Vai al contenuto principale
Italiano— Scegli una lingua
Menu

Tag espressivi e controllo del parlato

Lezione 7 di 14 Aggiornata il 3 novembre 2026 Intermedio
In questa pagina
  1. Oltre una lettura piatta
  2. Tag inline: un effetto, un punto preciso
  3. Tag di avvolgimento: uno stile, un tratto di testo
  4. Combinare entrambi
  5. Dove questi tag fanno davvero la differenza
  6. Punti chiave

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.

CategoriaTag
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.

CategoriaTag
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