Izteiksmīgi tagi un runas kontrole
Šajā lapā
Atjaunināts 2026. gada 3. novembrī, pamatojoties uz xAI Text to Speech lapu un Voice API atsauces dokumentāciju. Zemāk esošie tagi atbilst oficiālajam sarakstam: 14 iekļautie (inline) tagi un 12 aptverošie (wrapping) tagi. Avoti: Text to Speech · Voice API.
Vairāk nekā tikai plakana lasīšana
Ja ļauj runas dzinējam strādāt pašam, tas visu nolasa vienādā tonī, ieskaitot stāsta kulmināciju vai svarīgo brīdinājumu lietotāja rokasgrāmatas vidū. Grok TTS ļauj tev atgūt kontroli, izmantojot runas tagus, kas veido tempu, skaļumu, toni un stilu, un pat var ievietot smieklus, nopūtas vai ieelpas. Pastāv divi atšķirīgi mehānismi, un to sajaukšana ir galvenais viltus rezultātu cēlonis: iekļautie tagi izraisa vienreizēju efektu, savukārt aptverošie tagi maina to, kā tiek lasīts viss teksta fragments.
Iekļautie tagi: viens efekts, viena vieta
Tu tos raksti kvadrātiekavās, un tie darbojas tieši tur, kur tos novieto, nemainot sekojošo tekstu.
| Kategorija | Tagi |
|---|---|
| Pauzes | [pause] īsa · [long-pause] gara · [hum-tune] dungošana |
| Smiekli un raudāšana | [laugh] skaļi smiekli · [chuckle] klusi smiekli · [giggle] hihināšana · [cry] raudāšana |
| Mutes skaņas | [tsk] neapstiprinājums · [tongue-click] mēles klikšķis · [lip-smack] lūpu šmaukstināšana |
| Elpošana | [breath] elpa · [inhale] ieelpa · [exhale] izelpa · [sigh] nopūta |
Pauzes ir ikdienā visnoderīgākās, jo tās pievieno runāto interpunkciju, kas rakstītajam tekstam trūkst. Salīdzini instrukciju, kas norunāta vienā vilcienā, ar to pašu instrukciju, kurai dots laiks „ieelpot”:
Welcome to our platform. [pause] Today, we'll explore the main features. [long-pause] Let's start with signing up.
Savukārt vokālajām izteiksmēm nepieciešama viegla pieskāriena pieeja. Viens labi novietots [laugh] padara teikumu draudzīgu; trīs tādi vienā rindkopā liks tev izklausīties pēc nervoza vadītāja.
That's a great question! [laugh] The answer might surprise you. [pause]
Aptverošie tagi: viens stils, viens teksta fragments
Šie tagi ietver tekstu, ko tie modificē, formātā <tag>teksts</tag>, un to efekts ilgst tieši tik ilgi, cik aptvertais fragments.
| Kategorija | Tagi |
|---|---|
| Skaļums un intensitāte | <soft> klusāk · <whisper> čuksts · <loud> skaļāk · <build-intensity> pakāpeniski pieaug · <decrease-intensity> pakāpeniski rimst |
| Tonis un ātrums | <higher-pitch> augstāks · <lower-pitch> zemāks · <slow> lēnāka runa · <fast> ātrāka runa |
| Vokālais stils | <sing-song> dziedājošs tonis · <singing> dziedāšana · <emphasis> uzsvars |
Skaļuma kontrasts ļauj informāciju hierarhizēt, nepievienojot ne vārda: tas, kas teikts klusi, skan kā noslēpums, bet tas, kas teikts skaļi, – kā brīdinājums.
Listen carefully: <soft>this is a secret</soft>. But <loud>this is important!</loud>
Ātrums dara to pašu attiecībā uz uzmanību. Paātrinājums liek domāt par steigu vai starpteikumu; palēninājums signalizē, ka teikums ir vērts atcerēties. Tas ir vērtīgs ieradums apmācību modulī, kur tu vienmēr palēnini tempu pie jauna termina definīcijas.
Now I'm going to <fast>talk really fast to show urgency</fast> and then <slow>slow down to stress this point</slow>.
Čukstēšana rada tūlītēju līdzjūtību, ja vien tā paliek izņēmums rindkopā.
<whisper>Don't tell anyone</whisper>, but the new version comes out tomorrow!
Abu veidu kombinēšana
Nekas neliedz tev jaukt abas tagu ģimenes vienā tekstā, un tieši tad sintēze sāk skanēt kā priekšnesums. Zemāk esošajā fragmentā secīgi apvienotas ieelpa, pauzes, klusāks fragments, palēninājums, čuksts, smiekli un skaļuma palielināšanās:
[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>
Izlasi šo piemēru skaļi, sekojot norādēm, un tu dzirdēsi, ka tagu blīvums jau ir uz saprātīguma robežas. Visas grāmatas garumā tik daudz tagu būtu nogurdinoši. Likumsakarība ir vienkārša: atzīmē ar tagiem tikai tos mirkļus, kas nes nodomu, un ļauj pārējam „ieelpot”.
Kur šie tagi patiešām rada atšķirību
Grāmatu lasījumā tieši pauzes, čuksti un tempa maiņas notur klausītāju modru stundu ilgā klausīšanās laikā. Balss asistentam vienkārša [pause] starp diviem informācijas gabaliem dod lietotājam laiku uztvert vienu pirms nākamā. Izglītojošs saturs gūst labumu, apvienojot <emphasis> uz atslēgvārdiem ar <slow> sarežģītos fragmentos, tieši tā, kā to darītu pasniedzējs auditorijas priekšā. Audio mārketingā izmanto <build-intensity>, lai radītu dinamiku, un uz aicinājumu rīkoties. Savukārt video spēļu tēliem, kombinējot, un[laugh]`, identiskām dialoga rindām var piešķirt ļoti atšķirīgas personības.
Vēl viens praktisks punkts: precizē savu tagu lietojumu, izmantojot individuālus HTTP pieprasījumus, kurus ir viegli atkārtot un labot, un pēc tam pārbaudi, kā apstiprinātais teksts skan tavā straumēšanas cauruļvadā. xAI arī iesaka aptvert veselus teikumus, nevis atsevišķus vārdus, un sapārot tagus ar interpunkcijas zīmēm, nevis sakraut tos vienu uz otra.
Galvenās atziņas
- Iekļautie
[tag]tagi ievieto vienreizējus efektus (pauzes, smieklus, nopūtas) - Aptverošie
<tag>teksts</tag>tagi maina fragmenta stilu (skaļumu, ātrumu, toni) - Tu vari kombinēt tagus, lai radītu bagātīgu, izteiksmīgu lasījumu
- xAI publicē 14 iekļautos tagus un 12 aptverošos tagus: pieturies pie šī saraksta