如何在 Eleven v4 中为 AI 旁白添加停顿

对于 AI 文本转语音模型来说，演绎效果至关重要。音色质量和对韵律的理解固然重要，但缺少时机把控，一句话就会失去效果。一句台词后的短暂停顿或一段延长的静默，都可能是打造高质量输出的关键。 

普通的文本转语音工具会让停顿听天由命。这次生成也许正好符合预期，但下次点击重新生成时可能就没了。 Eleven v4优化了重新生成 workflow，不再有这个问题。你可以在脚本中轻松微调单句或短语。 

为了从一开始就写出更好的脚本，Eleven v4 提供了 3 种方法，可直接在文本中为 AI 旁白配音加入停顿。下面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。系统使用音频标签，你可以直接在脚本中写入 [long pause] 或 [whispers] 这样的舞台指示。
• 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 输出的听感。
• 要写出有效的停顿，就把它放在人类说话者自然停下的位置。
• 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（如 Multilingual v2）支持 SSML 语法。你可以在句中加入类似 <break time=”2.0s” /> 的结构，插入 2 秒停顿。Eleven v4 延续了 Eleven v3 引入的方式，以更直观的音频标签取代 SSML 标签。

对于创作者来说，这一改变让在 AI 旁白配音中加入停顿变得轻松得多。无需了解该用哪种 SSML 标签，只要使用自然语言，让 [pause] 和 [long pause] 为你完成即可。这些标签会成为模型的指令，模型会结合场景上下文做出反应，呈现细腻的最终演绎。停顿的具体时长会契合当下情境，而非预先定义的机械静音间隔。

虽然这不是本文重点，但你也可以用音频标签创建富有情感的文本转语音输出，让段落中的情绪有所变化。 

Eleven v4 中的 3 种停顿控制方式

Eleven v4 提供了 3 种为 AI 旁白配音添加停顿的方法。 

我们会在文本编辑器中演示它们的实际用法，并通过示例音频说明各自的听感。

[pause]

短暂停顿是一个简短的节拍，大致相当于一次呼吸，或说话者继续说下去前自然留出的间隔。最适合使用 [pause] 音频标签的位置包括：铺垫句之后、想分隔的两个观点之间、需要额外强调的短语之后，或仅用句号仍显得过于仓促的任何地方。

在下面的示例中，我们对同一句话分别使用和不使用 [pause] 音频标签。即使不听音频片段，你也会发现一个时长为 4 秒，另一个为 6 秒。[pause] 带来的额外节拍会在最终片段中累积起来。

上方片段由 Flint 在 Eleven v4 中生成。

[long pause]

长停顿更具刻意性，会在音频片段中形成静默时刻。你可以用这种静默营造戏剧张力、用于场景转换之间、揭晓之前，或任何想强调静默的地方。

下面是场景中使用 [long pause] 的示例。

这段音频由 Spuds Oxley 在 Eleven v4 中配音。

标点符号

Eleven v4 将标点符号作为节奏指令。加入省略号会放慢一句话的演绎速度，营造犹豫的时刻。改变句子结构能打破长段落的单调感。简短。有力。直接。

你可以在整个脚本中使用音频标签（也应该这样做，以改善演绎效果），但仅靠标点符号也能带来明显提升。

下面这段文字展示了：即使没有音频标签，标点符号也能让文本鲜活起来。

这段音频示例由 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，却在最后 1,000 个字符开始加入 [long pause] 音频标签，输出听起来可能会不太自然。

写脚本前，先确定要采用的方法。如果已经写好了，请务必始终一致地应用音频标签。“Generate speech”旁的“v4 Enhance”按钮会自动为文本添加音频标签。

在 ElevenCreative 中开始使用 Eleven v4

Eleven v4 让你的场景鲜活起来。

通过控制文本节奏并添加音频标签，你可以使用我们声音库中的超过 17,500 种音色，创作丰富的语音演绎。

阅读完整的情感文本转语音指南，了解更多；或者注册，立即开始首次生成。

AI 旁白配音添加停顿 FAQ