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

Med en AI-modell för Text to Speech är framförandet allt. Även om röstens kvalitet och förståelsen för prosodi spelar stor roll, faller en mening utan rätt tajming. Ett extra slag efter en rad eller en längre tystnad kan vara avgörande för ett resultat av hög kvalitet. 

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

För att skapa bästa möjliga manus redan från början ger Eleven v4 dig tre sätt att lägga in pauser för AI-voice-over direkt i texten. Här går vi igenom 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 ditt manus.
• Genom att ändra skiljetecknen kan du påverka en menings rytm. Tankstreck, punkteringar 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 längre ljudinnehåll bör du använda samma pauskonventioner genomgående för ett konsekvent resultat.

Vad har ändrats sedan 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 skapa en paus på 2 sekunder. Eleven v4 fortsätter metoden 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 AI-voice-over. I stället för att behöva veta exakt vilken SSML-tagg du ska använda skriver du helt enkelt på vanligt språk, och låter [pause] och [long pause] göra jobbet. Taggarna blir instruktioner för modellen, som reagerar på dem och använder scenens sammanhang för att skapa ett nyanserat slutresultat. Pausens exakta längd anpassas till ögonblicket, i stället för att vara en fördefinierad, mekanisk tystnad.

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

De tre pausfunktionerna i Eleven v4

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

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

[pause]

En paus är ett kort uppehåll. Den motsvarar ungefär ett andetag eller det naturliga utrymme en talare tar innan hen fortsätter meningen. Det bästa stället att använda Audio Taggen [pause] är efter en inledande rad, mellan två idéer du vill skilja åt, efter en fras som behöver extra betoning eller där en punkt i sig 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 uppehåll som [pause] ger märks i de färdiga klippen.

Klippet ovan genererades med Flint i Eleven v4.

[long pause]

En lång paus är mer avsiktlig och skapar tysta stunder i dina ljudklipp. Du kan använda tystnaden för dramatisk spänning, under ett avbrott mellan scener, före ett avslöjande eller där du vill betona tystnaden.

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

Det här ljudklippet lästes in av Spuds Oxley i Eleven v4.

Skiljetecken

Eleven v4 använder skiljetecken som instruktioner för tempo. En punktering gör att en rad levereras långsammare, så att du kan skapa stunder av tvekan. Varierad meningsstruktur bryter monotonin i ett längre stycke. Kort. Koncist. Direkt.

Du kan använda Audio Tags genom hela manuset, och du bör göra det för att förbättra framförandet, men enbart skiljetecken kan också göra stor skillnad.

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 längre ljudinnehåll

Att generera längre ljudinnehåll fungerar bäst när du använder en konsekvent metod 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.

Bestäm vilken metod du vill använda innan du skriver manuset. Om du redan har skrivit det ska du använda Audio Tags konsekvent genom hela texten. 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 textens tempo och lägga till Audio Tags kan du skapa rika röstframträdanden med över 17 500 röster från vårt Voice Library.

Läs hela guiden för känslosam 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