Så lägger du till pauser i AI-voice-over med Eleven v4

Med en AI-modell för Text to Speech är framförandet avgörande. Röstens kvalitet och förståelsen för prosodi räcker långt, men utan rätt tajming faller en mening platt. Ett extra slag efter en rad eller en längre tystnad kan vara avgörande för att skapa ljud av hög kvalitet. 

Generiska Text to Speech-verktyg lämnar pauser åt slumpen. En generering kanske fångar det du är ute efter, men nästa gång du genererar på nytt är det borta. Eleven v4 erbjuder förbättrade arbetsflöden för omgenerering, så det hör till det förflutna. Finjustera enskilda rader eller fraser i ditt manus med enkelhet. 

För att skapa bästa möjliga manus redan från början ger Eleven v4 dig tre sätt att lägga in pauser i AI-voice-over direkt i texten. Här får du veta vad de gör och när du bör använda dem.

Sammanfattning

• SSML-taggar fungerar inte i Eleven v4. Systemet använder Audio Tags, där du skriver scenanvisningar som [long pause] eller [whispers] direkt i manuset.
• Genom att ändra skiljetecken kan du påverka rytmen i en mening. Tankstreck, ellipser och korta meningar formar hur ditt TTS-resultat låter.
• För att skriva effektiva pauser placerar du dem där en mänsklig talare naturligt skulle stanna upp.
• När du skriver ljud i långt format bör du använda samma pauskonventioner genomgående för att resultatet ska bli konsekvent.

Vad har förändrats från tidigare modeller?

Tidigare ElevenLabs-modeller, som Multilingual v2, stödde SSML-syntax. Du kunde lägga in en paus mitt i en mening med en struktur som <break time=”2.0s” /> för att lägga till en paus på två sekunder. Eleven v4 fortsätter den metod som introducerades i Eleven v3 genom att ersätta SSML-taggar med ett mycket mer intuitivt alternativ: Audio Tags.

För skribenter gör ersättningen det mycket enklare att skapa pauser i din AI-voice-over. I stället för att behöva veta exakt vilken SSML-tagg du ska använda behöver du bara skriva på vanligt språk, där [pause] och [long pause] gör jobbet åt dig. Taggarna blir instruktioner för modellen, som reagerar på dem och använder scenens sammanhang för att skapa ett nyanserat slutresultat. Pausens exakta längd anpassas efter ögonblicket, i stället för att vara ett fördefinierat, mekaniskt tystnadsintervall.

Även om det inte är fokus för den här artikeln kan du också använda Audio Tags för att skapa känslomässigt Text to Speech genom att variera känslor i ett stycke. 

Tre sätt att styra pauser i Eleven v4

Eleven v4 ger dig tre sätt att lägga till pauser i AI-voice-over. 

Vi visar hur var och en fungerar i praktiken i vår textredigerare och beskriver hur de känns med ett ljudexempel.

[pause]

En paus är ett kort avbrott. Den motsvarar ungefär ett andetag eller det naturliga utrymme en talare tar innan hen fortsätter en mening. Bäst är att använda Audio Taggen [pause] efter en inledande rad, mellan två idéer du vill skilja åt, efter en fras som behöver extra betoning eller där en punkt ensam känns för stressad.

I exemplet nedan använder vi samma rad med och utan Audio Taggen [pause]. Även utan att höra ljudklippen märker du att det ena är fyra sekunder långt och det andra sex. De extra avbrotten som [pause] ger märks i de färdiga klippen.

Klippet ovan genererades med Flint i Eleven v4.

[long pause]

En lång paus är mer medveten och skapar stunder av tystnad i dina ljudklipp. Du kan använda tystnaden för dramatisk spänning, under ett avbrott mellan scener, före en avslöjning eller där du vill betona tystnaden.

Här är ett exempel på en [long pause] i en scen.

Det här ljudklippet röstlades av Spuds Oxley i Eleven v4.

Skiljetecken

Eleven v4 använder skiljetecken som instruktioner för tempo. En ellips saktar ned framförandet av en rad och låter dig skapa stunder av tvekan. Genom att variera meningsstrukturen bryter du monotonin i ett längre stycke. Kort. Rappt. Direkt.

Du kan använda Audio Tags genom hela manuset – och bör göra det för att förbättra framförandet – men enbart skiljetecken kan också räcka långt.

I följande stycke ser du hur skiljetecken kan ge liv åt en text, även utan Audio Tags.

Det här ljudexemplet väcktes till liv med Lauren B i Eleven v4.

Pauser i ljud i långt format

Att generera ljud i långt format fungerar bäst när du använder ett konsekvent arbetssätt genom hela manuset. Om du till exempel bara använder skiljetecken under de första 1 500 tecknen och sedan börjar lägga till Audio Tags som [long pause] under de sista 1 000 tecknen kan resultatet låta märkligt.

Innan du skriver manuset bör du bestämma vilket arbetssätt du vill använda. Eller, om du redan har skrivit det, se till att använda Audio Tags konsekvent genomgående. Knappen ”v4 Enhance” bredvid ”Generate speech” lägger automatiskt till Audio Tags i din text.

Kom igång med Eleven v4 i ElevenCreative

Eleven v4 väcker dina scener till liv.

Genom att styra tempot i din text och lägga till Audio Tags kan du skapa rika röstframföranden med över 17 500 röster från vårt Voice Library.

Läs hela guiden om känslomässigt Text to Speech för mer information, eller registrera dig för att starta din första generering i dag.

Vanliga frågor om att lägga till pauser i AI-voice-over