Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Odabir glasa i osobnosti

Lekcija 3 od 14 Ažurirano 3. studenoga 2026. Srednja razina
Na ovoj stranici
  1. Dvadeset osam glasova, dvadeset osam prvih dojmova
  2. Postavljanje glasa
  3. Uskladi tembar s ponašanjem
  4. Kako donijeti odluku
  5. Što govor mijenja u tvojim promptovima
  6. Ključne točke

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.

GlasTon, prema xAI-juPrijedlozi uporabe od xAI-ja
carinaNježan, empatičan, umirujućiWellness, podrška
zaganSnažan, dramatičan, nezaboravanLikovi, naracija
helixOdvažan, dinamičan, visoke energijeKomentari, podcasti
orionBogat, filmski, rezonantanNaracija, audioknjige
lunaNježan, strpljiv, duboko brižanObrazovanje, asistent
irisPrijateljski, veseo, prirodno šarmantanProdaja, podrška
altairElegantan, profinjen, visoke klaseOglašavanje, naracija
zenithOštar, fokusiran, odlučanProdaja, oglašavanje
perseusSnažan, samouvjeren, pouzdanOglašavanje, naracija
heliosVeseo, energičan, iznimno svestranAsistent, wellness
luxSmiren, miran, tiho mudarWellness, naracija
keplerInventivan, usmjeren na budućnost, karizmatičanOglašavanje, podcasti
rigelPrecizan, profesionalan, mirno samouvjeren; australski naglasakAsistent, podrška
cosmoSvijetao, znatiželjan, lako razumljivObrazovanje, podcasti
celesteSućutan, samouvjeren, ohrabrujućiPodrška, asistent
ursaPrijateljski, topao, postojanAsistent, podcasti
siriusDuhovit, pametan, razigranKomentari, likovi
lumenTopao, jasan, angažirajućiObrazovanje, oglašavanje
castorKarizmatičan, prizeman, opuštenProdaja, podrška
nakshTopao, promišljen, mudar; indijski naglasakAsistent, podrška
atlasSamouvjeren, autoritativan, ohrabrujućiProdaja, asistent
auroraSeren, postojan, zračećiPodrška, asistent
lioraMiran, smiren, svijetaoWellness, asistent
araTopao i prijateljski—
eveEnergetičan i veseo; britanski naglasak—
leoAutoritativan i snažan; britanski naglasak—
rexSamouvjeren i jasan—
salGladak 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