Valodas un daudzvalodu runa
Šajā lapā
Atjaunināts 2026. gada 3. novembrī, pamatojoties uz xAI Text to Speech lapu. Avots: Text to Speech.
Divdesmit valodas globālai auditorijai
Grok TTS atbalsta divdesmit valodas, katrai no tām piemīt savs dabiskais akcents un izruna. Praktiskais ieguvums ir vienkāršs: audio lietotnei, kas paredzēta starptautiskai auditorijai, vairs nav jāizmanto vairāki runas nodrošinātāji ar to nevienmērīgo kvalitāti un atsevišķajiem līgumiem. Viena integrācija, viens pieprasījuma formāts, un tu vari pāriet no angļu uz japāņu valodu, mainot tikai vienu parametru.
Šis pārklājums ietekmē arī to, kā tu veido produktus. E-mācību platforma, kas savus audio moduļus publicēja tikai angļu valodā, tagad var tos piedāvāt desmit valodās, nepāerunājot nevienu balss aktieri un atkārtoti nevienojoties par balss tiesībām.
Atbalstītās valodas
| BCP-47 kods | Valoda | Reģions |
|---|---|---|
en | Angļu | Starptautiska |
fr | Franču | Francija |
de | Vācu | Vācija |
es-ES | Spāņu | Spānija |
es-MX | Spāņu | Meksika |
pt-BR | Portugāļu | Brazīlija |
pt-PT | Portugāļu | Portugāle |
it | Itāļu | Itālija |
ja | Japāņu | Japāna |
ko | Korejiešu | Dienvidkoreja |
zh | Ķīniešu | Ķīna |
hi | Hindi | Indija |
ar-EG / ar-SA / ar-AE | Arābu | Ēģipte / Saūda Arābija / AAE |
ru | Krievu | Krievija |
tr | Turku | Turcija |
id | Indonēziešu | Indonēzija |
vi | Vjetnamiešu | Vjetnama |
bn | Bengāļu | Bangladeša / Indija |
Norādi katras pieprasījuma valodu
Parametrs language ir obligāts: neviens TTS pieprasījums netiek nosūtīts bez tā. Vari norādīt konkrētu BCP-47 kodu vai izmantot vērtību auto, kas ļauj modelim noteikt valodu, balstoties uz tekstu.
{
"text": "Hello, how are you today?",
"voice_id": "ara",
"language": "en"
}
Automātiskā noteikšana palīdz, ja iepriekš nezini lietotāja valodu: kontaktforma, kas atvērta ikvienam, komentāru plūsma vai starptautisks čatbots. Tomēr tā joprojām ir secinājuma darbība, un secinājumi var kļūdīties. Trīs vārdu teikumā vai tekstā, kas jau no pirmās rindas sajauc divas valodas, modelis var izvēlēties nepareizu fonētisko profilu un nolasīt franču tekstu ar angļu akcentu. Kad zini valodu, norādi to: rezultāts būs uzticamāks.
Ārzemju vārdi teikumā
Angļu teksts, kas papildināts ar dažiem svešvalodas terminiem, joprojām tiek deklarēts kā "en". Pašreizējā xAI dokumentācijā nav aprakstīta izrunas maiņa teikuma vidū, tāpēc noklausies, kā izskan tavi svešvalodas vai tehniskie termini, un problēmiskos gadījumus labo, izmantojot replace tabulu.
{
"text": "Our team deploys to Kubernetes with kubectl.",
"voice_id": "rex",
"language": "en",
"replace": {"kubectl": "kube cuttle"}
}
Katrs replace atslēgas vārds tiek aizstāts ar tā vērtību pirms sintēzes: mainās tikai audio, bet teksts, ko nosūti un par ko maksā, paliek nemainīgs. Vērtība var būt fonētisks pārrakstījums vai IPA (Starptautiskais fonētiskais alfabēts), kas rakstīts starp slīpsvītrām un ko modelis nolasa tieši. xAI min tieši šo gadījumu: terminus, kuru izruna balstās uz lietojumu, nevis uz rakstību, piemēram, nginx vai kubectl. Tabula pieņem līdz 200 ierakstiem, kur atslēgas garums nepārsniedz 100 rakstzīmes, un tajās nav interpunkcijas zīmju vai simbolu.
Reģionālie varianti
Spāņu, portugāļu un arābu valodai ir vairāki varianti, un šī izvēle nav tikai kosmētiska: tā ietekmē izrunu, intonāciju un daļu vārdu krājuma. Izvēloties starp es-ES un es-MX, tu izvēlies starp kastīliešu intonāciju un vārdu krājumu vienā pusē un meksikāņu – otrā. Starp pt-BR un pt-PT izrunas atšķirība ir acīmredzama jebkuram dzimtās valodas runātājam. Arābu valodai ar-EG, ar-SA un ar-AE atbilst Ēģiptes, Saūda Arābijas un Apvienoto Arābu Emirātu variantiem.
Vienmēr izvēlies variantu, ko runā tava auditorija. Mācību materiāls Meksikas tirgum, kas ierunāts kastīliešu spāņu valodā, rada tādu pašu efektu kā amerikāņu reklāma ar britu akcentu: cilvēši klausīsies, bet pamanīs, ka tas nav radīts, domājot par viņiem.
Ieradumi, kas novērš nepatīkamus pārsteigumus
Katrā pieprasījumā izmanto vienu valodas kodu: teksta pamatvalodu. Angļu teksts ar dažiem svešvalodas terminiem tiek deklarēts kā "en", un spītīgos vārdus labo ar replace, nevis sadalot tekstu dažādu valodu fragmentos.
Pirms laidi produktu lietotāju rokās, pārbaudi katru valodu, izmantojot teikumus, kas atspoguļo tavu reālo saturu, nevis tikai vienu „sveiki”. Kvalitāte dažādās valodās atšķiras, un labāk ir pamanīt tempa problēmas testēšanas laikā, nevis darbībā.
Visbeidzot, pievērs uzmanību īpašvārdiem. Poļu uzvārds angļu tekstā vai japāņu zīmols spāņu tekstā: dzinējs piemēro deklarētās valodas noteikumus un var tos nolasīt tikai aptuveni. Kad izrunai ir nozīme, piemēram, klienta vārds sveiciena ziņojumā, pievieno to replace tabulai ar fonētisko rakstību un pārbaudi rezultātu, klausoties.
Galvenās atziņas
- Tiek atbalstītas divdesmit valodas, tostarp reģionālie varianti spāņu, portugāļu un arābu valodai
- Parametrs
languageir obligāts, arautokā automātiskās noteikšanas opciju replacetabula (fonētisks pārrakstījums vai IPA) labo svešvārdu un īpašvārdu izrunu, nemainot apmaksājamo tekstu- Vienmēr izmanto reģionālo variantu, kas atbilst tavai mērķauditorijai