Išraiškingos žymos ir kalbos valdymas
Šiame puslapyje
Atnaujinta 2026 m. lapkričio 3 d. remiantis xAI Text to Speech puslapiu ir „Voice API“ nuoroda. Toliau pateiktos žymos atitinka oficialų sąrašą: 14 įterptinių žymų ir 12 apgaubiančių žymų. Šaltiniai: Text to Speech · Voice API.
Anapus plokščio skaitymo
Palikta savo valiai, kalbos variklis viską skaito vienodu tonu – nesvarbu, ar tai istorijos kulminacija, ar svarbus įspėjimas naudotojo vadovo viduryje. Grok TTS leidžia tau perimti kontrolę naudojant kalbos žymas, kurios formuoja tempą, garsumą, toną ir stilių bei gali įterpti juoką, atodūsius ar įkvėpimus. Yra du skirtingi mechanizmai, ir jų sumaišymas yra pagrindinė nusivylimo priežastis: įterptinės žymos sukelia vienkartinį efektą, o apgaubiančios žymos keičia viso teksto fragmento skaitymo būdą.
Įterptinės žymos: vienas efektas, viena vieta
Tu jas rašai laužtiniuose skliaustuose, ir jos veikia tiksliai toje vietoje, kurioje jas įdedi, nekeisdamos tolesnio teksto.
| Kategorija | Žymos |
|---|---|
| Pauzės | [pause] trumpa · [long-pause] ilga · [hum-tune] melodijos murmėjimas |
| Juokas ir verksmas | [laugh] garsus juokas · [chuckle] tylus kikenas · [giggle] kvatojimas · [cry] verksmas |
| Burnos garsai | [tsk] nepritarimas · [tongue-click] liežuvio spragtelėjimas · [lip-smack] lūpų čepsėjimas |
| Kvėpavimas | [breath] įkvėpimas/iškvėpimas · [inhale] įkvėpimas · [exhale] iškvėpimas · [sigh] atodūsis |
Pauzės yra bene naudingiausios kasdieniame darbe, nes jos suteikia kalbinę interpunkciją, kurios trūksta rašytiniam tekstui. Palygink instrukciją, išberiamą vienu ypu, su ta pačia instrukcija, kuriai suteikta erdvės „įkvėpti“:
Welcome to our platform. [pause] Today, we'll explore the main features. [long-pause] Let's start with signing up.
Tuo tarpu vokalinės išraiškos reikalauja saiko. Tinkamai vietoje įdėtas [laugh] sakinį padaro draugišką; trys tokios žymos toje pačioje pastraipoje privers tave skambėti kaip nervingam vedėjui.
That's a great question! [laugh] The answer might surprise you. [pause]
Apgaubiančios žymos: vienas stilius, vienas teksto ruožas
Šios žymos apgaubia modifikuojamą tekstą, pavyzdžiui, <tag>tekstas</tag>, ir jų poveikis trunka tik tiek, kiek trunka apgaubtas fragmentas.
| Kategorija | Žymos |
|---|---|
| Garsumas ir intensyvumas | <soft> tyliau · <whisper> šnabždesys · <loud> garsiau · <build-intensity> laipsniškas stiprėjimas · <decrease-intensity> laipsniškas silpnėjimas |
| Tonas ir greitis | <higher-pitch> aukštesnis tonas · <lower-pitch> žemesnis tonas · <slow> lėtesnis skaitymas · <fast> greitesnis skaitymas |
| Vokalinis stilius | <sing-song> dainuojantis tonas · <singing> dainavimas · <emphasis> pabrėžimas |
Kontrastingas garsumas leidžia suskirstyti informaciją nepridedant nei žodžio: tai, kas pasakyta tyliai, skamba kaip paslaptis, o tai, kas garsiai – kaip perspėjimas.
Listen carefully: <soft>this is a secret</soft>. But <loud>this is important!</loud>
Greitis daro tą patį dėmesiui valdyti. Greitinimas sufleruoja skubą ar pašalinę pastabą; lėtinimas signalizuoja, kad sakinį verta įsiminti. Tai vertingas įprotis mokymų modulyje, kur visada sulėtini tempą ties naujo termino apibrėžimu.
Now I'm going to <fast>talk really fast to show urgency</fast> and then <slow>slow down to stress this point</slow>.
Šnabždesys akimirksniu sukuria bendrininkystės jausmą, jei jis lieka išimtimi pastraipoje.
<whisper>Don't tell anyone</whisper>, but the new version comes out tomorrow!
Abiejų rūšių derinimas
Niekas netrukdo tau tame pačiame tekste maišyti abiejų šeimų žymų; būtent tada sintezė pradeda skambėti kaip tikras pasirodymas. Toliau pateiktame ištraukoje sujungiami įkvėpimas, pauzės, tylesnis fragmentas, sulėtinimas, šnabždesys, juokas ir garsumo didinimas:
[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>
Perskaityk šį pavyzdį garsiai, sekdamas užuominas, ir išgirsi, kad žymų tankis jau yra ties protingumo riba. Visoje audioknygoje toks kiekis būtų varginantis. Taisyklė paprasta: žymėk tik tas akimirkas, kurios neša prasmę, o likusiam tekstui leisk „kvėpuoti“.
Kur šios žymos iš tiesų keičia situaciją
Audioknygų naracijoje būtent pauzės, šnabždesiai ir tempo pokyčiai palaiko klausytojų budrumą valandos trukmės sesijos metu. Balsiniam asistentui paprasta [pause] tarp dviejų informacijos gabalėlių suteikia vartotojams laiko įsisavinti vieną prieš gaunant kitą. Švietimo turinys laimi derinant <emphasis> pagrindiniams terminams su <slow> sunkesnėms vietoms – lygiai taip, kaip treneris elgtųsi priešais klasę. Garso rinkodaroje naudojamas <build-intensity> momentumui kurti ir <loud> kvietimui veikti. O vaizdo žaidimų personažams derinant <whisper>, <lower-pitch> ir [laugh], identiškos dialogo eilutės įgauna visiškai skirtingas asmenybes.
Dar vienas praktinis patarimas: derink savo žymėjimą naudodamas individualius HTTP užklausas, kurias lengva kartoti ir taisyti, o tada patikrink, kaip patvirtintas tekstas skamba tavo srautinio perdavimo (streaming) sistemoje. xAI taip pat rekomenduoja apgaubti ištisus sakinius, o ne atskirus žodžius, bei derinti žymas su interpunkcija užuot jas kaupus vieną ant kitos.
Svarbiausi punktai
- Įterptinės
[tag]žymos įterpia vienkartinį efektą (pauzės, juokas, atodūsiai) - Apgaubiančios
<tag>tekstas</tag>žymos keičia fragmento stilių (garsumas, greitis, tonas) - Žymas galima derinti kuriant turtingą, išraiškingą naraciją
- xAI skelbia 14 įterptinių ir 12 apgaubiančių žymų: laikykis šio sąrašo