Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

Einschließende Tags

Lektion 6 von 14 Aktualisiert am 3. November 2026 Entwickler
Auf dieser Seite
  1. Die Sprechweise eines Textabschnitts ändern
  2. Syntax der einschließenden Tags
  3. Lautstärke und Intensität
  4. Tonhöhe und Geschwindigkeit
  5. Stimmlage
  6. Verschachtelungsregeln
  7. Praktische Beispiele nach Anwendungsfällen
  8. Wichtige Erkenntnisse

Aktualisiert am 3. November 2026, basierend auf der xAI-Seite Text to Speech: die zwölf offiziellen einschließenden Tags in den drei xAI-Familien. Quelle: Text to Speech.

Die Sprechweise eines Textabschnitts ändern

Im Gegensatz zu Inline-Tags, die einen einmaligen Effekt erzeugen, ändern einschließende Tags die Art und Weise, wie ein ganzer Textabschnitt gesprochen wird. Sie verwenden eine XML-Syntax mit einem öffnenden und einem schließenden Tag.

Syntax der einschließenden Tags

Einschließende Tags umgeben den Text, den Sie ändern möchten, mit <tag> und </tag>:

Hier ist ein normaler Text, dann <whisper>ein geflüstertes Stück</whisper>, dann zurück zum Normalen.

Der Text innerhalb der Tags wird in der von Ihnen angegebenen Art gesprochen. Der Rest des Textes behält seine normale Prosodie bei.

Lautstärke und Intensität

Diese Tags steuern die Intensität der Sprechweise:

  • <soft>: eine weiche, intime Stimme, als würden Sie mit jemandem in der Nähe sprechen
  • <whisper>: ein Flüstern, wie ein geteiltes Geheimnis
  • <loud>: eine laute Stimme, als würden Sie in einem großen Raum sprechen
  • <build-intensity>: eine Intensität, die im Verlauf des Abschnitts zunimmt
  • <decrease-intensity>: eine Intensität, die im Verlauf des Abschnitts abnimmt
<soft>Ich werde Ihnen ein Geheimnis verraten.</soft> [pause] <loud>Und das ist es!</loud>
<build-intensity>Drei, zwei, eins… los geht's!</build-intensity>

Der Kontrast zwischen <soft> und <loud> ist sehr effektiv für dramatische Effekte oder zur Hervorhebung wichtiger Punkte.

Tonhöhe und Geschwindigkeit

Diese Tags ändern die Tonhöhe der Stimme und ihr Tempo:

  • <higher-pitch>: eine höhere Stimme, die Überraschung oder Begeisterung andeuten kann
  • <lower-pitch>: eine tiefere Stimme, die Autorität oder Ernsthaftigkeit suggeriert
  • <fast>: schnelleres Sprechen, nützlich für rechtliche Hinweise oder sekundäre Informationen
  • <slow>: langsameres Sprechen, ideal für wichtige Anweisungen oder Diktate
<higher-pitch>Echt? Das ist unglaublich!</higher-pitch>
Hier ist der Hauptpunkt. <fast>Die Nutzungsbedingungen sind auf unserer Website verfügbar.</fast>
<slow>Wiederholen Sie nach mir: Hallo, wie geht es Ihnen?</slow>

Um die Geschwindigkeit eines gesamten Textes statt eines Abschnitts festzulegen, verwenden Sie stattdessen den speed-Parameter der Anforderung (Lektion 2).

Stimmlage

  • <sing-song>: eine wellige, melodische Darbietung
  • <singing>: eine singende Art und Weise, für Jingles oder Melodien
  • <emphasis>: Betonung, um ein Wort oder einen Satz hervorzuheben
<singing>Alles Gute zum Geburtstag!</singing>
<emphasis>Dies ist absolut essentiell.</emphasis>

xAI empfiehlt, vollständige Sätze statt isolierter Wörter einzuschließen: <whisper>Das ist ein Geheimnis.</whisper> klingt natürlicher als ein einzelnes geflüstertes Wort.

Verschachtelungsregeln

Sie können einschließende Tags kombinieren, stellen Sie jedoch sicher, dass Sie sie korrekt verschachteln:

<soft><slow>Hören Sie diesem Abschnitt genau zu.</slow></soft>

Die Verschachtelung muss der LIFO-Reihenfolge folgen (zuletzt geöffnet, zuerst geschlossen), wie in HTML. Vermeiden Sie ungültige Überlappungen:

<!-- Korrekt -->
<soft><slow>Text</slow></soft>

<!-- Falsch: Überlappung -->
<soft><slow>Text</soft></slow>

Praktische Beispiele nach Anwendungsfällen

Podcast-Narration

[breath] <soft>Willkommen zu dieser Folge.</soft> [pause]
Heute erforschen wir ein faszinierendes Thema.
<emphasis>Generative künstliche Intelligenz.</emphasis> [long-pause]
<slow>Nehmen Sie sich einen Moment Zeit, um darüber nachzudenken.</slow>

Telefonempfang

Hallo und vielen Dank, dass Sie Corsen AI angerufen haben. [pause]
<slow>Für Vertriebsanfragen drücken Sie 1.</slow> [pause]
<slow>Für technischen Support drücken Sie 2.</slow> [pause]
<fast>Dieser Anruf kann aufgezeichnet werden, um uns zu helfen, unseren Service zu verbessern.</fast>

Bildungsinhalte

Hier ist der wichtigste Punkt, den Sie sich merken sollten. [pause]
<emphasis><slow>Die API gibt Audio-Bytes zurück, nicht JSON.</slow></emphasis>
[long-pause] Stellen Sie sicher, dass Sie die Antwort als Binärdaten verarbeiten.

Wichtige Erkenntnisse

  • Einschließende Tags verwenden die <tag>Text</tag>-Syntax
  • xAI veröffentlicht zwölf davon: Lautstärke und Intensität (<soft>, <whisper>, <loud>, <build-intensity>, <decrease-intensity>), Tonhöhe und Geschwindigkeit (<higher-pitch>, <lower-pitch>, <slow>, <fast>) sowie Stimmlage (<sing-song>, <singing>, <emphasis>)
  • Schließen Sie vollständige Sätze statt isolierter Wörter ein
  • Verschachtelung ist möglich, muss aber der LIFO-Reihenfolge folgen
  • Kombinieren Sie Inline- und einschließende Tags für ein ausdrucksstarkes Ergebnis