ("A-E-O"), e não como /eɪˈjoʊ/ ("ei-io"). Uma regra fixa no dicionário garante que o modelo acerte sempre que você escrevê-la.
• Nomes de lugares e outros nomes próprios: Certos nomes de lugares podem soar bem diferentes do que você imagina ao vê-los escritos. Worcestershire é um exemplo famoso em que um guia de pronúncia pode ajudar a evitar problemas.
• Termos do setor: Jargões do setor ou termos especializados das áreas médica ou jurídica, por exemplo, podem se beneficiar de um dicionário de pronúncia se o modelo não tiver sido treinado explicitamente com dados desses setores.

Fora do contexto de conversão de texto em voz, dicionários de pronúncia geralmente são repositórios colaborativos de clipes de áudio de falantes nativos, usados por estudantes para ouvir como certas palavras são pronunciadas.

Como controlar a pronúncia no TTS com o Eleven v4

O Eleven v4 é considerado o modelo de Text to Speech de maior qualidade pelo Provider Voice Arena da Artificial Analysis.¹ Parte do que faz do Eleven v4 um líder de mercado é a capacidade do modelo de lidar com textos complexos e ainda fazer com que o resultado soe natural.

Para oferecer aos usuários a melhor experiência possível com o Eleven v4, o modelo disponibiliza várias formas de personalizar a pronúncia, garantindo que cada resultado atenda aos seus padrões de precisão.

Veja como controlar a pronúncia com o Eleven v4:

• IPA em linha: Você pode escrever IPA nos seus roteiros entre barras para orientar a pronúncia sem usar o dicionário de pronúncia. Em breve, veremos os detalhes de como fazer isso.
• Regras de fonemas em dicionários: Escreva regras baseadas em fonemas nos seus dicionários de pronúncia para controlar o som fonético de palavras recorrentes.
• Pronúncia fluente entre idiomas: O Eleven v4 pode gerar fala natural em mais de 90 idiomas. Mantenha a pronúncia nativa em cada idioma usando a mesma voz para uma experiência consistente de identidade sonora.

Veja como os diferentes modelos de TTS da ElevenLabs se comparam em controle de pronúncia:

Qual é a diferença entre regras de alias e de fonemas em um dicionário de pronúncia?

As regras de pronúncia por alias substituem um trecho de texto por outro antes de o modelo pronunciar a palavra. Isso acontece nos bastidores sempre que um modelo gera áudio, substituindo o som de uma palavra ou frase pelo que você incluiu no dicionário de pronúncia.

Veja alguns exemplos de regras de pronúncia por alias:

• “SaaS” vira “sass”
• “UN” vira “United Nations”
• “OAuth” vira “oh auth”

Por outro lado, as regras de fonemas fornecem ao modelo uma grafia fonética exata para usar. Elas são mais difíceis de criar, pois você precisará escrever ou gerar a transcrição em IPA e inseri-la no dicionário. Por exemplo, "Kubernetes" vira /ˌkuː.bərˈnɛt.iːz/.

Como corrigir a pronúncia de um nome de marca em um modelo de TTS

Nomes de marcas estão entre as entradas mais comuns em dicionários de pronúncia, pois nem sempre são palavras reais. Se sua empresa criou uma palavra ou uma grafia exclusiva para sua marca, os modelos de TTS podem ter dificuldade para pronunciá-la corretamente, já que há poucos dados de treinamento acessíveis com essa pronúncia específica.

Veja como corrigir a pronúncia de um nome de marca no Eleven v4:

1. Teste o som padrão: Abra o app de Text to Speech e escreva o nome da sua marca. Gere um clipe e ouça como ele soa. Se houver um erro de pronúncia, prossiga para a próxima etapa.
2. Experimente uma regra de alias: A maneira mais fácil de corrigir um erro na pronúncia de uma marca é criar uma regra de alias. Elas são rápidas de escrever e intuitivas.
3. Mude para uma regra de fonemas: Se a regra de alias não funcionar bem, use IPA. Transcreva o nome da sua marca usando IPA e crie uma regra no dicionário de pronúncia do Text to Speech para corrigir a pronúncia.
4. Inclua todas as formas de capitalização: Inclua a transcrição em IPA das versões em minúsculas e maiúsculas do nome da sua marca, caso use ambas.
5. Use IPA em linha para alterações pontuais: Se você precisa apenas de uma correção rápida para uma geração pontual, basta adicionar o IPA diretamente ao roteiro em vez de configurar uma entrada no dicionário.

Depois de criar uma regra para o nome da marca, ela estará disponível em todos os projetos compartilhados dali em diante, seja no seu agente de IA ou via API.

Como criar um dicionário de pronúncia com a ElevenLabs

Você pode criar um dicionário de pronúncia adicionando regras no app de Text to Speech, enviando um arquivo .pls ou pela ElevenAPI. Neste guia, vamos abordar a primeira opção, que exige apenas algumas etapas.

Veja as etapas para criar um dicionário de pronúncia:

1. Abra o painel de dicionários de pronúncia: Na página de Text to Speech, clique na barra de pesquisa na parte superior, digite "Dicionário de pronúncia" e selecione Dicionários de pronúncia em Ações.
2. Crie ou escolha um dicionário: Clique em Novo para iniciar um dicionário do zero ou selecione um existente na lista à esquerda.
3. Adicione uma regra: Clique em Adicionar regra para criar uma nova linha. Insira a palavra que deseja corrigir. Digite no campo Entrada a palavra ou frase exatamente como ela aparece nos seus roteiros. As regras diferenciam maiúsculas de minúsculas, portanto use a mesma capitalização.
4. Escolha o tipo de regra: Selecione Alias para substituir o texto ou Fonema para inserir uma grafia em IPA ou CMU.
5. Insira a substituição: Digite o alias ou a grafia fonética no campo Saída. Use o seletor de voz na parte superior do painel para ouvir a regra com a voz que você está usando.
6. Salve as alterações: Clique em Salvar alterações na parte inferior do painel.

Para associar um guia de pronúncia a um agente ou aplicar um via API, consulte nossa documentação sobre dicionários de pronúncia.

Como usar IPA em Text to Speech no Eleven v4

Para pequenas alterações ou palavras incomuns, você não precisa necessariamente criar uma nova entrada no dicionário de pronúncia de TTS para corrigir um erro. Em vez disso, pode usar IPA em linha para detalhar exatamente como o modelo deve pronunciar uma palavra.

No Eleven v4, você pode ativar o IPA em linha usando barras. Assim como as Audio Tags, ele é inserido diretamente no roteiro para simplificar ao máximo. Veja alguns exemplos de IPA no Eleven v4:

• Termos técnicos: O termo "/ˌbaɪoʊˈkemɪstri/" se refere ao estudo de processos químicos.
• Vocabulário médico: "/ɡluːˈkoʊs/" e "/ˈɪnsjəlɪn/" são usados com frequência para tratar condições como "/ˌdaɪəˈbiːtiːz/".
• Nomes de marcas e produtos: Nossos servidores usam "/ˌɛndʒɪnˈɛks/" para lidar com picos de tráfego.

Como observação, para quem não tem formação em linguística, usar um conversor de IPA ajuda a obter o IPA correto para colar no roteiro a partir de um texto em linguagem natural.

Por que as tags de fonemas SSML não funcionam no Eleven v4

O Eleven v4 não é compatível com SSML e, em vez disso, oferece recursos mais flexíveis, como Audio Tags e dicionários de pronúncia, que dão a você mais controle sobre a produção final de áudio.

Todos os recursos oferecidos pelo SSML têm uma substituição direta no v4:

Comece a usar a pronúncia natural de texto em voz no Eleven v4

Com diversas ferramentas para refinar a precisão das pronúncias no Eleven v4, você pode escrever roteiros detalhados e fazer com que o modelo os interprete como imaginou.

Crie dicionários de pronúncia no app de Text to Speech da ElevenLabs e aplique-os em escala com a ElevenAPI.

Cadastre-se para começar ou saiba mais sobre o Eleven v4 hoje.

Perguntas frequentes

1. ^{Artificial Analysis, Provider Voice Arena Preference Elo, 30 de setembro de 2026}