Como escrever prompts para o Eleven Speech

O Eleven Speech não tem um lugar separado para descrever uma voz e não copia uma voz a partir de um clipe: a configuração Voz é o personagem. Leia o menu Voz como uma lista de elenco e escolha a voz cujo alcance natural combina com o papel. Se uma tag não funcionar, reescreva-a como uma qualidade da voz ([low, gravelly voice]) ou troque por uma voz que já tenha essa entonação.

A Estabilidade define o quanto a leitura varia. Rumo a Expressiva, a voz segue as tags com mais ousadia e muda de uma tomada para outra; rumo a Estável, ela fica perto do seu padrão. Experimente cerca de 0,3 para falas interpretadas e cheias de tags, e cerca de 0,7 para narrações que precisam soar iguais em todas as tomadas.

A forma como o texto é escrito influencia a leitura mais do que qualquer outra coisa. Escreva frases naturais de fala, com pontuação completa, e coloque uma quebra de linha entre os momentos. Depois adicione as tags, sem mudar nenhuma palavra do roteiro.

Em narrações longas, abra cada parágrafo com uma tag de direção para o trecho todo, escrita como uma nota para um ator: [Quiet, reflective narration], [Building tension, measured pace], [Warm, intimate narration]. Depois use tags só nos momentos que mudam dentro dele.

Uma audio tag é uma palavra ou uma frase curta entre colchetes que a voz interpreta em vez de falar. Coloque-a logo antes das palavras que ela colore, logo depois delas para uma reação, ou em uma pausa natural. As tags podem ser combinadas ([whispers] [nervously]), e você pode criar as suas em palavras simples: [under his breath], [trying not to laugh], [voice breaking].

O Eleven Speech cria efeitos sonoros além de vozes, então uma tag curta e vaga pode ser entendida do jeito errado: uma entonação lida como som, ou o contrário. Descreva a entonação como uma qualidade da voz, como [low, gravelly voice] ou [quietly, with controlled fear], para que ela não seja confundida com um efeito sonoro.

As tags não verbais são os sons que as pessoas fazem entre as palavras. Coloque cada uma onde ela aconteceria: depois da frase para uma reação, antes para um impulso, no meio para uma pausa. Uma risada pode crescer ao longo da frase, em etapas.

O Eleven Speech não lê SSML, então tags de pausa entre colchetes angulares não fazem nada. Use reticências para hesitação e peso, um travessão para uma pausa curta, uma quebra de linha entre os tempos da fala ou uma tag de pausa.

Dê ênfase a uma palavra com letras maiúsculas ("Foi um dia MUITO longo") e marque o ritmo com interrogações, exclamações e reticências. É toda a ênfase de que o modelo precisa.

Para um nome ou termo que a voz pronuncia errado, escreva em IPA com marcas de acento, entre barras e dentro de aspas duplas: O termo "/ˌbaɪoʊˈkemɪstri/" serve de exemplo. Envolva só as palavras que precisam. Uma grafia aproximada, como "Xi-vân" para Siobhan, também funciona. Os resultados variam de voz para voz, então ouça antes de confiar em uma.

Uma tag também pode colocar um som dentro da leitura: [applause], [clapping], [door slams], [explosion], [gunshot]. Use quando o som fizer parte do momento, como uma porta antes de uma fala.

Para uma trilha de fundo ou uma paisagem sonora completa, crie no Eleven Music ou no Seed Audio e mixe por baixo da fala em um editor.

Cada geração fala com uma só voz, e um rótulo como "Falante 1:" ou "Mara:" é lido em voz alta. Para uma conversa, escolha uma voz para cada pessoa, gere as falas de cada uma separadamente com a voz dela e depois junte os clipes em ordem em um editor de áudio ou vídeo, com pequenos silêncios entre as falas.

Coloque as falas seguidas de uma mesma pessoa em uma só geração, em vez de um clipe por frase. Escreva as interrupções atravessando o corte: termine a fala interrompida com um travessão e comece a resposta com [jumping in] ou [interrupting].

Escreva o texto no idioma que você quer ouvir. Todas as vozes falam com fluência, sem levar o próprio sotaque para o outro idioma, e as tags podem continuar em inglês.

Para forçar um sotaque, experimente uma tag como [strong Italian accent]. As tags de sotaque variam de voz para voz, então gere algumas versões.