Ir al contenido principal
Español— Elegir un idioma
Menú

Etiquetas de envoltura

Lección 6 de 14 Actualizado el 3 de noviembre de 2026 Desarrollador
En esta página
  1. Cambiar el estilo de locución de un fragmento de texto
  2. Sintaxis de las etiquetas de envoltura
  3. Volumen e intensidad
  4. Tono y velocidad
  5. Estilo vocal
  6. Reglas de anidamiento
  7. Ejemplos prácticos por caso de uso
  8. Puntos clave

Actualizado el 3 de noviembre de 2026, según la página Text to Speech de xAI: las doce etiquetas de envoltura oficiales, distribuidas en las tres familias de xAI. Fuente: Text to Speech.

Cambiar el estilo de locución de un fragmento de texto

A diferencia de las etiquetas en línea, que producen un efecto puntual, las etiquetas de envoltura modifican la forma en que se habla todo un fragmento de texto. Utilizan una sintaxis XML con una etiqueta de apertura y una de cierre.

Sintaxis de las etiquetas de envoltura

Las etiquetas de envoltura rodean el texto que deseas modificar con <tag> y </tag>:

Aquí hay un texto normal, luego <whisper>un pasaje susurrado</whisper> y después volvemos a la normalidad.

El texto dentro de las etiquetas se pronuncia con el estilo que especifiques. El resto del texto mantiene su prosodia habitual.

Volumen e intensidad

Estas etiquetas controlan la intensidad del habla:

  • <soft>: una voz suave e íntima, como si hablaras con alguien cercano
  • <whisper>: un susurro, como si compartieras un secreto
  • <loud>: una voz alta, como si proyectaras la voz en una sala grande
  • <build-intensity>: intensidad que aumenta a lo largo del pasaje
  • <decrease-intensity>: intensidad que disminuye a lo largo del pasaje
<soft>Voy a contarte un secreto.</soft> [pause] <loud>¡Aquí está!</loud>
<build-intensity>Tres, dos, uno… ¡vamos!</build-intensity>

El contraste entre <soft> y <loud> resulta muy eficaz para crear efectos dramáticos o para subrayar puntos importantes.

Tono y velocidad

Estas etiquetas modifican el tono de la voz y su ritmo:

  • <higher-pitch>: un tono más agudo, que puede sugerir sorpresa o emoción
  • <lower-pitch>: un tono más grave, que sugiere autoridad o seriedad
  • <fast>: habla más rápida, útil para avisos legales o información secundaria
  • <slow>: habla más lenta, ideal para instrucciones importantes o dictado
<higher-pitch>¿En serio? ¡Es increíble!</higher-pitch>
Este es el punto principal. <fast>Los términos y condiciones están disponibles en nuestro sitio web.</fast>
<slow>Repite conmigo: hola, ¿cómo estás?</slow>

Para establecer la velocidad de todo un texto en lugar de un fragmento concreto, utiliza el parámetro speed de la solicitud (lección 2).

Estilo vocal

  • <sing-song>: una dicción melódica y cantarina
  • <singing>: un estilo de canto, para sintonías o melodías
  • <emphasis>: énfasis, para destacar una palabra o una frase
<singing>¡Feliz cumpleaños!</singing>
<emphasis>Esto es absolutamente esencial.</emphasis>

xAI recomienda envolver frases completas en lugar de palabras aisladas: <whisper>Es un secreto.</whisper> suena más natural que una única palabra susurrada.

Reglas de anidamiento

Puedes combinar etiquetas de envoltura, pero asegúrate de anidarlas correctamente:

<soft><slow>Escucha atentamente este pasaje.</slow></soft>

El anidamiento debe seguir el orden LIFO (último en entrar, primero en salir), como en HTML. Evita solapamientos no válidos:

<!-- Correcto -->
<soft><slow>texto</slow></soft>

<!-- Incorrecto: solapamiento -->
<soft><slow>texto</soft></slow>

Ejemplos prácticos por caso de uso

Narración de pódcast

[breath] <soft>Bienvenido a este episodio.</soft> [pause]
Hoy exploraremos un tema fascinante.
<emphasis>La inteligencia artificial generativa.</emphasis> [long-pause]
<slow>Tómate un momento para reflexionar sobre ello.</slow>

Saludo telefónico

Hola y gracias por llamar a Corsen AI. [pause]
<slow>Para ventas, pulse el 1.</slow> [pause]
<slow>Para asistencia técnica, pulse el 2.</slow> [pause]
<fast>Esta llamada puede grabarse para ayudarnos a mejorar nuestro servicio.</fast>

Contenido educativo

Este es el punto clave que debes recordar. [pause]
<emphasis><slow>La API devuelve bytes de audio, no JSON.</slow></emphasis>
[long-pause] Asegúrate de gestionar la respuesta como datos binarios.

Puntos clave

  • Las etiquetas de envoltura utilizan la sintaxis <tag>texto</tag>
  • xAI publica doce: volumen e intensidad (<soft>, <whisper>, <loud>, <build-intensity>, <decrease-intensity>), tono y velocidad (<higher-pitch>, <lower-pitch>, <slow>, <fast>) y estilo vocal (<sing-song>, <singing>, <emphasis>)
  • Envuelve frases completas en lugar de palabras aisladas
  • El anidamiento es posible, pero debe respetar el orden LIFO
  • Combina etiquetas en línea y de envoltura para obtener un resultado expresivo