Ir al contenido principal
Español— Elegir un idioma
Menú

Etiquetas expresivas y control del habla

Lección 7 de 14 Actualizado el 3 de noviembre de 2026 Intermedio
En esta página
  1. Más allá de una lectura plana
  2. Etiquetas en línea: un efecto, un punto concreto
  3. Etiquetas de envoltura: un estilo, un tramo de texto
  4. Combinar ambas
  5. Dónde marcan realmente la diferencia estas etiquetas
  6. Puntos clave

Actualizado el 3 de noviembre de 2026, basándose en la página Text to Speech de xAI y la referencia de la API de Voz. Las etiquetas siguientes siguen la lista oficial: 14 etiquetas en línea y 12 etiquetas de envoltura. Fuentes: Text to Speech · Voice API.

Más allá de una lectura plana

Si se deja a su aire, un motor de síntesis de voz lo lee todo con el mismo tono, incluido el remate de una historia o la advertencia clave en medio de una guía de usuario. Grok TTS te permite recuperar el control mediante etiquetas de habla, que moldean el ritmo, el volumen, el tono y el estilo, e incluso pueden insertar risas, suspiros o respiraciones. Existen dos mecanismos distintos, y confundirlos es la causa número uno de resultados decepcionantes: las etiquetas en línea desencadenan un efecto puntual, mientras que las etiquetas de envoltura cambian la forma en que se lee todo un pasaje.

Etiquetas en línea: un efecto, un punto concreto

Se escriben entre corchetes y actúan exactamente donde las colocas sin modificar el texto posterior.

CategoríaEtiquetas
Pausas[pause] corta · [long-pause] larga · [hum-tune] tarareando una melodía
Risa y llanto[laugh] carcajada · [chuckle] risita suave · [giggle] risilla · [cry] llanto
Sonidos bucales[tsk] desaprobación · [tongue-click] chasquido de lengua · [lip-smack] chasquido de labios
Respiración[breath] respiración · [inhale] inspiración · [exhale] espiración · [sigh] suspiro

Las pausas son, con diferencia, las más útiles en el día a día, porque añaden la puntuación hablada de la que carece el texto escrito. Compara una instrucción soltada de tirón con la misma instrucción dada espacio para respirar:

Bienvenido a nuestra plataforma. [pause] Hoy exploraremos las funciones principales. [long-pause] Empecemos por el registro.

Las expresiones vocales, por otro lado, requieren un toque ligero. Un [laugh] bien colocado hace que una frase suene amigable; tres en el mismo párrafo te harán sonar como un presentador nervioso.

¡Es una gran pregunta! [laugh] La respuesta podría sorprenderte. [pause]

Etiquetas de envoltura: un estilo, un tramo de texto

Estas etiquetas rodean el texto que modifican, como en <tag>texto</tag>, y su efecto dura exactamente lo que el pasaje envuelto.

CategoríaEtiquetas
Volumen e intensidad<soft> más bajo · <whisper> susurro · <loud> más alto · <build-intensity> aumenta gradualmente · <decrease-intensity> disminuye gradualmente
Tono y velocidad<higher-pitch> más agudo · <lower-pitch> más grave · <slow> entrega más lenta · <fast> entrega más rápida
Estilo vocal<sing-song> tono cantarin · <singing> cantando · <emphasis> énfasis

El contraste de volumen te permite jerarquizar la información sin añadir ni una palabra: lo que se dice en voz baja suena a confidencia; lo que se dice en voz alta, a alerta.

Escucha atentamente: <soft>esto es un secreto</soft>. Pero <loud>¡esto es importante!</loud>

La velocidad hace lo mismo con la atención. Acelerar sugiere urgencia o un aparte; ralentizar señala una frase que merece ser recordada. Es un hábito valioso en un módulo de formación, donde siempre debes ralentizarte en la definición de un nuevo término.

Ahora voy a <fast>hablar muy rápido para mostrar urgencia</fast> y luego <slow>reducir la velocidad para recalcar este punto</slow>.

El susurro crea complicidad al instante, siempre que se mantenga como la excepción en el párrafo.

<whisper>No se lo digas a nadie</whisper>, ¡pero la nueva versión sale mañana!

Combinar ambas

Nada te impide mezclar las dos familias en el mismo texto, y ahí es donde la síntesis empieza a sonar como una interpretación. El extracto siguiente encadena una respiración, pausas, un pasaje más suave, ralentización, un susurro, una risa y un aumento de volumen:

[breath] Hola a todos. [pause]
Hoy voy a contaros <soft>una historia extraordinaria</soft>. [long-pause]
Érase una vez, <slow>en una tierra lejana</slow>, un desarrollador descubrió [pause] <whisper>el secreto de la síntesis de voz perfecta</whisper>. [laugh]
<loud>¡Y todo cambió!</loud>

Lee este ejemplo en voz alta siguiendo las indicaciones y oirás que la densidad de etiquetas ya está en el límite de lo razonable. En un audiolibro entero, tanto sería agotador. La regla general es etiquetar los momentos que transmiten intención y dejar que el resto respire.

Dónde marcan realmente la diferencia estas etiquetas

En la narración de audiolibros, las pausas, los susurros y los cambios de ritmo son lo que mantiene despiertos a los oyentes durante una hora de escucha. Para un asistente de voz, una simple [pause] entre dos datos da tiempo a los usuarios a asimilar uno antes del siguiente. El contenido educativo se beneficia de combinar <emphasis> en términos clave con <slow> en pasajes difíciles, exactamente como haría un formador frente a una clase. El marketing de audio utiliza <build-intensity> para crear impulso y <loud> en la llamada a la acción. Y para los personajes de videojuegos, combinar <whisper>, <lower-pitch> y [laugh] otorga personalidades muy distintas a líneas de diálogo idénticas.

Un último punto práctico: ajusta tu etiquetado con solicitudes HTTP individuales, que son fáciles de reproducir y corregir, y luego comprueba cómo suena el texto aprobado en tu canal de transmisión (streaming). xAI también recomienda envolver frases completas en lugar de palabras aisladas, y emparejar etiquetas con signos de puntuación en lugar de apilarlas.

Puntos clave

  • Las etiquetas en línea [tag] insertan efectos puntuales (pausas, risas, suspiros)
  • Las etiquetas de envoltura <tag>texto</tag> cambian el estilo de un pasaje (volumen, velocidad, tono)
  • Puedes combinar etiquetas para crear una narración rica y expresiva
  • xAI publica 14 etiquetas en línea y 12 de envoltura: cíñete a esa lista