Експресивни тагове и контрол на речта
На тази страница
Обновено на 3 ноември 2026 г., въз основа на страницата Text to Speech на xAI и справочника за Voice API. Таговете по-долу следват официалния списък: 14 инлайн тага и 12 обгръщащи тага. Източници: Text to Speech · Voice API.
Отвъд плоското изговаряне
Ако се остави на собствените си устройства, двигател за синтез на реч прочита всичко в един и същи тон, включително развръзката на историята или ключовото предупреждение в средата на потребителско ръководство. Grok TTS Ви позволява да си върнете контрола чрез тагове за реч, които оформят темпото, силата на звука, височината и стила, и могат дори да вмъкнат смях, въздишки или поемане на дъх. Съществуват два различни механизма и тяхното объркване е причина номер едно за разочароващи резултати: инлайн таговете предизвикват еднократен ефект, докато обгръщащите тагове променят начина, по който се чете цял пасаж.
Инлайн тагове: един ефект, едно място
Вие ги записвате в квадратни скоби и те действат точно там, където ги поставите, без да променят текста, който следва.
| Категория | Тагове |
|---|---|
| Паузи | [pause] кратка · [long-pause] дълга · [hum-tune] подсвиркване на мелодия |
| Смях и плач | [laugh] силен смях · [chuckle] тихо кикотене · [giggle] кикот · [cry] плач |
| Звуци с устата | [tsk] неодобрение · [tongue-click] цъкане с език · [lip-smack] цмокане с устни |
| Дишане | [breath] дъх · [inhale] вдишване · [exhale] издишване · [sigh] въздишка |
Паузите са далеч най-полезни в ежедневието, защото добавят говоримата пунктуация, която липсва в писмения текст. Сравнете инструкция, изречена наведнъж, със същата инструкция, на която е дадено пространство да „поеме дъх“:
Welcome to our platform. [pause] Today, we'll explore the main features. [long-pause] Let's start with signing up.
Вокалните изрази, от друга страна, изискват лекота. Един добре поставен [laugh] прави изречението да звучи приятелски; три такива в един и същи абзац Ви карат да звучите като нервен домакин.
That's a great question! [laugh] The answer might surprise you. [pause]
Обгръщащи тагове: един стил, един отрязък от текст
Тези тагове обграждат текста, който модифицират, както в <tag>текст</tag>, и техният ефект продължава точно толкова, колкото обградения пасаж.
| Категория | Тагове |
|---|---|
| Сила на звука и интензитет | <soft> по-тихо · <whisper> шепот · <loud> по-силно · <build-intensity> постепенно нараства · <decrease-intensity> постепенно затихва |
| Височина и скорост | <higher-pitch> по-високо · <lower-pitch> по-ниско · <slow> по-бавно изговаряне · <fast> по-бързо изговаряне |
| Вокален стил | <sing-song> пеещ тон · <singing> пеене · <emphasis> акцент |
Контрастът в силата на звука Ви позволява да йерархизирате информацията, без да добавяте нито дума: това, което се казва тихо, звучи като доверие, а това, което се казва силно – като предупреждение.
Listen carefully: <soft>this is a secret</soft>. But <loud>this is important!</loud>
Скоростта прави същото за вниманието. Ускоряването внушава спешност или страничен коментар; забавянето сигнализира за изречение, което си струва да се запомни. Това е ценен навик в обучителен модул, където винаги забавяте темпото при дефинирането на нов термин.
Now I'm going to <fast>talk really fast to show urgency</fast> and then <slow>slow down to stress this point</slow>.
Шепотът създава мигновена съпричастност, стига да остава изключение в рамките на абзаца.
<whisper>Don't tell anyone</whisper>, but the new version comes out tomorrow!
Комбиниране на двете
Нищо не Ви пречи да смесвате двете семейства в един и същи текст и точно там синтезът започва да звучи като изпълнение. Откъсът по-долу свързва заедно поемане на дъх, паузи, по-тих пасаж, забавяне, шепот, смях и повишаване на силата на звука:
[breath] Hello, everyone. [pause]
Today, I'm going to tell you <soft>an extraordinary story</soft>. [long-pause]
Once upon a time, <slow>in a faraway land</slow>, a developer discovered [pause] <whisper>the secret of perfect speech synthesis</whisper>. [laugh]
<loud>And everything changed!</loud>
Прочетете този пример на глас, следвайки указанията, и ще чуете, че плътността на таговете вече е на границата на разумното. В рамките на цяла аудиокнига това би било изтощително. Правилото е да тагвате моментите, които носят намерение, и да оставите останалото да „диша“.
Къде тези тагове наистина правят разлика
При разказването на аудиокниги, паузите, шепотът и промените в темпото са това, което държи слушателите будни през един час слушане. За гласов асистент проста пауза [pause] между две части от информацията дава време на потребителите да възприемат едната, преди да следващата. Образователното съдържание се възползва от комбинирането на <emphasis> върху ключови термини със <slow> върху трудните пасажи, точно както би направил един треньор пред клас. Аудио маркетингът използва <build-intensity>, за да изгради инерция, и <loud> върху призива за действие. А за героите във видеоигрите комбинирането на <whisper>, <lower-pitch> и [laugh] придава много различни личности на еднакви реплики.
Един последен практически съвет: фина настройка на таговете си чрез индивидуални HTTP заявки, които лесно се възпроизвеждат и коригират, след което проверете как звучи одобреният текст във Вашия стрийминг конвейер. xAI също така препоръчва да обгръщате цели изречения, а не изолирани думи, и да съчетавате тагове с пунктуация, вместо да ги натрупвате.
Ключови изводи
- Инлайн таговете
[tag]вмъкват еднократни ефекти (паузи, смях, въздишки) - Обгръщащите тагове
<tag>текст</tag>променят стила на пасаж (сила на звука, скорост, тон) - Можете да комбинирате тагове, за да създадете богато, експресивно разказване
- xAI публикува 14 инлайн тага и 12 обгръщащи тага: придържайте се към този списък