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，演绎方式至关重要。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，句子就会失去效果。台词后的短暂停顿或延长的静默，都能帮助打造高质量输出。 

通用文本转语音工具的停顿往往靠运气。某次生成或许恰好符合预期，但下次重新生成时就可能消失。Eleven v4 改进了重新生成 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 种直接在文本中为 AI 旁白加入停顿的方法。下面介绍每种方法的作用及适用场景。

摘要

• SSML 标签无法在 Eleven v4 中使用。系统改用 Audio Tags，你可以直接在脚本中写入 [long pause] 或 [whispers] 等舞台指示。
• 调整标点符号可以改变句子的节奏；破折号、省略号和短句都会影响 TTS 输出的声音效果。
• 要写出有效的停顿，请将其放在人类说话者自然会停下的位置。
• 创作长篇音频时，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。你可以在句中使用 <break time=”2.0s” /> 这样的结构，加入 2 秒停顿。Eleven v4 延续了 Eleven v3 引入的方法，以更直观的 Audio Tags 替代 SSML 标签。

对创作者来说，这项替代方案让在 AI 旁白配音 中加入停顿变得轻松得多。无需了解该使用哪个具体的 SSML 标签，只要用自然语言写作，让 [pause] 和 [long pause] 为你完成工作即可。这些标签会成为模型的指令，模型会结合场景上下文作出反应，呈现细腻的最终演绎。停顿的具体时长会贴合当下情境，而不是预先定义的机械静音间隔。

虽然这不是本文重点，你也可以使用 Audio Tags 创建情感化文本转语音 输出，在段落中变化情绪即可。 

Eleven v4 的 3 种停顿控制方式

Eleven v4 提供 3 种为 AI 旁白加入停顿的方法。 

我们会在文本编辑器中展示每种方法的实际效果，并通过音频示例说明它们听起来如何。

[pause]

停顿是短暂的节拍，大致相当于一次呼吸，或说话者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：铺垫台词之后、想要分隔的两个想法之间、需要额外强调的短语之后，或任何仅用句号仍显得太急促的地方。

在下面的示例中，我们分别使用和不使用 [pause] Audio Tag 来演绎同一句话。即使不听音频，你也会发现其中一个时长为 4 秒，另一个为 6 秒。[pause] 带来的额外节拍会累积到最终音频中。

以上音频由 Flint 在 Eleven v4 中生成。

[long pause]

长停顿更具刻意性，会在音频片段中创造静默时刻。你可以将这段静默用于营造戏剧张力、场景之间的间隔、揭晓之前，或任何想强调沉默的地方。

以下是场景中使用 [long pause] 的示例。

这段音频由 Spuds Oxley 在 Eleven v4 中配音。

标点符号

Eleven v4 将标点符号视为节奏指令。加入省略号会放慢台词演绎，让你营造犹豫的时刻。改变句式能打破长段落的单调。短促。有力。直接。

虽然你可以在整个脚本中使用 Audio Tags（也应该如此，以改善演绎效果），但仅靠标点符号也能大有作为。

在下面这段文字中，即使没有 Audio Tags，你也能看到标点符号如何让文本鲜活起来。

这段音频示例由 Lauren B 在 Eleven v4 中生动演绎。

长篇音频中的停顿

生成长篇音频时，最好在整个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，而在最后 1,000 个字符才开始加入 [long pause] Audio Tags，输出听起来可能会不太自然。

写脚本前，先决定要采用哪种方法。或者，如果脚本已经写好，请务必全程一致地使用 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 让场景生动呈现。

通过控制文本节奏并添加 Audio Tags，你可以使用来自 声音库 的超过 17,500 个音色，创作丰富的语音演绎。

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 旁白停顿常见问题