Nyelvek és többnyelvű beszéd
Ezen az oldalon
Frissítve: 2026. november 3., az xAI Text to Speech oldala alapján. Forrás: Text to Speech.
Húsz nyelv a globális közönség számára
A Grok TTS húsz nyelvet támogat, mindegyiket sajátos, természetes hangsúllyal és kiejtéssel. A gyakorlati következmény egyszerű: egy nemzetközi közönségnek szánt hangalkalmazásnak többé nem kell több beszédszolgáltatóval bajlódnia, azok változó minőségével és külön-külön kötött szerződéseivel. Egyetlen integráció, egyetlen kérésformátum, és máris átválthatsz angolról japánra egyetlen paraméter módosításával.
Ez a lefedettség meghatározza a terméked tervezését is. Egy e-learning platform, amely eddig csak angolul tette közzé hangalapú moduljait, most tíz nyelven is kínálhatja azokat anélkül, hogy egyetlen szinkronszínészt újra fel kellene vennie, vagy újra kellene tárgyalnia a hangjogokat.
Támogatott nyelvek
| BCP-47 kód | Nyelv | Régió |
|---|---|---|
en | Angol | Nemzetközi |
fr | Francia | Franciaország |
de | Német | Németország |
es-ES | Spanyol | Spanyolország |
es-MX | Spanyol | Mexikó |
pt-BR | Portugál | Brazília |
pt-PT | Portugál | Portugália |
it | Olasz | Olaszország |
ja | Japán | Japán |
ko | Koreai | Dél-Korea |
zh | Kínai | Kína |
hi | Hindi | India |
ar-EG / ar-SA / ar-AE | Arab | Egyiptom / Szaúd-Arábia / Egyesült Arab Emírségek |
ru | Orosz | Oroszország |
tr | Török | Törökország |
id | Indonéz | Indonézia |
vi | Vietnámi | Vietnám |
bn | Bengáli | Banglades / India |
Minden kérésnél add meg a nyelvet
A language paraméter kötelező: egyetlen TTS-kérés sem indul el nélküle. Vagy adj meg egy explicit BCP-47 kódot, vagy használd az auto értéket, ami lehetővé teszi, hogy a modell a szöveg alapján következtessen a nyelvre.
{
"text": "Hello, how are you today?",
"voice_id": "ara",
"language": "en"
}
Az automatikus észlelés akkor segít, ha előre nem ismered a felhasználó nyelvét: például egy bárki számára nyitott kapcsolati űrlapnál, kommentfolyamoknál vagy egy nemzetközi chatbotnál. Ez azonban továbbra is következtetés, a következtetések pedig tévedhetnek. Három szavas mondatoknál, vagy olyan szövegeknél, amelyek már az első sorban keverik a két nyelvet, a modell rossz fonetikai profilt választhat, és például angol hangsúllyal olvashat fel francia szöveget. Ha tudod a nyelvet, mindig add meg: az eredmény megbízhatóbb lesz.
Idegen szavak a mondatokban
Az néhány idegen kifejezéssel tűzdelt angol szöveget továbbra is "en"-ként kell deklarálni. A jelenlegi xAI dokumentáció nem ír arról, hogyan lehet mondat közben váltani a kiejtésben, ezért hallgasd meg, hogyan szólalnak meg az idegen vagy műszaki kifejezéseid, és a problémás eseteket a replace táblázattal javítsd ki.
{
"text": "Our team deploys to Kubernetes with kubectl.",
"voice_id": "rex",
"language": "en",
"replace": {"kubectl": "kube cuttle"}
}
A replace kulcsainak értékeit a szintézis előtt kicseréli a rendszer: csak a hang változik, a beküldött és számlázott szöveg a tiéd marad. Az érték lehet fonetikus átírás vagy IPA (Nemzetközi Fonetikai Ábécé), amelyet perjelek közé írva a modell közvetlenül olvas fel. Az xAI pontosan ezt az esetet említi: olyan kifejezéseket, amelyek kiejtése inkább a használatból, mintsem a helyesírásból ered, mint például az nginx vagy a kubectl. A táblázat legfeljebb 200 bejegyzést fogad el, a kulcsok maximum 100 karakter hosszúak lehetnek, és nem tartalmazhatnak írásjeleket vagy szimbólumokat.
Regionális változatok
A spanyol, a portugál és az arab nyelv több változatban is elérhető, és a választás nem csupán kozmetikai kérdés: befolyásolja a kiejtést, a hanglejtést és bizonyos szókincselemeket is. Az es-ES és az es-MX között választva a kasztíliai, illetve a mexikói hanglejtés és szókincs között döntesz. A pt-BR és a pt-PT közötti kiejtésbeli különbség minden anyanyelvi beszélő számára nyilvánvaló. Arab nyelv esetén az ar-EG, ar-SA és ar-AE kódok az egyiptomi, a szaúdi és az emírségbeli nyelvjárásoknak felelnek meg.
Mindig azt a változatot válaszd, amelyet a célközönséged beszél. Egy mexikói piacra szánt oktatóanyag, amelyet kasztíliai spanyolul narrálnak, ugyanolyan hatást kelt, mint egy brit akcentussal felolvasott amerikai reklám: az emberek meghallgatják, de észreveszik, hogy nem nekik készült.
Szokások, amelyekkel elkerülheted a kellemetlen meglepetéseket
Kérésenként egyetlen nyelvkódot használj: a szöveg fő nyelvét. A néhány idegen kifejezést tartalmazó angol szöveget "en"-ként deklaráld, és a makacs szavakat a replace segítségével javítsd, ahelyett, hogy különböző nyelveken írt darabokra tördelnéd a szöveget.
Ezután minden nyelvet tesztelj le, mielőtt elérhetővé tennéd a felhasználók számára, olyan mondatokkal, amelyek a valós tartalmadat képviselik, nem pedig egy egyszerű „helló“-val. A minőség nyelvenként változik, és jobb, ha tesztelés közben fedezel fel egy tempóbeli problémát, mint éles környezetben.
Végül figyelj a tulajdonnevekre. Egy lengyel vezetéknév egy angol szövegben, egy japán márkanév egy spanyolban: a motor a deklarált nyelv szabályait alkalmazza, és előfordulhat, hogy csak hozzávetőlegesen ejti ki őket. Amikor a kiejtés számít – például egy ügyfél neve egy köszöntő üzenetben –, add hozzá a replace táblázathoz a fonetikus átírással együtt, és hallgatással ellenőrizd az eredményt.
Főbb megállapítások
- Húsz nyelv támogatott, regionális változatokkal a spanyol, a portugál és az arab nyelv esetében
- A
languageparaméter kötelező, azautoérték az automatikus nyelvfelismerést aktiválja - A
replacetáblázat (fonetikus átírás vagy IPA) kijavítja az idegen szavak és tulajdonnevek kiejtését anélkül, hogy megváltoztatná a számlázott szöveget - Mindig a célközönségednek megfelelő regionális változatot használd