При работе с моделью синтеза речи на базе ИИ подача — это все. Хотя качество голоса и понимание просодии играют большую роль, без правильного тайминга предложение рассыпается. Дополнительная пауза после строки или затянутое молчание могут иметь решающее значение для создания высококачественного результата.
Обычные инструменты синтеза речи оставляют паузы на волю случая. Одна генерация может уловить то, что вы ищете, а при следующей попытке этот эффект исчезнет. Eleven v4 предлагает улучшенные рабочие процессы регенерации, оставляя это в прошлом. С легкостью настраивайте отдельные строки или фразы прямо в своем сценарии.
А чтобы создать самый лучший сценарий с самого начала, Eleven v4 предоставляет три способа добавления пауз в ИИ-озвучку прямо в тексте. Вот что делает каждый из них и когда их следует использовать.
Резюме
- Теги SSML не работают в Eleven v4. Система использует аудио-теги, в которых вы прописываете ремарки вроде [long pause] или [whispers] прямо в своем сценарии.
- Изменение пунктуации может повлиять на ритм предложения: тире, многоточия и короткие предложения определяют звучание результата синтеза речи.
- Чтобы создавать эффективные паузы, размещайте их там, где естественным образом остановился бы живой оратор.
- При создании длинных аудиозаписей используйте одинаковые правила расстановки пауз на протяжении всего текста, чтобы звучание оставалось стабильным.
Что изменилось по сравнению с предыдущими моделями?
Предыдущие модели ElevenLabs, такие как Multilingual v2, поддерживали синтаксис SSML. Вы могли прописать паузу внутри предложения с помощью конструкции вроде <break time=”2.0s” />, чтобы добавить паузу длительностью 2 секунды. Eleven v4 продолжает подход, представленный в Eleven v3, заменяя теги SSML гораздо более интуитивной альтернативой — аудио-тегами.
Для авторов такая замена значительно упрощает создание пауз в ИИ-озвучке. Вместо того чтобы гадать, какой именно тег SSML использовать, вам нужно просто писать на обычном языке, а [pause] и [long pause] сделают всю работу за вас. Эти теги становятся инструкциями для модели: она реагирует на них и использует контекст сцены для создания нюансированного финального выступления. Точная длина паузы соответствует моменту, а не является предопределенным механическим промежутком тишины.
Хотя это не главная тема данной статьи, вы также можете использовать аудио-теги для создания эмоционального синтеза речи, варьируя эмоции в пределах абзаца.
Три способа управления паузами в Eleven v4
Eleven v4 предоставляет три способа добавления пауз в искусственную озвучку.
Мы покажем, как каждый из них работает на практике в нашем текстовом редакторе, и продемонстрируем их звучание на примере аудио.
[pause]
Пауза — это короткий акцент. Она примерно эквивалентна вдоху или естественной паузе, которую делает говорящий перед продолжением предложения. Лучше всего использовать аудио-тег [pause] после подводящей фразы, между двумя мыслями, которые нужно разделить, после фразы, требующей особой выразительности, или везде, где одна лишь точка кажется слишком поспешной.
В примере ниже мы используем одну и ту же фразу с аудио-тегом [pause] и без него. Даже без прослушивания аудиоклипов вы заметите, что один длится четыре секунды, а другой — шесть. Дополнительные акценты, создаваемые тегом [pause], суммарно меняют финальные клипы.
Пример с [pause]
[Nervous] I walked up to the door. [pause] Knocked three times. [pause] No answer.
0:00
Приведенные выше клипы были сгенерированы с помощью Flint на Eleven v4.
[long pause]
Длинная пауза звучит более осознанно и создает моменты тишины в ваших аудиоклипах. Вы можете использовать эту тишину для создания драматического напряжения, во время перехода между сценами, перед кульминационным моментом или в любом месте, где хотите подчеркнуть тишину.
Вот пример использования [long pause] в сцене.
Hands trembling, he opened the letter. [long pause] He set it down and left without saying a word.
0:00
Этот аудиоклип был озвучен Spuds Oxley на Eleven v4.
Пунктуация
Eleven v4 использует пунктуацию как инструкцию по темпу. Добавление многоточия замедлит произнесение строки, позволяя создавать моменты нерешительности. Изменение структуры предложений поможет разбавить монотонность длинного отрывка. Коротко. Четко. Прямо.
Хотя вы можете использовать аудио-теги на протяжении всего сценария (и должны делать это для улучшения выразительности речи), одна лишь пунктуация способна дать отличный результат.
В следующем отрывке вы можете увидеть, как пунктуация оживляет текст даже без аудио-тегов.
The door creaked open slowly, as if afraid of what might be on the other side. He took the step, waited, listened. Nothing. Then, from the corner of the room, the floorboard creaked.
0:00
Этот аудиопример был озвучен с помощью Lauren B в Eleven v4.
Паузы в длинных аудиозаписях
Создание длинных аудиозаписей работает лучше всего, когда вы придерживаетесь единого подхода на протяжении всего сценария. Например, если вы используете только пунктуацию для первых 1500 символов, а затем начинаете добавлять аудио-теги [long pause] в оставшихся 1000 символах, результат может звучать странно.
Прежде чем писать сценарий, определитесь с выбранным подходом. Или, если он уже написан, обязательно применяйте аудио-теги последовательно во всем тексте. Кнопка «v4 Enhance» рядом с «Generate speech» автоматически добавит аудио-теги в ваш текст.
Начните работу с Eleven v4 в ElevenCreative
Eleven v4 оживляет ваши сцены.
Управляя темпом текста и добавляя аудио-теги, вы можете создавать насыщенные вокальные выступления с помощью более чем 17 500 голосов из нашей библиотеки голосов.
Прочитайте полное руководство по эмоциональному синтезу речи для получения дополнительных сведений или зарегистрируйтесь, чтобы начать свою первую генерацию уже сегодня.
