Cómo escribir prompts para Eleven Speech

Eleven Speech no tiene un espacio aparte para describir una voz ni copia una a partir de un clip: el ajuste Voz es el personaje. Lee el menú de Voz como una lista de casting y elige la voz cuyo registro natural encaje con el papel. Si una etiqueta no funciona, reformúlala como una cualidad de la voz ([low, gravelly voice]) o cambia a una voz que ya tenga esa entonación.

La Estabilidad define cuánto se mueve la lectura. Hacia Expresiva, la voz sigue las etiquetas con más audacia y varía de una toma a otra; hacia Estable, se mantiene cerca de su base. Prueba con 0,3 para líneas interpretadas y cargadas de etiquetas, y con 0,7 para narraciones que deben sonar igual en todas las tomas.

La forma en que está escrito el texto influye en la lectura más que cualquier otra cosa. Escribe frases naturales, como se dicen al hablar, con puntuación completa, y pon un salto de línea entre los momentos. Después añade las etiquetas, sin cambiar ni una palabra del guion.

En narraciones largas, abre cada párrafo con una etiqueta de dirección para todo el pasaje, escrita como una nota a un actor: [Quiet, reflective narration], [Building tension, measured pace], [Warm, intimate narration]. Luego etiqueta solo los momentos internos que cambien.

Una etiqueta de audio es una palabra o una frase corta entre corchetes que la voz interpreta en lugar de decirla. Ponla justo antes de las palabras que matiza, justo después para una reacción, o en una pausa natural. Las etiquetas se pueden combinar ([whispers] [nervously]) y puedes escribir las tuyas con palabras sencillas: [under his breath], [trying not to laugh], [voice breaking].

Eleven Speech genera efectos de sonido además de voces, así que una etiqueta corta y vaga puede interpretarse mal: una forma de decir algo se lee como un sonido, o al revés. Describe la entrega como una cualidad de la voz, por ejemplo [low, gravelly voice] o [quietly, with controlled fear], para que no se confunda con un efecto de sonido.

Las etiquetas no verbales son los sonidos que hacemos entre palabras. Colócalas donde ocurrirían: después de una frase como reacción, antes como preparación, en medio como pausa. Una risa puede ir creciendo a lo largo de una frase, paso a paso.

Eleven Speech no lee SSML, así que las etiquetas break entre corchetes angulares no hacen nada. Usa puntos suspensivos para la duda y el peso, un guion largo para una pausa breve, un salto de línea entre pasajes o una etiqueta de pausa.

Resalta una palabra con mayúsculas ("Fue un día MUY largo") y marca el ritmo con signos de interrogación, de exclamación y puntos suspensivos. Es todo el énfasis que necesita el modelo.

Para un nombre o un término que la voz pronuncia mal, escríbelo en IPA con marcas de acento, entre barras diagonales y dentro de comillas dobles: El término "/ˌbaɪoʊˈkemɪstri/" lo resuelve. Encierra solo las palabras que lo necesiten. Una reescritura sencilla, como "Shiv-awn" para Siobhan, también funciona. Los resultados varían según la voz, así que escucha antes de fiarte.

Una etiqueta también puede colocar un sonido dentro de la lectura: [applause], [clapping], [door slams], [explosion], [gunshot]. Úsala cuando el sonido forme parte del momento, como una puerta antes de una frase.

Para una base musical o un paisaje sonoro completo, créalo con Eleven Music o Seed Audio y mézclalo bajo la voz en un editor.

Cada generación habla con una sola voz, y una etiqueta como "Hablante 1:" o "Mara:" se lee en voz alta. Para una conversación, elige una voz para cada hablante, genera por separado las frases de cada uno con su voz y después une los clips en orden en un editor de audio o vídeo, con pequeños silencios entre ellos.

Reúne las frases consecutivas de un hablante en una sola generación, en lugar de un clip por oración. Escribe las interrupciones a través del corte: termina la frase cortada con un guion largo y empieza la respuesta con [jumping in] o [interrupting].

Escribe el texto en el idioma en el que quieres que se hable. Todas las voces lo hablan con fluidez, sin arrastrar su propio acento, y las etiquetas pueden quedarse en inglés.

Para forzar un acento, prueba con una etiqueta como [strong Italian accent]. Las etiquetas de acento varían según la voz, así que genera un par de tomas.