Udtryksfulde tags og talestyring
På denne side
Opdateret 3. november 2026 baseret på xAI-siden Text to Speech og Voice API-referencen. Tagsene nedenfor følger den officielle liste: 14 inline-tags og 12 ombrydende tags. Kilder: Text to Speech · Voice API.
Mere end flad oplæsning
Hvis du overlader det til sig selv, læser en talemotor alt i samme tonefald – også punchlinjen i en historie eller den vigtige advarsel midt i en brugervejledning. Med Grok TTS får du kontrollen tilbage ved hjælp af taletags, der former tempo, lydstyrke, toneleje og stil, og som endda kan indsætte latter, suk eller åndedræt. Der er to forskellige mekanismer, og at blande dem sammen er den hyppigste årsag til skuffende resultater: Inline-tags udløser en enkelt effekt, mens ombrydende tags ændrer måden, en hel passage læses på.
Inline-tags: Én effekt, ét sted
Du skriver dem i klammer, og de virker præcis dér, hvor du placerer dem, uden at ændre teksten bagefter.
| Kategori | Tags |
|---|---|
| Pauser | [pause] kort · [long-pause] lang · [hum-tune] summer en melodi |
| Latter og gråd | [laugh] hjertelig latter · [chuckle] stille fnisen · [giggle] fnise · [cry] gråd |
| Mundlyde | [tsk] misbilligelse · [tongue-click] tungeklik · [lip-smack] smasken med læberne |
| Åndedræt | [breath] åndedræt · [inhale] indånding · [exhale] udånding · [sigh] suk |
Pauser er langt de mest nyttige i hverdagen, fordi de tilføjer den talte tegnsætning, som skriftsproget mangler. Sammenlign en instruktion, der hamres af i ét køre, med den samme instruktion, der får lov til at ånde:
Welcome to our platform. [pause] Today, we'll explore the main features. [long-pause] Let's start with signing up.
Vokale udtryk kræver derimod en let hånd. Et velplaceret [laugh] får en sætning til at føles venlig; tre i samme afsnit får dig til at lyde som en nervøs vært.
That's a great question! [laugh] The answer might surprise you. [pause]
Ombrydende tags: Én stil, ét tekstafsnit
Disse tags omgiver den tekst, de modificerer, som i <tag>tekst</tag>, og deres effekt varer nøjagtig så længe som den ombrydede passage.
| Kategori | Tags |
|---|---|
| Lydstyrke og intensitet | <soft> svagere · <whisper> hvisken · <loud> højere · <build-intensity> opbygger gradvist · <decrease-intensity> dæmpes gradvist |
| Toneleje og hastighed | <higher-pitch> højere · <lower-pitch> lavere · <slow> langsommere oplæsning · <fast> hurtigere oplæsning |
| Vokal stil | <sing-song> syngende tonefald · <singing> sang · <emphasis> betoning |
Kontrasterende lydstyrke lader dig rangordne information uden at tilføje et ord: Det, der siges svagt, lyder som en fortrolighed; det, der siges højt, lyder som en alarm.
Listen carefully: <soft>this is a secret</soft>. But <loud>this is important!</loud>
Hastighed gør det samme for opmærksomheden. At øge farten antyder hast eller en sidebemærkning; at sænke farten signalerer en sætning, der er værd at huske. Det er en værdifuld vane i et træningsmodul, hvor du altid skal sænke farten ved definitionen af et nyt begreb.
Now I'm going to <fast>talk really fast to show urgency</fast> and then <slow>slow down to stress this point</slow>.
Hvisken skaber øjeblikkelig fortrolighed, så længe det forbliver undtagelsen i afsnittet.
<whisper>Don't tell anyone</whisper>, but the new version comes out tomorrow!
Kombination af begge
Intet hindrer dig i at blande de to familier i samme tekst, og det er her, syntesen begynder at lyde som en forestilling. Uddraget nedenfor fletter et åndedræt, pauser, en svagere passage, nedsat tempo, en hvisken, en latter og en stigning i lydstyrken sammen:
[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>
Læs dette eksempel højt og følg anvisningerne, så vil du høre, at tætheden af tags allerede er på kanten af det rimelige. I en hel lydbog ville så meget være udmattende. Tommelfingerreglen er at tagge de øjeblikke, der bærer en intention, og lade resten ånde.
Hvor disse tags virkelig gør en forskel
I oplæsning af lydbøger er det pauser, hvisken og ændringer i tempo, der holder lytterne vågne gennem en times lytning. Til en voice-assistent giver en simpel [pause] mellem to informationer brugeren tid til at opfatte den ene, før den næste kommer. Uddannelsesindhold drager fordel af at kombinere <emphasis> på nøglebegreber med <slow> på svære passager, præcis som en underviser ville gøre det foran en klasse. Audio-marketing bruger <build-intensity> til at opbygge momentum og <loud> ved call-to-action. Og til videospilfigurer giver kombinationen af <whisper>, <lower-pitch> og [laugh] identiske dialoglinjer vidt forskellige personligheder.
Et sidste praktisk punkt: Finjustér din tagging med individuelle HTTP-anmodninger, som er nemme at afspille igen og rette, og tjek derefter, hvordan den godkendte tekst lyder i din streaming-pipeline. xAI anbefaler også at ombryde hele sætninger frem for isolerede ord og at parre tags med tegnsætning i stedet for at stable dem.
Vigtige pointer
- Inline
[tag]-tags indsætter enkeltstående effekter (pauser, latter, suk) - Ombrydende
<tag>tekst</tag>-tags ændrer stilen i et afsnit (lydstyrke, hastighed, tonefald) - Du kan kombinere tags for at skabe rig, udtryksfuld oplæsning
- xAI udgiver 14 inline-tags og 12 ombrydende tags: Hold dig til den liste