Tag espressivi e controllo del parlato
In questa pagina
Aggiornato il 3 novembre 2026, sulla base della pagina Text to Speech di xAI e del riferimento alle API Voice. I tag seguenti seguono l’elenco ufficiale: 14 tag inline e 12 tag di avvolgimento. Fonti: Text to Speech · Voice API.
Oltre una lettura piatta
Se lasciato a sé stesso, un motore di sintesi vocale legge tutto con lo stesso tono, inclusa la battuta finale di una storia o l’avvertimento cruciale nel mezzo di una guida utente. Grok TTS ti permette di riprendere il controllo grazie ai tag vocali, che modellano ritmo, volume, tono e stile, e possono persino inserire risate, sospiri o respiri. Esistono due meccanismi distinti e confonderli è la causa numero uno di risultati deludenti: i tag inline attivano un effetto puntuale, mentre i tag di avvolgimento modificano la lettura di un intero passaggio.
Tag inline: un effetto, un punto preciso
Li scrivi tra parentesi quadre e agiscono esattamente dove li inserisci, senza modificare il testo successivo.
| Categoria | Tag |
|---|---|
| Pause | [pause] breve · [long-pause] lunga · [hum-tune] canticchiare una melodia |
| Risate e pianto | [laugh] risata sonora · [chuckle] risatina soffocata · [giggle] ridacchiare · [cry] pianto |
| Suoni della bocca | [tsk] disapprovazione · [tongue-click] schiocco della lingua · [lip-smack] schiocco delle labbra |
| Respirazione | [breath] respiro · [inhale] inspirazione · [exhale] espirazione · [sigh] sospiro |
Le pause sono di gran lunga le più utili nella quotidianità, perché aggiungono la punteggiatura parlata che manca al testo scritto. Confronta un’istruzione snocciolata tutta d’un fiato con la stessa istruzione a cui viene dato spazio per respirare:
Welcome to our platform. [pause] Today, we'll explore the main features. [long-pause] Let's start with signing up.
Le espressioni vocali, d’altra parte, richiedono leggerezza. Un [laugh] ben posizionato rende una frase amichevole; tre nello stesso paragrafo ti fanno sembrare un conduttore nervoso.
That's a great question! [laugh] The answer might surprise you. [pause]
Tag di avvolgimento: uno stile, un tratto di testo
Questi tag circondano il testo che modificano, come in <tag>testo</tag>, e il loro effetto dura esattamente quanto il passaggio racchiuso.
| Categoria | Tag |
|---|---|
| Volume e intensità | <soft> più quieto · <whisper> sussurro · <loud> più forte · <build-intensity> aumenta gradualmente · <decrease-intensity> sfuma gradualmente |
| Tono e velocità | <higher-pitch> più acuto · <lower-pitch> più grave · <slow> esecuzione più lenta · <fast> esecuzione più veloce |
| Stile vocale | <sing-song> tono cantilenante · <singing> canto · <emphasis> enfasi |
Il contrasto di volume ti permette di gerarchizzare le informazioni senza aggiungere parole: ciò che viene detto piano suona come una confidenza, ciò che viene detto forte come un allarme.
Listen carefully: <soft>this is a secret</soft>. But <loud>this is important!</loud>
La velocità fa lo stesso per l’attenzione. Accelerare suggerisce urgenza o un’inciso; rallentare segnala una frase degna di essere ricordata. È un’abitudine preziosa in un modulo formativo, dove rallenti sempre sulla definizione di un nuovo termine.
Now I'm going to <fast>talk really fast to show urgency</fast> and then <slow>slow down to stress this point</slow>.
Il sussurro crea istantanea complicità, purché rimanga l’eccezione nel paragrafo.
<whisper>Don't tell anyone</whisper>, but the new version comes out tomorrow!
Combinare entrambi
Nulla ti impedisce di mescolare le due famiglie nello stesso testo, ed è qui che la sintesi inizia a suonare come una performance. L’estratto seguente concatena un respiro, pause, un passaggio più morbido, un rallentamento, un sussurro, una risata e un aumento di volume:
[breath] Hello, everyone. [pause]
Today, I'm going to tell you <soft>an extraordinary story</soft>. [long-pause]
Once upon a time, <slow>in a faraway land</slow>, a developer discovered [pause] <whisper>the secret of perfect speech synthesis</whisper>. [laugh]
<loud>And everything changed!</loud>
Leggi questo esempio ad alta voce seguendo le indicazioni: noterai che la densità dei tag è già al limite del ragionevole. In un intero audiolibro, tutto questo risulterebbe estenuante. La regola d’oro è taggare i momenti che portano intenzione e lasciare respirare il resto.
Dove questi tag fanno davvero la differenza
Nella narrazione di audiolibri, pause, sussurri e cambi di ritmo sono ciò che tiene svegli gli ascoltatori per un’ora di ascolto. Per un assistente vocale, una semplice [pause] tra due informazioni dà agli utenti il tempo di assimilare la prima prima della seconda. I contenuti educativi beneficiano della combinazione di <emphasis> sui termini chiave con <slow> sui passaggi difficili, esattamente come farebbe un formatore davanti a una classe. Il marketing audio usa <build-intensity> per creare slancio e <loud> sulla call to action. E per i personaggi dei videogiochi, combinare <whisper>, <lower-pitch> e [laugh] conferisce a battute di dialogo identiche personalità molto diverse.
Un ultimo punto pratico: affina la tua taggatura con singole richieste HTTP, facili da riprodurre e correggere, quindi verifica come suona il testo approvato nella tua pipeline di streaming. xAI raccomanda inoltre di avvolgere frasi complete piuttosto che parole isolate e di abbinare i tag alla punteggiatura invece di accumularli.
Punti chiave
- I tag inline
[tag]inseriscono effetti puntuali (pause, risate, sospiri) - I tag di avvolgimento
<tag>testo</tag>modificano lo stile di un passaggio (volume, velocità, tono) - Puoi combinare i tag per creare una narrazione ricca ed espressiva
- xAI pubblica 14 tag inline e 12 tag di avvolgimento: attieniti a quell’elenco