Ajouter une pause dans ElevenLabs : balises, SSML et modèles v4/v3
Pour ajouter une pause dans ElevenLabs, utilisez des balises audio et une ponctuation adaptée avec Eleven v4/v3, ou la balise SSML <break time="1.5s" /> avec Multilingual v2 et les modèles Flash v2 compatibles. La méthode dépend du modèle et doit être vérifiée à l’écoute.
La réponse rapide : la méthode dépend du modèle
Pour obtenir une pause naturelle avec ElevenLabs, il faut d’abord regarder quel modèle vocal produit le son. Avec Eleven v4 et Eleven v3, la documentation recommande des balises audio entre crochets et une ponctuation adaptée. Avec Multilingual v2, Flash v2 ou Flash v2.5, la balise SSML break peut définir une durée en secondes. Copier la même commande entre ces modèles conduit parfois à un silence ignoré, à un rendu étrange ou à la lecture du code.
Le besoin est simple : laisser une phrase respirer, marquer un changement de sujet, préparer une révélation ou séparer deux répliques. Une pause efficace n’est pas nécessairement longue ni précisément chronométrée. Ce tutoriel compare les méthodes officiellement documentées et propose des tests sur un texte français, sans prétendre avoir mesuré les résultats sur un compte ElevenLabs.
- Eleven v4/v3 : balise audio comme [short pause] ou [long pause] et ponctuation, résultat à écouter.
- Multilingual v2, Flash v2, Flash v2.5 : balise SSML de type <break time="1.5s" />, durée demandée en secondes.
- Autres modèles et interfaces : vérifiez la documentation actuelle avant d’utiliser l’une de ces syntaxes.
Avant le premier essai : choisir la voix et le modèle
Ouvrez le générateur Text to Speech d’ElevenLabs, puis identifiez explicitement la voix et le modèle affichés. Un texte identique ne sera pas forcément interprété de la même manière par deux moteurs. Si vous utilisez une application connectée à l’API, conservez aussi le nom du modèle utilisé dans vos appels afin de pouvoir expliquer les différences de rendu.
Préparez un extrait d’une trentaine de mots avec une transition importante et une seconde phrase. Gardez une version sans balise comme témoin. Cette précaution évite de changer simultanément la voix, le texte, la ponctuation et la méthode de pause : vous sauriez alors difficilement quelle modification a produit la différence.
- Noter la voix, le modèle et la langue du texte.
- Garder exactement la même phrase témoin pour deux générations.
- Évaluer le son complet au casque, pas seulement sa forme d’onde.
Eleven v4 : introduire une pause avec une indication entre crochets
Eleven v4 prend en charge les audio tags : des instructions courtes placées entre crochets, directement au moment où la manière de parler doit changer. Le guide de bonnes pratiques mentionne notamment [short pause] et [long pause]. Ce sont des indications d’interprétation, pas un minuteur garanti à la milliseconde. Le modèle tient compte du contexte pour produire une transition qui reste parlée naturellement.
Exemple pédagogique à copier en texte simple : « Voici le résultat de notre test. [short pause] Mais il manque encore une vérification. » Pour une transition plus marquée, essayez [long pause] au même endroit. Comparez les deux productions à la version sans balise. Si la pause semble disproportionnée ou si la balise est vocalisée, retirez-la et essayez une ponctuation plus discrète.
- Commencer par une seule balise placée après une phrase complète.
- Ne pas empiler [long pause] sur chaque virgule : l’ensemble paraîtrait artificiel.
- Vérifier le rendu avec le modèle exact utilisé en production.
Eleven v3 : mêmes familles de balises, mais écoute indispensable
Eleven v3 accepte lui aussi les balises audio. La documentation précise que les principes généraux de prompting des modèles récents se retrouvent dans v3, notamment la ponctuation et les réactions non verbales. La voix, le contexte émotionnel et le texte d’origine restent déterminants : une balise qui semble naturelle dans un dialogue peut ralentir excessivement une explication technique.
Pour un récit, vous pouvez écrire : « La porte était ouverte. [long pause] Personne ne répondait. » Pour un conseil rapide, préférez un point, une virgule ou une pause courte. Les balises ne sont pas des garanties de silence fixe ; réécoutez chaque transition après génération, particulièrement lorsque vous travaillez avec plusieurs personnages ou avec un modèle différent.
- Tester les pauses sur deux passages : narration neutre puis dialogue.
- Ne pas présumer que le rendu v3 reproduit exactement celui de v4.
- Conserver une version témoin sans balise avant de conclure à une amélioration.
SSML break : demander une durée précise avec les modèles v2 compatibles
Pour Multilingual v2, Flash v2 et Flash v2.5, ElevenLabs documente la balise SSML break. Sa forme est <break time="1.5s" /> : la valeur indique une durée demandée de 1,5 seconde. La documentation mentionne une prise en charge jusqu’à trois secondes. Cette syntaxe peut être utilisée dans Text to Speech et via l’API sur les modèles compatibles ; elle ne constitue pas une commande universelle du service.
Exemple : « Nous allons commencer. <break time="1.0s" /> Voici la première étape. » Vous pouvez comparer une demande de 0,5 seconde à 1 seconde sur un même texte, sans supposer que le ressenti sera identique selon la voix. N’utilisez pas <break> avec Eleven v4 ou Eleven v3 : ElevenLabs indique que ces modèles ne prennent pas en charge les pauses SSML break.
- Écrire la valeur avec le suffixe s pour les secondes et fermer la balise avec />.
- Commencer avec une pause courte et l’augmenter seulement lorsque le propos le justifie.
- Ne pas demander plus de trois secondes avec cette méthode documentée.
Pourquoi trop de balises SSML peuvent dégrader le résultat
ElevenLabs avertit qu’un texte saturé de balises SSML break peut entraîner des accélérations de la parole, du bruit ou d’autres défauts. Une durée plus longue ne produit pas nécessairement un résultat plus professionnel. Le modèle cherche à conserver une parole cohérente, et les pauses modifient ce rythme global.
Avant de multiplier les commandes, séparez le script en paragraphes et vérifiez sa ponctuation. Si une seule phrase doit comporter un silence particulier, testez une unique balise à cet endroit. Pour une mise en scène qui exige un blanc parfaitement contrôlé en postproduction, l’ajout d’un silence dans un logiciel audio reste une autre option, indépendante des réglages ElevenLabs.
- Symptôme : parole qui s’accélère après plusieurs pauses — retirer les balises superflues.
- Symptôme : artefacts audibles — revenir à un extrait plus court et contrôler la voix.
- Besoin de synchronisation stricte au montage — ajuster le silence dans l’éditeur audio après export.
Ponctuation : la solution la plus simple pour une pause légère
La ponctuation influence le rythme de presque tous les générateurs vocaux, mais pas avec une précision fixe. Une virgule peut suggérer une respiration brève, un point sépare deux idées, un tiret long peut marquer une rupture et des points de suspension peuvent ajouter de l’hésitation. ElevenLabs avertit d’ailleurs que les ellipses peuvent modifier le ton, parfois vers une hésitation ou une nervosité qui n’était pas souhaitée.
Comparez ces formulations : « Le résultat est prêt, regardons-le » ; « Le résultat est prêt. Regardons-le » ; « Le résultat est prêt… regardons-le ». Elles n’ont pas exactement le même sens ni la même intention. Si l’objectif est une lecture neutre, commencez par la ponctuation française normale au lieu d’insérer des combinaisons de signes exagérées.
- Virgule : articulation souple, sans garantie d’une durée.
- Point : séparation plus nette entre deux phrases.
- Points de suspension : effet de suspension parfois émotionnel, à employer avec parcimonie.
Trois exemples complets de script français
Cas 1 — vidéo pédagogique : « Voici le tableau de bord. [short pause] Nous allons examiner les trois résultats les plus importants. » Cette formulation privilégie une pause discrète en v4 ou v3. Cas 2 — fiction : « La pièce était vide. [long pause] Puis la lumière s’est allumée. » Dans ce cas, la suspension a une utilité narrative et peut justifier une pause plus sensible.
Cas 3 — narration avec modèle v2 compatible : « La réponse est simple. <break time="1.2s" /> Vous devez vérifier votre choix avant de publier. » Ces trois scripts sont des exemples inventés pour apprendre la syntaxe, pas des résultats d’essais déjà effectués. Les balises audio écrites entre crochets ne doivent pas être remplacées mécaniquement par une balise SSML sans vérifier le modèle.
- Tutoriel : privilégier la clarté plutôt que le suspense.
- Récit : faire correspondre la pause au sens de l’histoire.
- Voix off publicitaire : écouter le rythme avec l’image finale avant de valider.
Voix off YouTube et podcasts : comment éviter le rythme artificiel
Une bonne voix off comporte des transitions, mais ne doit pas s’interrompre à chaque ligne. Pour une vidéo YouTube, placez les respirations autour des changements de plan, des listes importantes et des idées à retenir. Pour un podcast, faites attention aux fins de phrases et aux interruptions dans les dialogues. Le timing final doit se décider avec l’image ou la musique réellement utilisée, pas uniquement sur le texte imprimé.
En pratique, commencez par un passage neutre, puis ajoutez une ou deux pauses porteuses de sens. Si vous montez ensuite l’audio dans CapCut, Audacity ou un logiciel similaire, il est possible de placer un blanc exact après export, à condition de conserver une transition naturelle. Cette seconde méthode n’est pas une fonction spécifique ni une promesse de résultat automatique d’ElevenLabs.
- Une pause après une phrase-clé peut aider la compréhension.
- Un silence trop long peut donner l’impression que la lecture s’est interrompue.
- Écouter le mix final sur téléphone et au casque avant publication.
Que faire si ElevenLabs lit la balise ou ignore le silence ?
Le premier contrôle consiste à regarder le modèle choisi. Une balise <break> ne doit pas être envoyée à un moteur qui n’accepte que les audio tags. À l’inverse, une instruction entre crochets peut ne pas être reconnue par un ancien modèle. Lorsque la syntaxe est correcte, le résultat varie quand même selon la voix, la formulation et le contexte. Le guide de dépannage officiel recommande de choisir la bonne méthode pour le bon modèle.
Si les instructions apparaissent littéralement dans l’audio, retirez-les, vérifiez que le texte ne contient pas de guillemets ou de caractères parasites autour de la commande, et reprenez avec un exemple minimal. Pour une pause qui semble ignorée, essayez d’abord une vraie frontière de phrase. Si rien ne fonctionne, testez un autre extrait court avant de consacrer des crédits à un grand texte.
- Vérifier modèle v4/v3 contre modèles v2 compatibles.
- Contrôler l’écriture exacte des crochets ou du break SSML.
- Tester une phrase courte sans autres indications de jeu vocal.
- Ne pas confondre une pause non mesurée avec une erreur du service.
Méthode de contrôle : comparer trois versions sans gaspiller les crédits
Pour évaluer la méthode la plus adaptée, gardez un texte de référence de trois phrases. Générez une version A avec ponctuation normale, une version B avec une seule instruction de pause compatible et une version C avec une variante courte ou longue. Notez le modèle, la voix, le texte, le réglage et votre jugement sur la clarté, le rythme et les artefacts.
Les générations peuvent varier même sans changement de commande. Une comparaison unique n’est donc pas une preuve scientifique que la balise est supérieure ; répétez l’écoute sur un second passage avant de conserver votre choix. Les générations supplémentaires peuvent utiliser des crédits selon les règles de l’offre, alors vérifiez les conditions de votre compte avant de multiplier les essais.
- Garder une version témoin sans commande de pause.
- Modifier une seule chose à la fois.
- Tester un second passage avant de lancer une longue narration.
- Arrêter lorsque le résultat est suffisamment naturel pour votre usage réel.
Conclusion : la bonne commande au bon endroit
Pour contrôler le rythme avec ElevenLabs, ne commencez pas par une longue liste de codes. Identifiez d’abord le modèle. Avec Eleven v4 et v3, testez les balises audio et la ponctuation ; avec Multilingual v2 ou les modèles Flash v2 compatibles, essayez la balise SSML break en secondes. La précision demandée, l’interprétation obtenue et la fluidité perçue sont trois choses différentes.
Ce guide complète les articles Claim26 sur les réglages vocaux et la voix off. Pour aller plus loin, créez un extrait témoin sur ElevenLabs, comparez deux interprétations et vérifiez la licence appropriée avant tout usage commercial. Certains boutons Claim26 vers ElevenLabs sont des liens partenaires : Claim26 peut percevoir une commission sur certains achats, sans surcoût pour le lecteur.
- Réglage vocal global : consultez le guide « Réglages ElevenLabs : rendre une voix IA plus naturelle ».
- Prononciation d’un nom propre : utilisez le guide du dictionnaire de prononciation.
- Script long ou livre audio : validez les transitions sur un seul chapitre avant génération complète.
Vérifiez ces quatre signaux.
✓Balises audio [short pause] et [long pause]
✓SSML break jusqu’à 3 secondes sur les modèles v2 compatibles
✓Différences essentielles entre Eleven v4/v3 et Flash/Multilingual v2
✓Exemples de scripts en français prêts à adapter
✓Dépannage si la pause est ignorée ou vocalisée
Le moyen le plus fiable de choisir est de tester une tâche réelle.
Utilisez un cas représentatif avant de déplacer tout votre système ou de payer pour plus de capacité.
Les points sensibles sont recoupés avant publication.
Les prix et fonctions logicielles peuvent évoluer. Les sources ci-dessous permettent de contrôler les informations qui influencent la décision.
