Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Oznake za izražajnost i upravljanje govorom

Lekcija 7 od 14 Ažurirano 3. studenoga 2026. Srednja razina
Na ovoj stranici
  1. Izvan ravnog izgovora
  2. Ugrađene oznake: jedan učinak, jedno mjesto
  3. Obuhvatne oznake: jedan stil, jedan dio teksta
  4. Kombiniranje obiju vrsta
  5. Gdje ove oznake doista čine razliku
  6. Ključne točke

Ažurirano 3. studenoga 2026., na temelju stranice xAI Text to Speech i referencije za Voice API. Oznake u nastavku prate službeni popis: 14 ugrađenih oznaka i 12 obuhvatnih oznaka. Izvori: Text to Speech · Voice API.

Izvan ravnog izgovora

Prepušten sam sebi, govorni stroj sve čita istim tonom, uključujući poantu priče ili ključno upozorenje usred korisničkog vodiča. Grok TTS omogućuje ti da preuzmeš kontrolu pomoću oznaka za govor, koje oblikuju tempo, glasnoću, visinu tona i stil, pa čak mogu umetnuti smijeh, uzdahe ili udahе. Postoje dva različita mehanizma, a njihovo miješanje najčešći je uzrok razočaravajućih rezultata: ugrađene oznake pokreću jednokratni učinak, dok obuhvatne oznake mijenjaju način na koji se čita cijeli odlomak.

Ugrađene oznake: jedan učinak, jedno mjesto

Pišeš ih u uglatim zagradama i djeluju točno ondje gdje ih postaviš, bez promjene teksta koji slijedi.

KategorijaOznake
Stanke[pause] kratka · [long-pause] duga · [hum-tune] zujanje melodije
Smijeh i plač[laugh] srdačan smijeh · [chuckle] tiho hihotanje · [giggle] gigotanje · [cry] plač
Zvukovi usta[tsk] negodovanje · [tongue-click] cvokot jezikom · [lip-smack] cmok usnama
Disanje[breath] udah/izdah · [inhale] udah · [exhale] izdah · [sigh] uzdah

Stanke su daleko najkorisnije u svakodnevnom radu jer dodaju govornu interpunkciju koju pisanom tekstu nedostaje. Usporedi uputu izrečenu u jednom dahu s istom uputom kojoj je dan prostor za disanje:

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

Vokalni izrazi, s druge strane, zahtijevaju suzdržanost. Dobro postavljena oznaka [laugh] čini rečenicu prijateljskom; tri takve oznake u istom odlomku učinit će da zvučiš kao nervozni voditelj.

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

Obuhvatne oznake: jedan stil, jedan dio teksta

Ove oznake okružuju tekst koji modificiraju, kao u <tag>tekst</tag>, a njihov učinak traje točno onoliko koliko traje obuhvaćeni odlomak.

KategorijaOznake
Glasnoća i intenzitet<soft> tiše · <whisper> šapat · <loud> glasnije · <build-intensity> postupno jačanje · <decrease-intensity> postupno slabljenje
Visina tona i brzina<higher-pitch> više · <lower-pitch> niže · <slow> sporiji izgovor · <fast> brži izgovor
Vokalni stil<sing-song> pjevuckajući ton · <singing> pjevanje · <emphasis> naglasak

Kontrast u glasnoći omogućuje ti rangiranje informacija bez dodavanja ijedne riječi: ono što se kaže tiho zvuči kao povjerenje, a ono što se kaže glasno kao uzbuna.

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

Brzina radi isto za pozornost. Ubrzavanje sugerira hitnost ili usputnu napomenu; usporavanje signalizira rečenicu vrijednu pamćenja. To je vrijedna navika u obrazovnom modulu, gdje uvijek usporavaš kod definicije novog pojma.

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

Šaptanje stvara trenutnu prisnost, sve dok ostane iznimka u odlomku.

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

Kombiniranje obiju vrsta

Ništa te ne sprječava da miješaš obje obitelji oznaka u istom tekstu, a upravo tada sinteza počinje zvučati kao izvedba. Donji isječak povezuje udah, stanke, tiši dio, usporavanje, šapat, smijeh i pojačavanje glasnoće:

[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>

Pročitaj ovaj primjer naglas, prateći upute, i čut ćeš da je gustoća oznaka već na granici razumnoga. Kroz cijelu audioknjigu, toliko bi bilo iscrpljujuće. Zlatno pravilo je označavati trenutke koji nose namjeru, a ostalome dopustiti da diše.

Gdje ove oznake doista čine razliku

U naraciji audioknjiga, stanke, šaputanje i promjene tempa ono je što održava slušatelje budnima kroz sat vremena slušanja. Za glasovnog asistenta, jednostavna [pause] između dviju informacija daje korisnicima vremena da prime jednu prije nego što stigne sljedeća. Obrazovni sadržaj ima koristi od kombiniranja <emphasis> na ključnim pojmovima s <slow> na težim odlomcima, točno onako kako bi trener učinio pred razredom. Audio marketing koristi <build-intensity> za izgradnju zamaha i <loud> na pozivu na akciju. A za likove u videoigrama, kombiniranje <whisper>, <lower-pitch> i [laugh] daje identičnim dijaloškim linijama vrlo različite osobnosti.

Još jedna praktična napomena: fino podešavanje svojih oznaka izvrši pojedinačnim HTTP zahtjevima, koje je lako ponoviti i ispraviti, a zatim provjeri kako odobreni tekst zvuči u tvom streamingu. xAI također preporučuje obuhvaćanje cijelih rečenica umjesto izoliranih riječi te uparivanje oznaka s interpunkcijom umjesto njihovog gomilanja.

Ključne točke

  • Ugrađene oznake [tag] umeću jednokratne učinke (stanke, smijeh, uzdahe)
  • Obuhvatne oznake <tag>tekst</tag> mijenjaju stil odlomka (glasnoća, brzina, ton)
  • Možeš kombinirati oznake za stvaranje bogate, izražajne naracije
  • xAI objavljuje 14 ugrađenih oznaka i 12 obuhvatnih oznaka: drži se tog popisa