Odabir glasa i osobnosti
Na ovoj stranici
Ažurirano 3. studenoga 2026., na temelju stranica xAI Text to Speech i Speech to Speech te vodiča za promptove glasova. xAI nudi 28 ugrađenih glasova koje dijele glasovni agent i pretvorba teksta u govor; opisi i slučajevi uporabe u nastavku potječu izravno od xAI-ja. Izvori: Text to Speech · Speech to Speech · Prompting Guide.
Dvadeset osam glasova, dvadeset osam prvih dojmova
Grok Voice Agent nudi ti 28 glasova (stanje na dan 3. studenoga 2026.), od kojih svaki ima svoj tembar i temperament, a svaki od njih govori sve podržane jezike. Taj izbor nije samo kozmetički. Prije nego što prva rečenica završi, korisnici su već stvorili sliku s kim razgovaraju. Veseo glas koji priopćava otkazivanje narudžbe zvuči pogrešno; dubok, odmjeran glas tijekom demonstracije proizvoda uspavat će cijelu sobu.
| Glas | Ton, prema xAI-ju | Prijedlozi uporabe od xAI-ja |
|---|---|---|
carina | Nježan, empatičan, umirujući | Wellness, podrška |
zagan | Snažan, dramatičan, nezaboravan | Likovi, naracija |
helix | Odvažan, dinamičan, visoke energije | Komentari, podcasti |
orion | Bogat, filmski, rezonantan | Naracija, audioknjige |
luna | Nježan, strpljiv, duboko brižan | Obrazovanje, asistent |
iris | Prijateljski, veseo, prirodno šarmantan | Prodaja, podrška |
altair | Elegantan, profinjen, visoke klase | Oglašavanje, naracija |
zenith | Oštar, fokusiran, odlučan | Prodaja, oglašavanje |
perseus | Snažan, samouvjeren, pouzdan | Oglašavanje, naracija |
helios | Veseo, energičan, iznimno svestran | Asistent, wellness |
lux | Smiren, miran, tiho mudar | Wellness, naracija |
kepler | Inventivan, usmjeren na budućnost, karizmatičan | Oglašavanje, podcasti |
rigel | Precizan, profesionalan, mirno samouvjeren; australski naglasak | Asistent, podrška |
cosmo | Svijetao, znatiželjan, lako razumljiv | Obrazovanje, podcasti |
celeste | Sućutan, samouvjeren, ohrabrujući | Podrška, asistent |
ursa | Prijateljski, topao, postojan | Asistent, podcasti |
sirius | Duhovit, pametan, razigran | Komentari, likovi |
lumen | Topao, jasan, angažirajući | Obrazovanje, oglašavanje |
castor | Karizmatičan, prizeman, opušten | Prodaja, podrška |
naksh | Topao, promišljen, mudar; indijski naglasak | Asistent, podrška |
atlas | Samouvjeren, autoritativan, ohrabrujući | Prodaja, asistent |
aurora | Seren, postojan, zračeći | Podrška, asistent |
liora | Miran, smiren, svijetao | Wellness, asistent |
ara | Topao i prijateljski | — |
eve | Energetičan i veseo; britanski naglasak | — |
leo | Autoritativan i snažan; britanski naglasak | — |
rex | Samouvjeren i jasan | — |
sal | Gladak i uravnotežen | — |
Popis se s vremenom mijenja. GET /v1/tts/voices vraća trenutni popis, a Custom Voices API omogućuje ti stvaranje glasa iz kratkog referentnog isječka; zatim koristiš njegov ID točno kao i za ugrađeni glas.
Postavljanje glasa
Glas biraš u polju voice poruke session.update. To zahtijeva tri retka:
{
"type": "session.update",
"session": {
"voice": "rex"
}
}
Ime ne razlikuje velika i mala slova: "Eve", "eve" i "EVE" svi se odnose na isti glas. Dokumentacija za pretvorbu teksta u govor navodi eve kao zadani glas; za agenta uvijek eksplicitno postavi glas. Kao i kod ostatka konfiguracije, slanje nove poruke session.update usred razgovora mijenja glas. Tijek telefonske recepcije mogao bi započeti veselim glasom za pozdrav, a zatim prijeći na mirniji čim razgovor prijeđe na osjetljivu temu.
Uskladi tembar s ponašanjem
Glas obavlja samo pola posla: on postavlja teksturu, dok instructions postavljaju ponašanje. Topao glas koji nabraja kratke odgovore stvara disonancu koju korisnici osjete, ali je ne mogu imenovati. Tri konfiguracije u nastavku prikazuju tri dosljedna uparivanja tembra i uloge.
Za korisničku službu, celeste, koju xAI navodi za podršku, ide uz strpljiv ton i mogućnost prelaska na ljudskog agenta:
{
"type": "session.update",
"session": {
"voice": "celeste",
"instructions": "You are a customer service assistant for the Maison Verte store. You are patient, empathetic, and always ready to find a solution. Use simple, reassuring language. If you can't solve a problem, offer to transfer the customer to a human agent."
}
}
Za tehnički tutorial, cosmo, naveden za obrazovanje, uparuje se s uputama o strukturi i preciznosti:
{
"type": "session.update",
"session": {
"voice": "cosmo",
"instructions": "You are a technical trainer who specializes in web development. Explain concepts in a structured way, with concrete examples. Be precise and direct. Suggest hands-on exercises when relevant."
}
}
Za program uvoda u rad tvrtke, leo donosi autoritet koji upute omekšavaju toplinom i redovitim provjerama razumijevanja:
{
"type": "session.update",
"session": {
"voice": "leo",
"instructions": "You are the official trainer for the new employee onboarding program. Present information with authority but with warmth. Follow the program in order and check for understanding after each point."
}
}
Kako donijeti odluku
Četiri razmatranja pojavljuju se u svakom projektu. Prvo je usklađenost s brendom: premium brend prepoznat će se u altair, opušteni startup u castor ili iris, a pogrešan odabir stvara trenutno neusklađivanje. Drugo je kontekst uporabe, koji ponekad nadmašuje brend: asistent za wellness zahtijeva glas koji xAI navodi za wellness, poput carina, lux ili liora, dok telefonska centrala dobro funkcionira ako smiri pozivatelje s celeste ili aurora. Treće je trajanje interakcije: tijekom dugih sesija, miran glas manje umara od vrlo specifičnog. Četvrto, i najvažnije, jest da je percepcija glasa subjektivna. Prije nego što se odlučiš, pušti tri kandidata grupi stvarnih korisnika na tvojem ciljanom jeziku. To traje sat vremena i štedi te od otkrića nakon lansiranja da glas koji si odabrao smeta polovici tvojih korisnika.
Što govor mijenja u tvojim promptovima
Prijelaz na glas ruši neke navike pisanja promptova i zahtijeva nove. Vodič xAI-ja za promptove glasova predlaže strukturu od pet dijelova: uloga i persona, cilj, tijek razgovora, zaštitne mjere i eskalacija te stil glasa. Za stil glasa daje specifične savjete. Drži se jedne ili dvije kratke rečenice po okretu, osim ako pozivatelj ne zatraži više detalja, i nakratko zastani nakon svakog pitanja. Ako pozivatelj zašuti, nastavi s kratkim pitanjem. A kada je ono što je rekao bilo nečujno ili nepotpuno, postavi kratko pitanje za pojašnjenje umjesto nagađanja.
Otvorena pitanja dobro funkcioniraju u pisanom obliku, ali često zbune ljude u razgovoru. „Želiš li da provjerim tvoju narudžbu?“ funkcionira bolje od „Što mogu učiniti za tebe?“ Agent koji pita „Možeš li to ponoviti?“ bolji je od onoga koji nagađa, jer u usmenoj razmjeni nesporazum zahtijeva dva okreta za ispravak.
Ključne točke
- Dostupno je 28 ugrađenih glasova koje dijele glasovni agent i pretvorba teksta u govor, uz prilagođene glasove
- xAI opisuje ton i slučajeve uporabe svakog glasa: kreni od tih slučajeva uporabe, zatim testiraj sa stvarnim slušateljima
- Glas možeš promijeniti usred sesije bez prekidanja veze
- Strukturiraj upute kako predlaže vodič xAI-ja: jedna ili dvije kratke rečenice po okretu, kratki nastavci, pitanja za pojašnjenje
- Uskladi glas sa svojim brendom, kontekstom uporabe i duljinom interakcija