Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Ilmeikkäät tagit ja puheen ohjaus

Oppitunti 7 / 14 Päivitetty 3. marraskuuta 2026 Keskitasoinen
Tällä sivulla
  1. Tasaisen esitystavan tuolla puolen
  2. Rivinsisäiset tagit: yksi efekti, yksi kohta
  3. Ympäröivät tagit: yksi tyyli, yksi tekstinpätkä
  4. Molempien yhdistäminen
  5. Missä nämä tagit todella tekevät eron
  6. Keskeiset asiat

Päivitetty 3. marraskuuta 2026 xAI:n Text to Speech -sivun ja Voice API -viitteen perusteella. Alla olevat tagit noudattavat virallista luetteloa: 14 rivinsisäistä tagia ja 12 ympäröivää tagia. Lähteet: Text to Speech · Voice API.

Tasaisen esitystavan tuolla puolen

Jos puhemoottori jätetään oman onnensa nojaan, se lukee kaiken samalla sävyllä – olipa kyseessä sitten tarinan punchline tai käyttöoppaan keskellä oleva tärkeä varoitus. Grok TTS:n avulla voit ottaa ohjat takaisin puhetageilla, jotka muokkaavat nopeutta, äänenvoimakkuutta, sävelkorkeutta ja tyyliä sekä voivat jopa lisätä naurua, huokauksia tai hengitystä. Järjestelmässä on kaksi erillistä mekanismia, ja niiden sekaisin meneminen on yleisin syy pettymystä tuottaviin lopputuloksiin: rivinsisäiset tagit aiheuttavat kertaluonteisen efektin, kun taas ympäröivät tagit muuttavat koko tekstikappaleen lukutapaa.

Rivinsisäiset tagit: yksi efekti, yksi kohta

Kirjoitat ne hakasulkeisiin, ja ne vaikuttavat tarkasti siihen kohtaan, johon sijoitat ne, muuttamatta seuraavaa tekstiä.

KategoriaTagit
Tauot[pause] lyhyt · [long-pause] pitkä · [hum-tune] sävelmän hyminä
Nauru ja itku[laugh] raikas nauru · [chuckle] hiljainen hihitys · [giggle] kikatus · [cry] itku
Suuäänet[tsk] paheksunta · [tongue-click] kielen naksautus · [lip-smack] huulten läpsyttely
Hengitys[breath] hengitys · [inhale] sisäänhengitys · [exhale] uloshengitys · [sigh] huokaus

Tauot ovat arkipäivässä ehdottomasti hyödyllisin työkalu, sillä ne lisäävät puhuttua välimerkintää, joka kirjoitetusta tekstistä usein puuttuu. Vertaa ohjetta, joka luetaan yhdellä hengästyneellä vedolla, samaan ohjeeseen, jolle on annettu tilaa hengittää:

Welcome to our platform. [pause] Today, we'll explore the main features. [long-pause] Let's start with signing up.

Äänelliset ilmaisut sen sijaan vaativat kevyttä otetta. Hyvin sijoitettu [laugh] saa lauseen kuulostamaan ystävälliseltä; kolme samaa tagia samassa kappaleessa saa sinut kuulostamaan hermostuneelta juontajalta.

That's a great question! [laugh] The answer might surprise you. [pause]

Ympäröivät tagit: yksi tyyli, yksi tekstinpätkä

Nämä tagit ympäröivät muokattavan tekstin muodossa <tag>teksti</tag>, ja niiden vaikutus kestää täsmälleen niin kauan kuin ympäröity kohta.

KategoriaTagit
Äänenvoimakkuus ja intensiteetti<soft> hiljaisempi · <whisper> kuiskaus · <loud> kovempi · <build-intensity> vähitellen voimistuva · <decrease-intensity> vähitellen vaimeneva
Sävelkorkeus ja nopeus<higher-pitch> korkeampi · <lower-pitch> matalampi · <slow> hitaampi esitys · <fast> nopeampi esitys
Äänityyli<sing-song> laulava sävy · <singing> laulu · <emphasis> painotus

Äänenvoimakkuuden kontrastien avulla voit arvioida tiedon tärkeyttä lisäämättä sanaakaan: hiljaa sanottu kuulostaa luottamukselliselta, kovaa sanottu hälytykseltä.

Listen carefully: <soft>this is a secret</soft>. But <loud>this is important!</loud>

Nopeus tekee saman huomion kiinnittämiseksi. Nopeuttaminen viittaa kiireellisyyteen tai sivuhuomautukseen; hidastaminen signaloi lausetta, joka kannattaa painaa mieleen. Tämä on arvokas tapa koulutusmateriaaleissa, joissa uusi termi määritellään aina hitaammin.

Now I'm going to <fast>talk really fast to show urgency</fast> and then <slow>slow down to stress this point</slow>.

Kuiskaus luo välittömästi yhteisöllisyyden tunnetta, kunhan se pysyy kappaleen poikkeuksena.

<whisper>Don't tell anyone</whisper>, but the new version comes out tomorrow!

Molempien yhdistäminen

Mikään ei estä yhdistämästä näitä kahta tagiperhettä samassa tekstissä, ja juuri silloin synteesi alkaa kuulostaa esitykseltä. Alla oleva ote sitoo yhteen hengäyksen, tauot, hiljaisemman kohdan, hidastuksen, kuiskauksen, naurun ja äänenvoimakkuuden nousun:

[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>

Lue tämä esimerkki ääneen ohjeita noudattaen, niin kuulet, että tagien tiheys on jo järkevän rajamailla. Kokonaisessa äänikirjassa tällainen määrä olisi uuvuttavaa. Nyrkkisääntö on tagittaa ne kohdat, jotka kantavat tarkoitusta, ja antaa muun hengittää rauhassa.

Missä nämä tagit todella tekevät eron

Äänikirjojen lukemisessa tauot, kuiskaukset ja vauhdin vaihtelut pitävät kuulijan hereillä tunnin kuuntelun ajan. Ääniavustajassa yksinkertainen [pause] kahden tiedonpalasen välissä antaa käyttäjälle aikaa omaksua ensimmäinen ennen seuraavaa. Koulutussisältö hyötyy <emphasis>-tagin yhdistämisestä avaintermeihin ja <slow>-tagin vaikeisiin kohtiin, aivan kuten kouluttaja tekisi luokan edessä. Äänimarkkinointi käyttää <build-intensity>-tagia vauhdin luomiseen ja <loud>-tagia kehotukseen toimia (call to action). Videopelihahmoille taas <whisper>, <lower-pitch> ja [laugh] yhdistelmät antavat identtisille vuorosanoille hyvin erilaisia persoonallisuuksia.

Yksi viimeinen käytännön neuvo: hienosäädä tagitusta yksittäisillä HTTP-pyynnöillä, jotka on helppo toistaa ja korjata, ja tarkista sen jälkeen, miltä hyväksytty teksti kuulostaa suoratoistoputkessasi. xAI suosittelee myös ympäröimään kokonaisia lauseita eikä yksittäisiä sanoja sekä yhdistämään tageja välimerkkeihin niiden pinon sijaan.

Keskeiset asiat

  • Rivinsisäiset [tag]-tagit lisäävät kertaluonteisia efektejä (tauot, nauru, huokaukset)
  • Ympäröivät <tag>teksti</tag>-tagit muuttavat tekstikappaleen tyyliä (äänenvoimakkuus, nopeus, sävy)
  • Voit yhdistää tageja luodaksesi rikasta ja ilmeikästä kerrontaa
  • xAI julkaisee 14 rivinsisäistä tagia ja 12 ympäröivää tagia: pysy tässä luettelossa