Címkék becsomagolása
Ezen az oldalon
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