Inlinetags für expressive Sprache
Auf dieser Seite
Aktualisiert am 3. November 2026, basierend auf der xAI-Seite Text to Speech und der Voice-API-Referenz: Die vierzehn offiziellen Inlinetags in den vier Familien von xAI (Pausen, Lachen und Weinen, Mundgeräusche, Atmen). Tags werden wie der übrige Text abgerechnet. Quellen: Text to Speech · Voice API.
Emotion und Realismus in die Sprache bringen
Inlinetags sind Markierungen, die Sie direkt in Ihren Text einfügen, um eine einmalige vokale Ausdrucksweise auszulösen: eine Pause, ein Lachen, ein Mundgeräusch oder ein Atemzug. xAI veröffentlicht vierzehn davon, unterteilt in vier Familien. Sie machen die Sprachsynthese deutlich natürlicher und ausdrucksstärker.
Syntax der Inlinetags
Sie schreiben Inlinetags in eckigen Klammern, [tag], und setzen sie direkt in den Text ein, genau dort, wo der Effekt eintreten soll:
Hallo! [pause] Wie geht es Ihnen heute?
Während der Synthese wird das Tag durch den passenden Soundeffekt ersetzt. Der umgebende Text wird normal gesprochen.
Pausen
Pausen verleihen der Sprache Struktur und einen natürlichen Rhythmus:
[pause]: eine kurze Pause[long-pause]: eine längere Pause, etwa für einen Themenwechsel oder um eine Idee einteilen zu lassen[hum-tune]: ein Summen einer Melodie, das xAI derselben Familie zuordnet
Erste Idee. [pause] Zweite Idee. [long-pause] Jetzt wechseln wir zum nächsten Thema.
In der Zwischenzeit [hum-tune] schauen wir uns an, was wir gelernt haben.
Pausen sind besonders nützlich zwischen den Abschnitten eines langen Textes oder um den Hörern Zeit zu geben, eine wichtige Information zu verarbeiten.
Lachen und Weinen
Diese Tags fügen emotionale Reaktionen mitten in der Sprache hinzu:
[laugh]: ein herzliches Lachen[chuckle]: ein leises Lachen[giggle]: ein Kichern[cry]: Weinen
Das ist wirklich tolle Neuigkeiten! [laugh] Ich freue mich so sehr für Sie.
Sie funktionieren besonders gut in Dialogen, Podcasts und narrativen Inhalten, wo sie die Monotonie der klassischen Sprachsynthese durchbrechen.
Mundgeräusche
[tsk]: ein „tsch”-Geräusch der Unzufriedenheit oder des Missfallens[tongue-click]: ein Zungenschlag[lip-smack]: ein Lippenknacken
[tsk] Noch eine Sitzung verschoben.
Atmen
Atemzüge machen die Sprache menschlicher:
[breath]: ein Atemzug[inhale]: ein Einatmen[exhale]: ein Ausatmen[sigh]: ein Seufzen
[breath] Willkommen zu diesem neuen Kapitel.
Und ja, noch eine Sitzung [sigh], aber diese wird kurz sein, versprochen.
Das Tag [breath] ist subtil, hilft aber bei langen Texten: Ohne Atemzüge kann eine längere Lesung mechanisch wirken.
Tags strategisch platzieren
Wie gut Inlinetags wirken, hängt davon ab, wo Sie sie platzieren. Hier sind die besten Praktiken.
Am Anfang eines Satzes
Setzen Sie [breath] am Anfang eines neuen Absatzes oder Abschnitts, um das natürliche Sprechen zu imitieren:
[breath] Jetzt wechseln wir zur praktischen Übung in dieser Lektion.
Zwischen zwei Sätzen
Verwenden Sie [pause] oder [long-pause], um eine natürliche Unterbrechung zu schaffen:
Der erste Punkt ist wichtig. [long-pause] Der zweite ist noch wichtiger.
Nach einer wichtigen Information
Eine [pause] nach einer wichtigen Zahl gibt den Hörern Zeit, diese zu verarbeiten:
Der Umsatz ist um 47 % gestiegen. [pause] Unser bestes Quartal je.
Vollständiges Beispiel
Hier ist ein Text, der mehrere Tags kombiniert, um ein natürliches Ergebnis zu erzielen:
{
"text": "[breath] Hallo zusammen und willkommen zu dieser Präsentation. [pause] Heute sprechen wir über ein faszinierendes Thema. [long-pause] Künstliche Intelligenz, die spricht. [chuckle] Ja, das ist ein wenig meta, weiß ich. [pause] Aber Sie werden sehen, die Ergebnisse sind beeindruckend. [breath] Fangen wir mit den Grundlagen an.",
"voice_id": "eve",
"language": "en"
}
Kernaussagen
- Sie schreiben Inlinetags in eckigen Klammern,
[tag], direkt in den Text. [pause]und[long-pause]formen den Rhythmus der Sprache.[pause],[long-pause]und[hum-tune]bilden die Familie der Pausen.[laugh],[chuckle],[giggle]und[cry]fügen Emotion hinzu;[tsk],[tongue-click]und[lip-smack]fügen Mundgeräusche hinzu.[breath],[inhale],[exhale]und[sigh]machen die Sprache menschlicher.- Platzieren Sie Tags dort, wo eine Person natürlich pausieren oder reagieren würde.
- Tags zählen zur Zeichenbegrenzung von 60.000 Zeichen pro Anfrage und werden wie der übrige Text abgerechnet.