如何在 Eleven v4 中为 AI 旁白添加停顿

使用 AI 文本转语音模型时，演绎效果至关重要。音色质量和对 韵律 的理解固然重要，但没有恰当的时机把控，句子就会失去连贯性。一句台词后的额外停顿或一段延长的静默，都能显著提升最终输出质量。

普通文本转语音工具的停顿往往靠运气决定。这次生成也许正合心意，下次点击重新生成却可能消失。Eleven v4 提供更完善的重新生成 workflow，让这种问题成为过去。你可以轻松微调脚本中的单句或短语。

为了从一开始就写出尽可能出色的脚本，Eleven v4 提供 3 种方法，可直接在文本中为 AI 旁白加入停顿。以下介绍每种方法的作用和适用场景。

摘要

• SSML 标签无法在 Eleven v4 中使用。系统采用 音频标签，可将 [long pause] 或 [whispers] 等舞台指示直接写入脚本。
• 调整标点符号可以改变句子节奏；破折号、省略号和短句都会影响 TTS 输出的听感。
• 要写出有效的停顿，请将其放在真人说话时自然会停下的位置。
• 撰写长篇音频时，请始终使用相同的停顿规则，以保持输出一致。

与早期模型相比有哪些变化？

早期的 ElevenLabs 模型，例如 Multilingual v2，支持 SSML 语法。你可以在句中写入类似 <break time=”2.0s” /> 的结构，添加 2 秒停顿。Eleven v4 延续 Eleven v3 引入的方式，以更直观的 Audio Tags 取代 SSML 标签。

对于创作者来说，这一改变让为 AI 旁白添加停顿变得简单得多。无需了解该使用哪种 SSML 标签，只需用自然语言写作，让 [pause] 和 [long pause] 为你完成工作。这些标签会成为模型的指示，模型会结合场景语境作出响应，呈现细腻的最终演绎。停顿时长将贴合当下情境，而非预先设定、机械的静默间隔。

虽然这不是本文重点，你还可以使用 Audio Tags，通过在段落中变化情绪来创建富有情感的文本转语音 输出。

Eleven v4 的 3 种停顿控制方式

Eleven v4 提供 3 种方法，可为 AI 旁白添加停顿。

我们会在文本编辑器中展示每种方法的实际用法，并通过音频示例说明其听感。

[pause]

短停顿是一个短暂的节拍，大致相当于一次呼吸，或说话者在继续说句子前自然留出的间隙。最适合使用 [pause] Audio Tag 的位置包括：铺垫句之后、想分隔的两个想法之间、需要额外强调的短语之后，或仅用句号感觉节奏太急的任何地方。

在下面的示例中，我们对同一句话分别使用和不使用 [pause] Audio Tag。即使不听音频片段，也能发现一个时长为 4 秒，另一个为 6 秒。[pause] 带来的额外节拍会累积到最终片段中。

以上片段使用 Flint 在 Eleven v4 中生成。

[long pause]

长停顿更具刻意性，会在音频片段中形成静默时刻。你可以利用这段静默营造戏剧张力、用于场景之间的间隔、放在揭晓之前，或在任何想强调沉默的地方使用。

以下是在一个场景中使用 [long pause] 的示例。

此音频片段由 Spuds Oxley 在 Eleven v4 中配音。

标点符号

Eleven v4 将标点符号视为节奏指示。加入省略号会放慢一句话的演绎，让你营造犹豫的时刻。改变句子结构可以打破长段落的单调感。短小。利落。直接。

你可以在整个脚本中使用 Audio Tags（也应该这样做，以改善演绎效果），但单靠标点符号也能带来显著变化。

在以下段落中，即使没有 Audio Tags，也能看到标点符号如何让文本生动起来。

此音频示例由 Lauren B 在 Eleven v4 中演绎。

长篇音频中的停顿

生成长篇音频时，最好在整篇脚本中采用一致的方法。例如，如果前 1,500 个字符只使用标点符号，却在最后 1,000 个字符开始加入 [long pause] Audio Tags，输出听起来可能会不自然。

写脚本前，先确定想采用的方法。或者，如果脚本已经写好，请务必全篇一致地使用 Audio Tags。“Generate speech”旁的“v4 Enhance”按钮会自动为文本添加 Audio Tags。

在 ElevenCreative 中开始使用 Eleven v4

Eleven v4 让场景栩栩如生。

通过控制文本节奏并添加 Audio Tags，你可以从我们的 声音库 中超过 17,500 种音色，打造丰富的语音演绎。

阅读完整的 情感化文本转语音指南 了解更多，或注册，立即开始首次生成。

AI 旁白添加停顿常见问题