Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Válaszd ki a hangot és a személyiséget

3. lecke 14 közül Frissítve 2026. november 3. Középhaladó
Ezen az oldalon
  1. Huszonnyolc hang, huszonnyolc első benyomás
  2. A hang beállítása
  3. Illeszd a hangszínt a viselkedéshez
  4. Hogyan döntsd el?
  5. Mit változtat a beszéd a promptjaidban?
  6. Főbb megállapítások

Frissítve: 2026. november 3., az xAI Text to Speech és Speech to Speech oldalai, valamint a hangalapú promptolási útmutatója alapján. Az xAI 28 beépített hangot kínál, amelyeket a hangügynök és a szöveg-beszéd (TTS) motor közösen használ; az alábbi leírások és felhasználási esetek az xAI sajátjai. Források: Text to Speech · Speech to Speech · Prompting Guide.

Huszonnyolc hang, huszonnyolc első benyomás

A Grok Voice Agent 28 hangot biztosít (2026. november 3-i állapot szerint), mindegyiknek saját színezete és temperamentuma van, és mindannyian beszélik a támogatott nyelveket. Ez a választás több mint kozmetikai kérdés. Mielőtt az első mondat végére érnél, a felhasználók már kialakítottak egy képet arról, kivel beszélnek. Helytelen, ha egy vidám hang mondja le a rendelést; egy mély, megfontolt hang pedig elaltatja a termet egy termékbemutató során.

HangTónus az xAI szerintAz xAI által javasolt felhasználási esetek
carinaLágy, empátiával teli, megnyugtatóJóllét, támogatás
zaganErőteljes, drámai, összetéveszthetetlenKarakterek, narráció
helixMerész, dinamikus, nagy energiájúKommentárok, podcastok
orionGazdag, filmes, rezonánsNarráció, hangoskönyvek
lunaGyengéd, türelmes, mélyen gondoskodóOktatás, asszisztens
irisBarátságos, vidám, természetesen bájosÉrtékesítés, támogatás
altairElegáns, kifinomult, előkelőReklám, narráció
zenithÉles, fókuszált, elszántÉrtékesítés, reklám
perseusErős, magabiztos, megbízhatóReklám, narráció
heliosVidám, energikus, rendkívül sokoldalúAsszisztens, jóllét
luxHiggadt, nyugodt, csendesen bölcsJóllét, narráció
keplerLelkes, előremutató, karizmatikusReklám, podcastok
rigelPrecíz, professzionális, nyugodtan magabiztos; ausztrál akcentusAsszisztens, támogatás
cosmoFényes, kíváncsi, könnyen követhetőOktatás, podcastok
celesteEgyüttérző, magabiztos, megnyugtatóTámogatás, asszisztens
ursaBarátságos, meleg, stabilAsszisztens, podcastok
siriusFürge eszű, ügyes, játékosKommentárok, karakterek
lumenMeleg, tiszta, lebilincselőOktatás, reklám
castorKarizmatikus, földhözragadt, lazaÉrtékesítés, támogatás
nakshMeleg, gondolkodó, bölcs; indiai akcentusAsszisztens, támogatás
atlasMagabiztos, tekintélyt parancsoló, megnyugtatóÉrtékesítés, asszisztens
auroraDerűs, stabil, sugárzóTámogatás, asszisztens
lioraNyugodt, higgadt, fényesJóllét, asszisztens
araMeleg és barátságos—
eveEnergikus és vidám; brit akcentus—
leoTekintélyt parancsoló és erőteljes; brit akcentus—
rexMagabiztos és tiszta—
salSima és kiegyensúlyozott—

A lista idővel változhat. A GET /v1/tts/voices lekérdezés visszaadja az aktuális listát, a Custom Voices API pedig lehetővé teszi, hogy egy rövid referenciaklip alapján saját hangot hozz létre; ezután az azonosítóját pontosan úgy használhatod, mint a beépített hangokét.

A hang beállítása

A hangot a session.update üzenet voice mezőjében választhatod ki. Három sorra van szükség hozzá:

{
  "type": "session.update",
  "session": {
    "voice": "rex"
  }
}

A név nem kis- és nagybetűérzékeny: az "Eve", az "eve" és az "EVE" ugyanarra a hangra utal. A szöveg-beszéd dokumentációja az eve hangot jelöli alapértelmezettként; az ügynök esetében azonban mindig állítsd be expliciten a hangot. A konfiguráció többi részéhez hasonlóan, ha beszélgetés közben új session.update üzenetet küldesz, az megváltoztatja a hangot. Egy telefonos ügyfélfogadási folyamat kezdődhet egy vidám üdvözlő hanggal, majd átválthat egy nyugodtabbra, amint a hívás érzékeny témára terelődik.

Illeszd a hangszínt a viselkedéshez

A hang csak a munka felét végzi: ez adja a textúrát, míg az instructions határozzák meg a viselkedést. Egy meleg hang, amely tömör válaszokat darál le, olyan disszonanciát kelt, amelyet a felhasználók éreznek, de nem tudnak megnevezni. Az alábbi három konfiguráció három következetes párosítást mutat be a hangszín és a szerep között.

Ügyfélszolgálat esetén a celeste, amelyet az xAI támogatásra javasol, egy türelmes tónussal és egy emberi ügyintézőhöz való átirányítási lehetőséggel párosul:

{
  "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."
  }
}

Egy technikai oktatóanyaghoz a cosmo, amelyet oktatási célokra listáznak, a strukturáltságra és a pontosságra vonatkozó utasításokkal párosul:

{
  "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."
  }
}

Egy vállalati beillesztési programhoz a leo olyan tekintélyt kölcsönöz, amelyet az utasítások melegséggel és rendszeres visszajelzésekkel lágyítanak:

{
  "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."
  }
}

Hogyan döntsd el?

Négy szempont merül fel minden projektben. Az első a márkaillesztés: egy prémium márka az altair hangban ismeri fel magát, egy laza startup pedig a castor vagy az iris hangban; ha ezt fordítva csinálod, az azonnali mismatchet okoz. A második a használat kontextusa, ami néha felülírja a márkát: egy jólléti asszisztenshez olyan hang illik, amelyet az xAI jóllétre javasol, mint például a carina, a lux vagy a liora, míg egy telefonközpontnak érdemes a celeste vagy az aurora hanggal megnyugtatnia a hívókat. A harmadik szempont az interakció hossza: hosszú munkamenetek során egy nyugodt hang kevésbé fárasztó, mint egy nagyon jellegzetes. A negyedik, és legfontosabb szempont az, hogy az emberek hangészlelése szubjektív. Mielőtt elköteleződnél, játssz le három jelöltet néhány valódi felhasználónak a célnyelveden. Ez csak egy órát vesz igénybe, de megkímél attól, hogy a launch után döbbenj rá: a választott hang az ügyfeleid felét idegesíti.

Mit változtat a beszéd a promptjaidban?

A beszédre való áttérés megtör néhány promptírási szokást, és újakat követel meg. Az xAI hangalapú promptolási útmutatója egy ötrészes struktúrát javasol: szerep és személyiség, cél, beszélgetés menete, korlátok és eszkaláció, valamint hangstílus. A hangstílusra vonatkozóan konkrét tanácsokat ad. Fordulónként tartsd magad egy-két rövid mondathoz, hacsak a hívó nem kér több részletet, és minden kérdés után tarts rövid szünetet. Ha a hívó elhallgat, kövesd ezt egy rövid kérdéssel. Ha pedig amit mondott, hallhatatlan vagy hiányos volt, kérdezz rá röviden a tisztázás érdekében, ahelyett, hogy találgatnál.

A nyitott kérdések írásban jól működnek, de beszélgetés során gyakran zavarba ejtik az embereket. A „Megnézzem a rendelését?“ jobban működik, mint a „Miben segíthetek?“. És egy olyan ügynök, amely azt kérdezi: „Megismételné?“, jobb, mint amelyik találgat, mert egy szóbeli exchanges során egy félreértés kijavításához két fordulóra van szükség.

Főbb megállapítások

  • 28 beépített hang áll rendelkezésre, amelyeket a hangügynök és a szöveg-beszéd motor közösen használ, plusz egyedi hangok
  • Az xAI leírja az egyes hangok tónusát és felhasználási eseteit: indulj ki ezekből, majd teszteld valódi hallgatókkal
  • A hangot munkamenet közben is megváltoztathatod a kapcsolat megszakítása nélkül
  • Az utasításokat az xAI útmutatója szerint strukturáld: fordulónként egy-két rövid mondat, rövid utánkövetés, tisztázó kérdések
  • Illeszd a hangot a márkádhoz, a használat kontextusához és az interakciók hosszához