Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Ilmaisevat sisäiset tagit

Oppitunti 5 / 14 Päivitetty 3. marraskuuta 2026 Kehittäjä
Tällä sivulla
  1. Lisää puhettaan tunnetta ja realismia
  2. Sisäisen tagin syntaksi
  3. Tauot
  4. Nauru ja itku
  5. Suuäänet
  6. Hengitys
  7. Sijoita tagit strategisesti
  8. Täydellinen esimerkki
  9. Keskeiset asiat

Päivitetty 3. marraskuuta 2026 xAI:n Text to Speech -sivun ja Voice API -viitteen perusteella: neljätoista virallista sisäistä tagia xAI:n neljässä ryhmässä (tauot, nauru ja itku, suuäänet, hengitys). Tagit laskutetaan kuten muukin teksti. Lähteet: Text to Speech · Voice API.

Lisää puhettaan tunnetta ja realismia

Sisäiset tagit ovat merkkejä, jotka lisäät suoraan tekstiin laukaistaksesi yksittäisen ääniefektin: tauon, naurun, suuäänen tai hengityksen. xAI julkaisee neljätoista tällaista tagia neljässä eri ryhmässä. Ne tekevät puheesynteesistä huomattavasti luonnollisempaa ja ilmaisukykyisempää.

14
Virallista sisäistä tagia
[tag]
Hakasuljesyntaksi
4
Tagiryhmää
60 000
Merkkiä pyyntöä kohden, tagit mukaan lukien

Sisäisen tagin syntaksi

Kirjoitat sisäiset tagit hakasulkeisiin muodossa [tag] ja sijoitat ne suoraan tekstiin juuri siihen kohtaan, jossa haluat efektin tapahtuvan:

Hei! [pause] Mitä kuuluu tänään?

Synteesin aikana tagi korvautuu vastaavalla ääniefektillä. Ympäröivä teksti luetaan normaalisti.

Tauot

Tauot antavat puheelle rakenteen ja luonnollisen rytmin:

  • [pause]: lyhyt tauko
  • [long-pause]: pidempi tauko, esimerkiksi aiheenvaihtoa varten tai ajatuksen hautomiseksi
  • [hum-tune]: sävelmän hyminä, jonka xAI luokittelee samaan ryhmään
Ensimmäinen idea. [pause] Toinen idea. [long-pause] Siirrytään nyt seuraavaan aiheeseen.
Sillä välin [hum-tune] katsotaan, mitä olemme oppineet.

Tauot ovat erityisen hyödyllisiä pitkän tekstin osioiden välissä tai antamaan kuulijalle aikaa omaksua tärkeää tietoa.

Nauru ja itku

Nämä tagit lisäävät emotionaalisia reaktioita puheen keskelle:

  • [laugh]: makea nauru
  • [chuckle]: hiljainen hihitys
  • [giggle]: kikatus
  • [cry]: itku
Tuo on todella hieno uutinen! [laugh] Olen niin iloinen puolestasi.

Ne toimivat erityisen hyvin dialogissa, podcasteissa ja kertovassa sisällössä, jossa ne rikkovat klassisen puheesynteesin yksitoikkoisuutta.

Suuäänet

  • [tsk]: “tsk”-ääni ärsytyksen tai paheksunnan merkkinä
  • [tongue-click]: kielen naksautus
  • [lip-smack]: huulten smekkaus
[tsk] Taas yksi kokous siirretty.

Hengitys

Hengitykset saavat puheen kuulostamaan inhimillisemmältä:

  • [breath]: hengitys
  • [inhale]: sisäänhengitys
  • [exhale]: uloshengitys
  • [sigh]: huokaus
[breath] Tervetuloa tähän uuteen lukuun.
Ja kyllä, taas yksi kokous [sigh], mutta tämä on lyhyt, lupaan.

[breath]-tagi on hienovarainen, mutta se auttaa pitkissä teksteissä: ilman hengityksiä laaja lukeminen voi kuulostaa mekaaniselta.

Sijoita tagit strategisesti

Sisäisten tagien toimivuus riippuu siitä, mihin ne sijoitat. Tässä on parhaat käytännöt.

Lauseen alussa

Sijoita [breath] uuden kappaleen tai osion alkuun jäljittelemään luonnollista puhumisen aloittamista:

[breath] Siirrytään nyt tämän oppitunnin käytännön osuuteen.

Kahden lauseen välissä

Käytä [pause]- tai [long-pause]-tageja luodaksesi luonnollisen katkon:

Ensimmäinen kohta on tärkeä. [long-pause] Toinen on vielä tärkeämpi.

Tärkeän tiedon jälkeen

[pause] tärkeän luvun jälkeen antaa kuulijalle aikaa omaksua se:

Liikevaihto kasvoi 47 %. [pause] Tämä on paras neljänneksemme koskaan.

Täydellinen esimerkki

Tässä on teksti, joka yhdistää useita tageja luonnollisen lopputuloksen saavuttamiseksi:

{
  "text": "[breath] Hei kaikki ja tervetuloa tähän esitykseen. [pause] Tänään puhumme kiehtovasta aiheesta. [long-pause] Tekoäly, joka puhuu. [chuckle] Kyllä, se on hieman meta-tasoa, tiedän. [pause] Mutta tulet näkemään, että tulokset ovat vaikuttavia. [breath] Aloitetaan perusteista.",
  "voice_id": "eve",
  "language": "fi"
}

Keskeiset asiat

  • Kirjoitat sisäiset tagit hakasulkeisiin muodossa [tag] tekstin sekaan
  • [pause] ja [long-pause] muokkaavat puheen rytmiä
  • [pause], [long-pause] ja [hum-tune] muodostavat taukoryhmän
  • [laugh], [chuckle], [giggle] ja [cry] lisäävät tunnetta; [tsk], [tongue-click] ja [lip-smack] lisäävät suuääniä
  • [breath], [inhale], [exhale] ja [sigh] saavat puheen kuulostamaan inhimillisemmältä
  • Sijoita tagit kohtiin, joissa ihminen luonnollisesti taukoaisi tai reagoisi
  • Tagit lasketaan mukaan 60 000 merkin rajaa kohden pyyntöä ja ne laskutetaan kuten muukin teksti