Expresivní značky a ovládání řeči
Na této stránce
Aktualizováno 3. listopadu 2026 na základě stránky xAI Text to Speech a reference Voice API. Níže uvedené značky odpovídají oficiálnímu seznamu: 14 inline značek a 12 obalových značek. Zdroje: Text to Speech · Voice API.
Víc než jen plochý přednes
Pokud necháte řečový engine napospas osudu, přečte všechno stejným tónem – včetně pointy příběhu nebo klíčového varování uprostřed uživatelské příručky. Grok TTS ti umožňuje převzít kontrolu pomocí řečových značek, které tvarují tempo, hlasitost, výšku tónu a styl a dokážou dokonce vložit smích, povzdechnutí nebo nádech. Existují dva odlišné mechanismy a jejich zaměňování je hlavní příčinou neuspokojivých výsledků: inline značky spouštějí jednorázový efekt, zatímco obalové značky mění způsob, jakým je čten celý úsek textu.
Inline značky: jeden efekt, jedno místo
Píšeš je do hranatých závorek a působí přesně tam, kam je umístíš, aniž by měnily následující text.
| Kategorie | Značky |
|---|---|
| Pauzy | [pause] krátká · [long-pause] dlouhá · [hum-tune] broukání melodie |
| Smích a pláč | [laugh] srdečný smích · [chuckle] tiché zachichotání · [giggle] hihňání · [cry] pláč |
| Zvuky úst | [tsk] nesouhlas · [tongue-click] cvaknutí jazykem · [lip-smack] mlasknutí rty |
| Dýchání | [breath] nádech/výdech · [inhale] nádech · [exhale] výdech · [sigh] povzdech |
Pauzy jsou zdaleka nejužitečnější v každodenním použití, protože dodávají mluvenou interpunkci, kterou psanému textu často chybí. Porovnej instrukci odříkanou v kuse se stejnou instrukcí, která má prostor se nadechnout:
Welcome to our platform. [pause] Today, we'll explore the main features. [long-pause] Let's start with signing up.
Vokální projevy naopak vyžadují lehkou ruku. Správně umístěný [laugh] udělá větu přátelskou; tři ve stejném odstavci z tebe udělají nervózního moderátora.
That's a great question! [laugh] The answer might surprise you. [pause]
Obalové značky: jeden styl, jeden úsek textu
Tyto značky obklopují text, který upravují, ve formátu <tag>text</tag>, a jejich efekt trvá přesně tak dlouho, jak dlouhý je obalený úsek.
| Kategorie | Značky |
|---|---|
| Hlasitost a intenzita | <soft> tišší · <whisper> šepot · <loud> hlasitější · <build-intensity> postupně sílí · <decrease-intensity> postupně slábne |
| Výška tónu a rychlost | <higher-pitch> vyšší · <lower-pitch> nižší · <slow> pomalejší přednes · <fast> rychlejší přednes |
| Vokální styl | <sing-song> zpěvavý tón · <singing> zpěv · <emphasis> důraz |
Kontrastní hlasitost ti umožňuje hodnotit informace bez přidání jediného slova: to, co je řečeno tiše, zní jako důvěrnost, zatímco to, co je řečeno hlasitě, působí jako upozornění.
Listen carefully: <soft>this is a secret</soft>. But <loud>this is important!</loud>
Rychlost dělá totéž pro pozornost. Zrychlení naznačuje naléhavost nebo vsuvku; zpomalení signalizuje větu hodnou zapamatování. To je cenný návyk ve vzdělávacím modulu, kde vždy zpomalíš u definice nového pojmu.
Now I'm going to <fast>talk really fast to show urgency</fast> and then <slow>slow down to stress this point</slow>.
Šepot vytváří okamžité spiknutí, pokud zůstane v odstavci výjimkou.
<whisper>Don't tell anyone</whisper>, but the new version comes out tomorrow!
Kombinace obojího
Nic ti nebrání míchat obě rodiny značek ve stejném textu a právě zde začíná syntéza znít jako výkon. Níže uvedený úsek spojuje nádech, pauzy, tišší pasáž, zpomalení, šepot, smích a zvýšení hlasitosti:
[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>
Přečti si tento příklad nahlas podle pokynů a uslyšíš, že hustota značek je již na hranici únosnosti. V celé audioknize by tolik bylo vyčerpávající. Zlaté pravidlo zní: označuj momenty, které nesou záměr, a nech zbytek dýchat.
Kde tyto značky opravdu dělají rozdíl
V narraci audioknih jsou to právě pauzy, šepot a změny tempa, které udrží posluchače vzhůru během hodiny poslechu. U hlasového asistenta dává jednoduchá [pause] mezi dvěma informacemi uživatelům čas zpracovat jednu před příchodem další. Vzdělávací obsah těží z kombinace <emphasis> na klíčových pojmech s <slow> na obtížných pasážích, přesně jak by to udělal lektor před třídou. Audio marketing využívá <build-intensity> k budování dynamiky a <loud> u výzvy k akci. A pro postavy ve videohrách kombinace <whisper>, <lower-pitch> a [laugh] dodává totožným řádkům dialogů velmi odlišné osobnosti.
Ještě jedna praktická poznámka: ladění značek prováděj pomocí jednotlivých HTTP požadavků, které lze snadno přehrát a opravit, a následně zkontroluj, jak schválený text zní ve tvém streamovacím potrubí. xAI také doporučuje obalovat celé věty spíše než izolovaná slova a párovat značky s interpunkcí místo jejich vrstvení na sebe.
Klíčové poznatky
- Inline značky
[tag]vkládají jednorázové efekty (pauzy, smích, povzdechy) - Obalové značky
<tag>text</tag>mění styl pasáže (hlasitost, rychlost, tón) - Značky můžeš kombinovat pro vytvoření bohaté, expresivní narrace
- xAI publikuje 14 inline značek a 12 obalových značek: drž se tohoto seznamu