Ekspressiivsed sildid ja kõne juhtimine
Sellel lehel
Uuendatud 3. novembril 2026, tuginedes xAI Text to Speech lehele ja Voice API referentsdokumentatsioonile. Allpool toodud sildid järgivad ametlikku nimekirja: 14 reasisest silti ja 12 ümbritsevat silti. Allikad: Text to Speech · Voice API.
Ühtlasest ettelugemisest kaugemale
Omapead jäetuna loeb kõnemootor kõike sama tooniga, olgu selleks siis loo ootamatu lõpupunkt või kasutusjuhendi keskel olev kriitiline hoiatus. Grok TTS annab sulle võimaluse ohjad enda kätte võtta kõnesiltide abil, mis kujundavad tempot, valjust, helikõrgust ja stiili ning suudavad isegi sisestada naeru, ohkeid või hingamisi. Kasutada on kahte erinevat mehhanismi ja nende segiajamine on pettumust valmistavate tulemuste number üks põhjus: reasisesed sildid käivitavad ühekordse efekti, samas kui ümbritsevad sildid muudavad kogu lõigu lugemisviisi.
Reasisesed sildid: üks efekt, üks koht
Kirjutad need hranthesse ja need toimivad täpselt seal, kuhu need paigutad, muutmata järgnevat teksti.
| Kategooria | Sildid |
|---|---|
| Paused | [pause] lühike · [long-pause] pikk · [hum-tune] viisi vilistamine/humin |
| Naermine ja nutmine | [laugh] hearty laugh · [chuckle] vaigistatud naeratus · [giggle] itsitamine · [cry] nutt |
| Suuhelid | [tsk] heakskiitmatus · [tongue-click] keele klõpsatus · [lip-smack] huulte plaksatus |
| Hingamine | [breath] hingamine · [inhale] sissehingamine · [exhale] väljahingamine · [sigh] ohe |
Paused on igapäevases kasutuses kaugelt kõige kasulikumad, kuna need lisavad kirjalikust tekstist puuduvat häälduslikku interpunktsiooni. Võrdle ühe hooga ette loetud juhist sama juhistega, millele on antud hingamisruumi:
Welcome to our platform. [pause] Today, we'll explore the main features. [long-pause] Let's start with signing up.
Häälelisel väljendusel tuleb aga kasutada kerget kätt. Hästi paigutatud [laugh] muudab lause sõbralikuks; kolm sama lõigu sees panevad sind kõlama nagu närviline saatejuht.
That's a great question! [laugh] The answer might surprise you. [pause]
Ümbritsevad sildid: üks stiil, üks tekstilõik
Need sildid ümbritsevad muudetavat teksti kujul <tag>tekst</tag> ja nende efekt kestab täpselt nii kaua, kui kesteb ümbritsetud lõik.
| Kategooria | Sildid |
|---|---|
| Valjus ja intensiivsus | <soft> vaiksem · <whisper> sosin · <loud> valjem · <build-intensity> järk-järgult tugevnev · <decrease-intensity> järk-järgult vaibuv |
| Helikõrgus ja kiirus | <higher-pitch> kõrgem · <lower-pitch> madalam · <slow> aeglasem esitus · <fast> kiirem esitus |
| Häälestiil | <sing-song> laulev toon · <singing> laulmine · <emphasis> rõhuasetus |
Valjuse kontrastimine võimaldab informatsiooni hierarhiseerida ilma ühtegi sõna lisamata: see, mida öeldakse vaikselt, kõlab nagu usalduslik saladus, ja see, mida öeldakse valjult, nagu häire.
Listen carefully: <soft>this is a secret</soft>. But <loud>this is important!</loud>
Kiirus teeb sama tähelepanu juhtimisel. Kiirendamine viitab kiireloomulisusele või märkusele kõrvale; aeglustamine annab märku lausest, mida tasub meeles pidada. See on väärtuslik harjumus koolitusmoodulis, kus uue termini definitsiooni juures alati aeglustatakse.
Now I'm going to <fast>talk really fast to show urgency</fast> and then <slow>slow down to stress this point</slow>.
Sosin loob kohese kaasaelamise, eeldusel et see jääb lõigus erandiks.
<whisper>Don't tell anyone</whisper>, but the new version comes out tomorrow!
Mõlema kombineerimine
Miski ei takista sul mõlemat siltide perekonda samas tekstis segamast ja just seal hakkab süntees kõlama nagu etendus. Allpool olev väljavõte ühendab hingamise, pausid, vaiksema lõigu, aeglustamise, sosina, naeru ja valjuse tõusu:
[breath] Hello, everyone. [pause]
Today, I'm going to tell you <soft>an extraordinary story</soft>. [long-pause]
Once upon a time, <slow>in a faraway land</slow>, a developer discovered [pause] <whisper>the secret of perfect speech synthesis</whisper>. [laugh]
<loud>And everything changed!</loud>
Loe see näide valjult ette, järgides vihjeid, ja kuuled, et siltide tihedus on juba mõistlikkuse piiril. Terve audioraamatu ulatuses oleks see väsitav. Reegel on lihtne: märgista siltidega need momendid, mis kannavad intentsiooni, ja lase ülejäänul hingata.
Kus need sildid tõeliselt vahet teevad
Audioraamatute ettelugemisel hoiavad kuulajad tunniajase kuulamise vältel ärkvel just pausid, sosinad ja tempomuutused. Häälassistendi puhul annab lihtne [pause] kahe infoosa vahel kasutajale aega esimest omaks võtta enne järgmist. Haridussisu puhul on kasulik kombineerida võtmeteemadel <emphasis> ja rasketes kohtades <slow>, täpselt nii nagu koolitaja teeks klassi ees seistes. Heliturundus kasutab <build-intensity> hoogu loomiseks ja <loud> tegevusele kutsumisel. Videomängude tegelaste puhul annab <whisper>, <lower-pitch> ja [laugh] kombineerimine identsetele dialoogireplikaatidele väga erinevad isiksused.
Viimane praktiline nõuanne: häälesta oma sildistamist üksikute HTTP-päringutega, mida on lihtne uuesti käivitada ja parandada, ning seejärel kontrolli, kuidas heakskiidetud tekst sinu voogedastuskeskkonnas kõlab. xAI soovitab samuti ümbritseda terviklikke lauseid, mitte üksikuid sõnu, ning paigutada sildid koos interpunktsioonimärkidega, mitte neid virnastada.
Peamised punktid
- Reasisesed
[tag]sildid sisestavad ühekordseid efekte (pausid, naer, ohked) - Ümbritsevad
<tag>tekst</tag>sildid muudavad lõigu stiili (valjus, kiirus, toon) - Saad siltide kombineerimisega luua rikkalikku ja ekspressiivset ettelugemist
- xAI avaldab 14 reasisest ja 12 ümbritsevat silti: pea kinni sellest nimekirjast