Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Címkék becsomagolása

6. lecke 14 közül Frissítve 2026. november 3. Fejlesztő
Ezen az oldalon
  1. A beszédstílus megváltoztatása egy szövegrészen
  2. A becsomagoló címkék szintaxisa
  3. Hangerő és intenzitás
  4. Hangmagasság és sebesség
  5. Énekstílus
  6. Beágyazási szabályok
  7. Gyakorlati példák használati esetek szerint
  8. Főbb megállapítások

Frissítve: 2026. november 3., az xAI Text to Speech oldala alapján: a tizenkét hivatalos becsomagoló címke az xAI három családjában. Forrás: Text to Speech.

A beszédstílus megváltoztatása egy szövegrészen

Az egysoros címkékkel ellentétben, amelyek csak egyszeri hatást váltanak ki, a becsomagoló címkék megváltoztatják, ahogy a szöveg egy egész szakaszát kimondják. Ezek XML szintaxist használnak, egy nyitó és egy záró címkével.

A becsomagoló címkék szintaxisa

A becsomagoló címkék körbeveszik a módosítani kívánt szöveget a <tag> és </tag> elemekkel:

Here's some normal text, then <whisper>a whispered passage</whisper>, then back to normal.

A címkéken belüli szöveg az általad megadott stílusban szólal meg. A szöveg többi része megtartja a szokásos prozódiáját.

Hangerő és intenzitás

Ezek a címkék a beszéd intenzitását szabályozzák:

  • <soft>: lágy, intim hangnem, mintha valakihez közel állóval beszélgetnél
  • <whisper>: suttogás, mint egy közös titok
  • <loud>: hangos beszéd, mintha egy nagy termen keresztül kiabálnál
  • <build-intensity>: a szakasz során növekvő intenzitás
  • <decrease-intensity>: a szakasz során csökkenő intenzitás
<soft>I'm going to tell you a secret.</soft> [pause] <loud>Here it is!</loud>
<build-intensity>Three, two, one… let's go!</build-intensity>

A <soft> és a <loud> közötti kontraszt nagyon hatásos drámai effektekhez vagy fontos pontok hangsúlyozásához.

Hangmagasság és sebesség

Ezek a címkék a hang magasságát és a beszéd tempóját változtatják meg:

  • <higher-pitch>: magasabb hang, ami meglepetést vagy izgatottságot sugallhat
  • <lower-pitch>: mélyebb hang, ami tekintélyt vagy komolyságot sugall
  • <fast>: gyorsabb beszéd, hasznos jogi nyilatkozatokhoz vagy másodlagos információkhoz
  • <slow>: lassabb beszéd, ideális fontos utasításokhoz vagy diktáláshoz
<higher-pitch>Really? That's amazing!</higher-pitch>
Here's the main point. <fast>Terms and conditions are available on our website.</fast>
<slow>Repeat after me: hello, how are you?</slow>

Ha nem egy szakasz, hanem a teljes szöveg sebességét szeretnéd beállítani, használd a kérés speed paraméterét helyette (2. lecke).

Énekstílus

  • <sing-song>: dallamos, éneklős előadásmód
  • <singing>: éneklő stílus, szignálokhoz vagy dallamokhoz
  • <emphasis>: hangsúlyozás, egy szó vagy kifejezés kiemelésére
<singing>Happy birthday!</singing>
<emphasis>This is absolutely essential.</emphasis>

Az xAI azt javasolja, hogy teljes mondatokat csomagolj be elszigetelt szavak helyett: a <whisper>It's a secret.</whisper> természetesebben hangzik, mint egyetlen elsuttogott szó.

Beágyazási szabályok

Kombinálhatod a becsomagoló címkéket, de ügyelj arra, hogy helyesen ágyazd be őket:

<soft><slow>Listen carefully to this passage.</slow></soft>

A beágyazásnak LIFO sorrendet (utolsó be, első ki) kell követnie, akárcsak a HTML-ben. Kerüld az érvénytelen átfedéseket:

<!-- Correct -->
<soft><slow>text</slow></soft>

<!-- Incorrect: overlap -->
<soft><slow>text</soft></slow>

Gyakorlati példák használati esetek szerint

Podcast narráció

[breath] <soft>Welcome to this episode.</soft> [pause]
Today, we're exploring a fascinating topic.
<emphasis>Generative artificial intelligence.</emphasis> [long-pause]
<slow>Take a moment to think about it.</slow>

Telefonos üdvözlés

Hello, and thank you for calling Corsen AI. [pause]
<slow>For sales, press 1.</slow> [pause]
<slow>For technical support, press 2.</slow> [pause]
<fast>This call may be recorded to help us improve our service.</fast>

Oktatási tartalom

Here's the key point to remember. [pause]
<emphasis><slow>The API returns audio bytes, not JSON.</slow></emphasis>
[long-pause] Make sure you handle the response as binary data.

Főbb megállapítások

  • A becsomagoló címkék a <tag>text</tag> szintaxist használják
  • Az xAI tizenkettőt tesz közzé: hangerő és intenzitás (<soft>, <whisper>, <loud>, <build-intensity>, <decrease-intensity>), hangmagasság és sebesség (<higher-pitch>, <lower-pitch>, <slow>, <fast>), valamint énekstílus (<sing-song>, <singing>, <emphasis>)
  • Csomagolj be teljes mondatokat elszigetelt szavak helyett
  • A beágyazás lehetséges, de követnie kell a LIFO sorrendet
  • Kombinálj egysoros és becsomagoló címkéket a kifejező eredmény érdekében