Etiquetas expresivas en línea
En esta página
Actualizado el 3 de noviembre de 2026, según la página Text to Speech de xAI y la referencia de la API de voz: las catorce etiquetas oficiales en línea, distribuidas en las cuatro familias de xAI (pausas, risas y llantos, sonidos bucales, respiración). Las etiquetas se facturan igual que el resto del texto. Fuentes: Text to Speech · Voice API.
Añade emoción y realismo al habla
Las etiquetas en línea son marcadores que insertas directamente en tu texto para activar una expresión vocal puntual: una pausa, una risa, un sonido bucal o una respiración. xAI publica catorce de ellas, agrupadas en cuatro familias. Hacen que la síntesis de voz sea mucho más natural y expresiva.
Sintaxis de las etiquetas en línea
Escribes las etiquetas en línea entre corchetes, [etiqueta], y las insertas directamente en el texto, justo donde quieras que se produzca el efecto:
¡Hola! [pause] ¿Qué tal estás hoy?
Durante la síntesis, la etiqueta se sustituye por el efecto de sonido correspondiente. El texto circundante se lee con normalidad.
Pausas
Las pausas dan estructura al habla y un ritmo natural:
[pause]: una pausa breve[long-pause]: una pausa más larga, para cambiar de tema o dejar que una idea calé[hum-tune]: tararear una melodía, que xAI clasifica en esta misma familia
Primera idea. [pause] Segunda idea. [long-pause] Ahora pasemos al siguiente tema.
Mientras tanto [hum-tune] veamos qué hemos aprendido.
Las pausas son especialmente útiles entre las secciones de un texto largo o para dar tiempo a los oyentes a asimilar una información importante.
Risas y llantos
Estas etiquetas añaden reacciones emocionales en medio del habla:
[laugh]: una carcajada[chuckle]: una risita contenida[giggle]: una risita nerviosa o infantil[cry]: llanto
¡Qué noticia tan estupenda! [laugh] Me alegro muchísimo por ti.
Funcionan especialmente bien en diálogos, pódcasts y contenidos narrativos, donde rompen la monotonía de la síntesis de voz clásica.
Sonidos bucales
[tsk]: un chasquido de molestia o desaprobación (“tsk”)[tongue-click]: un chasquido de lengua[lip-smack]: un chasquido de labios
[tsk] Otra reunión reprogramada.
Respiración
Las respiraciones hacen que el habla suene más humana:
[breath]: una respiración[inhale]: una inspiración[exhale]: una espiración[sigh]: un suspiro
[breath] Bienvenidos a este nuevo capítulo.
Y sí, otra reunión [sigh] pero esta será corta, lo prometo.
La etiqueta [breath] es sutil, pero ayuda en textos largos: sin respiraciones, una lectura extendida puede sonar mecánica.
Coloca las etiquetas con estrategia
La eficacia de las etiquetas en línea depende de dónde las coloques. Aquí tienes las mejores prácticas.
Al inicio de una frase
Coloca [breath] al principio de un nuevo párrafo o sección para imitar a alguien que empieza a hablar de forma natural:
[breath] Ahora pasemos a la parte práctica de esta lección.
Entre dos frases
Usa [pause] o [long-pause] para crear una ruptura natural:
El primer punto es importante. [long-pause] El segundo importa aún más.
Después de un dato clave
Una [pause] después de una cifra importante da tiempo a los oyentes a asimilarla:
Los ingresos crecieron un 47 %. [pause] Es nuestro mejor trimestre de la historia.
Ejemplo completo
Aquí tienes un texto que combina varias etiquetas para obtener un resultado natural:
{
"text": "[breath] Hola a todos y bienvenidos a esta presentación. [pause] Hoy vamos a hablar de un tema fascinante. [long-pause] Inteligencia artificial que habla. [chuckle] Sí, sé que es un poco metafórico. [pause] Pero ya veréis, los resultados son impresionantes. [breath] Empecemos por lo básico.",
"voice_id": "eve",
"language": "en"
}
Puntos clave
- Escribes las etiquetas en línea entre corchetes,
[etiqueta], dentro del texto [pause]y[long-pause]marcan el ritmo del habla[pause],[long-pause]y[hum-tune]forman la familia de las pausas[laugh],[chuckle],[giggle]y[cry]añaden emoción;[tsk],[tongue-click]y[lip-smack]añaden sonidos bucales[breath],[inhale],[exhale]y[sigh]hacen que el habla suene más humana- Coloca las etiquetas donde una persona haría una pausa o reaccionaría de forma natural
- Las etiquetas cuentan para el límite de 60.000 caracteres por solicitud y se facturan igual que el resto del texto