Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Beágyazott kifejező címkék

5. lecke 14 közül Frissítve 2026. november 3. Fejlesztő
Ezen az oldalon
  1. Érzelem és realizmus hozzáadása a beszédhez
  2. A beágyazott címkék szintaxisa
  3. Szünetek
  4. Nevetés és sírás
  5. Szájhanguk
  6. Légzés
  7. A címkék stratégiai elhelyezése
  8. Teljes példa
  9. Főbb megállapítások

Frissítve: 2026. november 3., az xAI Text to Speech oldala és a Voice API referenciája alapján: a tizennégy hivatalos beágyazott címke az xAI négy családjában (szünetek, nevetés és sírás, szájhanguk, légzés). A címkéket a szöveg többi részéhez hasonlóan számlázzuk. Források: Text to Speech · Voice API.

Érzelem és realizmus hozzáadása a beszédhez

A beágyazott címkék olyan jelölők, amelyeket közvetlenül a szövegedbe illesztesz be, hogy egyetlen hangkifejezést indíts el velük: egy szünetet, nevetést, szájhangukat vagy lélegzetvételt. Az xAI tizennégy ilyet tesz közzé, négy családba rendezve. Ezek sokkal természetesebbé és kifejezőbbé teszik a beszédszintézist.

14
Hivatalos beágyazott címke
[címke]
Szögletes zárójeles szintaxis
4
Címkecsalád
60 000
Karakter kérésenként, címkékkel együtt

A beágyazott címkék szintaxisa

A beágyazott címkéket szögletes zárójelben írod, [címke], és közvetlenül a szövegbe illeszted be, pontosan oda, ahol a hatást szeretnéd elérni:

Szia! [pause] Hogy vagy ma?

Szintézis során a címke helyét a megfelelő hangeffekt veszi át. A környező szöveget a rendszer normálisan mondja ki.

Szünetek

A szünetek szerkezetet és természetes ritmust adnak a beszédnek:

  • [pause]: rövid szünet
  • [long-pause]: hosszabb szünet, témaváltáshoz vagy arra, hogy egy gondolat leülepedjen
  • [hum-tune]: dallam mormolása, amelyet az xAI ugyanebbe a családba sorol
Első gondolat. [pause] Második gondolat. [long-pause] Most pedig térjünk át a következő témára.
Közben [hum-tune] nézzük meg, mit tanultunk.

A szünetek különösen hasznosak egy hosszú szöveg szakaszai között, vagy arra, hogy időt adj a hallgatónak egy fontos információ befogadására.

Nevetés és sírás

Ezek a címkék érzelmi reakciókat adnak hozzá a beszéd közepette:

  • [laugh]: hangos nevetés
  • [chuckle]: halk kuncogás
  • [giggle]: vihogás
  • [cry]: sírás
Ez igazán nagyszerű hír! [laugh] Annyira örülök neked.

Különösen jól működnek párbeszédekben, podcastokban és narratív tartalmakban, ahol megtörik a klasszikus beszédszintézis monotonitását.

Szájhanguk

  • [tsk]: bosszúságot vagy helytelenítést kifejező „csettintés“ (tsk)
  • [tongue-click]: nyelvcsattintás
  • [lip-smack]: ajakcsattintás
[tsk] Megint elhalasztottak egy értekezletet.

Légzés

A lélegzetvételek emberibbé teszik a beszédet:

  • [breath]: egy lélegzetvétel
  • [inhale]: belégzés
  • [exhale]: kilégzés
  • [sigh]: sóhaj
[breath] Üdvözöllek ebben az új fejezetben.
És igen, megint egy értekezlet [sigh], de ez rövid lesz, ígérem.

A [breath] címke finom, de segít a hosszú szövegeknél: lélegzetvételek nélkül egy hosszabb felolvasás gépiesnek hangozhat.

A címkék stratégiai elhelyezése

A beágyazott címkék hatékonysága attól függ, hová helyezed el őket. Íme a legjobb gyakorlatok.

Mondat elején

Helyezd a [breath] címkét egy új bekezdés vagy szakasz elejére, hogy utánozd azt, ahogy valaki természetesen beszélni kezd:

[breath] Most pedig térjünk rá ennek a leckének a gyakorlati részére.

Két mondat között

Használd a [pause] vagy [long-pause] címkéket egy természetes szünet létrehozására:

Az első pont fontos. [long-pause] A második még inkább számít.

Egy kulcsfontosságú információ után

Egy [pause] egy fontos szám után időt ad a hallgatónak annak befogadására:

A bevétel 47%-kal nőtt. [pause] Ez a valaha volt legjobb negyedévünk.

Teljes példa

Íme egy szöveg, amely több címkét kombinál a természetes eredmény érdekében:

{
  "text": "[breath] Sziasztok, és üdvözöllek mindenkit ezen a bemutatón. [pause] Ma egy lenyűgöző témáról fogunk beszélni. [long-pause] A beszélő mesterséges intelligenciáról. [chuckle] Igen, tudom, ez kicsit meta. [pause] De látni fogjátok, az eredmények lenyűgözőek. [breath] Kezdjük az alapokkal.",
  "voice_id": "eve",
  "language": "en"
}

Főbb megállapítások

  • A beágyazott címkéket szögletes zárójelben írod, [címke], közvetlenül a szövegbe ágyazva
  • A [pause] és [long-pause] formálja a beszéd ritmusát
  • A [pause], [long-pause] és [hum-tune] alkotja a szünetek családját
  • A [laugh], [chuckle], [giggle] és [cry] érzelmet ad hozzá; a [tsk], [tongue-click] és [lip-smack] szájhangukat
  • A [breath], [inhale], [exhale] és [sigh] emberibbé teszik a beszédet
  • Oda helyezd a címkéket, ahol egy ember természetesen szünetelne vagy reagálna
  • A címkék beleszámítanak a kérésenkénti 60 000 karakteres korlátba, és a szöveg többi részéhez hasonlóan számlázzuk őket