Prosodie en spreektempo regelen
Op deze pagina
Bijgewerkt op 2 november 2026 — Audiomodellen. Verschillende modellen in deze cursus zijn verouderd:
tts-1,tts-1-hdengpt-4o-mini-ttsstoppen op 6 januari 2027 (opvolger:gpt-realtime-2.1-mini, waarvan de OpenAI TTS-gids aangeeft dat deze niet wordt ondersteund door/v1/audio/speech: migratie van stemsynthese gaat naar de Realtime API);gpt-realtime,gpt-4o-realtimeen legacy audiomodellen op 20 januari 2027 (gpt-realtime-2.1,gpt-realtime-2.1-mini,gpt-audio-1.5);whisper-1,gpt-4o-transcribeen/v1/audio/translationsop 26 februari 2027 (gpt-transcribe,gpt-live-transcribe,v1/realtime/translations). Voor full-duplex spraak is GPT-Live 1 beschikbaar in de API sinds 10 september 2026. Les voltooid op 3 november 2026: eerder ontbraken spraakinstructies voorgpt-4o-mini-tts(instructions), de meest directe hefboom voor intonatie, toon en spreektempo, zoals de documentatie beschrijft en wattts-1niet accepteert. Bron: Text to speech.
Prosodie en spreektempo regelen
Prosodie—intonatie, ritme, klemtoon en pauzes—maakt het verschil tussen een robotachtige synthetische stem en een natuurlijke. De TTS-API van OpenAI ondersteunt geen SSML, maar biedt twee directe hefbomen: de parameter instructions voor gpt-4o-mini-tts en de parameter speed, aangevuld met technieken voor tekstopmaak.
Spraakinstructies voor gpt-4o-mini-tts
Met gpt-4o-mini-tts beschrijft u in natuurlijke taal hoe er gesproken moet worden via de parameter instructions. De documentatie somt op wat deze instructies sturen: accent, emotioneel bereik, intonatie, imitaties, spreektempo, toon en fluisteren.
from openai import OpenAI
client = OpenAI()
with client.audio.speech.with_streaming_response.create(
model="gpt-4o-mini-tts",
voice="marin",
input="Your appointment is confirmed for tomorrow at two PM.",
instructions=(
"Calm and reassuring voice of a medical receptionist. Measured pace, "
"short pause before the time, falling intonation at the end of the sentence."
),
) as response:
response.stream_to_file("appointment.mp3")
Houd de te spreken tekst in input en de stijl van voordracht in instructions. Meng ze niet, anders riskeert u dat de instructie zelf hardop wordt uitgesproken. Deze instructies werken niet met tts-1 of tts-1-hd; bij die modellen beïnvloeden alleen speed en tekstopmaak, hieronder besproken, de uitvoer. Aangezien alle drie de modellen op 6 januari 2027 uitfaseren, volgt migratie naar de Realtime API (Les 10) hetzelfde principe: tooninstructies verhuizen naar sessie- of responsinstructies.
Spreektempo regelen met de parameter Speed
De TTS-API biedt een parameter speed om het spreektempo aan te passen:
from openai import OpenAI
client = OpenAI()
# Normaal tempo (1.0)
response_normal = client.audio.speech.create(
model="tts-1",
voice="nova",
input="Your appointment is confirmed for tomorrow at two PM.",
speed=1.0
)
# Langzamer (0.75) — voor complexe instructies
response_slow = client.audio.speech.create(
model="tts-1",
voice="nova",
input="Your appointment is confirmed for tomorrow at two PM.",
speed=0.75
)
# Sneller (1.25) — voor korte meldingen
response_fast = client.audio.speech.create(
model="tts-1",
voice="nova",
input="Your appointment is confirmed for tomorrow at two PM.",
speed=1.25
)
| Speed | Range | Use Case |
|---|---|---|
| Slow | 0.25 — 0.75 | Complex instructions, accessibility, elderly users |
| Normal | 0.9 — 1.1 | Conversations, training, narration |
| Fast | 1.25 — 2.0 | Notifications, confirmations, summaries |
Technieken voor tekstopmaak
De primaire hefboom voor het sturen van prosodie is het opmaken van de invoertekst. Het TTS-model interpreteert leestekens en structuur om tempo en intonatie aan te passen.
Pauzes
# Korte pauze: komma
text_comma = "First step, check your configuration."
# Middelmatige pauze: puntkomma of gedachtestreep
text_semi = "First step — check your configuration."
# Lange pauze: punt of ellips
text_dots = "First step. Check your configuration."
text_ellipsis = "First step... check your configuration."
# Zeer lange pauze: aparte alinea
text_para = "First step.\n\nCheck your configuration."
Nadruk en intonatie
# Vraag (stijgende intonatie)
text_question = "Would you like to confirm this reservation?"
# Uitroep (natuurlijke nadruk)
text_exclaim = "Congratulations! Your registration is confirmed!"
# Nadruk via hoofdletters
text_caps = "It is VERY important not to skip this step."
# Lijst met ritme (het model markeert elk item natuurlijk)
text_list = "You will need: one, your username. Two, your password. Three, your confirmation code."
Tekst aanpassen voor spraakcontext
Tekst geschreven om te lezen en tekst geschreven om uit te spreken verschillen sterk. Voor een voice-agent formatteert u inhoud systematisch opnieuw:
def format_for_speech(text: str) -> str:
"""Past geschreven tekst aan voor natuurlijke spraakweergave."""
import re
# Schrijf veelgebruikte afkortingen uit
abbreviations = {
"API": "A P I",
"URL": "U R L",
"PDF": "P D F",
"SMS": "S M S",
}
for abbr, spelled in abbreviations.items():
text = text.replace(abbr, spelled)
# Schrijf kleine getallen als woorden
number_words = {
"1": "one", "2": "two", "3": "three", "4": "four",
"5": "five", "6": "six", "7": "seven", "8": "eight",
"9": "nine", "10": "ten"
}
for digit, word in number_words.items():
text = re.sub(rf'\b{digit}\b', word, text)
# Schrijf tijden in gesproken formaat
text = re.sub(r'(\d{1,2})h(\d{2})', r'\1 hours \2', text)
text = re.sub(r'(\d{1,2})h\b', r'\1 hours', text)
return text
original = "Your appt is at 14h30. Send 1 SMS to confirm."
formatted = format_for_speech(original)
# → "Your appt is at 14 hours 30. Send one S M S to confirm."
Adaptief tempo op basis van inhoud
Een intelligente voice-agent past het spreektempo aan het type inhoud aan:
def adaptive_speed(content_type: str, user_preference: float = 1.0) -> float:
"""Berekent optimale snelheid op basis van inhoudstype."""
base_speeds = {
"greeting": 1.0,
"instructions": 0.85,
"confirmation": 1.1,
"error_message": 0.9,
"phone_number": 0.7,
"address": 0.75,
"summary": 1.15,
"farewell": 1.0,
}
base = base_speeds.get(content_type, 1.0)
# Aanpassen met gebruikersvoorkeur (0.5 tot 1.5)
adjusted = base * user_preference
return max(0.25, min(4.0, adjusted)) # Begrenzen tot API-limieten
# Gebruik
speed = adaptive_speed("phone_number", user_preference=0.9)
# → 0.63 (langzaam voor het dicteren van een nummer)
Audio-nabewerking
Voor nog fijnere regeling verwerkt u de audio na het genereren:
from pydub import AudioSegment
def post_process_speech(audio_bytes: bytes, adjustments: dict) -> bytes:
"""Audio-nabewerking voor fijne aanpassingen."""
import io
audio = AudioSegment.from_mp3(io.BytesIO(audio_bytes))
# Volume aanpassen
if "volume_db" in adjustments:
audio = audio + adjustments["volume_db"]
# Fade-in/fade-out toevoegen
if adjustments.get("fade_in_ms"):
audio = audio.fade_in(adjustments["fade_in_ms"])
if adjustments.get("fade_out_ms"):
audio = audio.fade_out(adjustments["fade_out_ms"])
# Stilte aan het begin toevoegen (pre-roll)
if adjustments.get("pre_silence_ms"):
silence = AudioSegment.silent(duration=adjustments["pre_silence_ms"])
audio = silence + audio
buffer = io.BytesIO()
audio.export(buffer, format="mp3")
return buffer.getvalue()
Belangrijkste punten
- Bij
gpt-4o-mini-ttsbeschrijftinstructionshoe er gesproken moet worden (toon, intonatie, tempo, accent);tts-1entts-1-hdaccepteren deze parameter niet - De parameter
speed(0,25 tot 4,0) regelt het algehele spreektempo - Leestekens zijn de primaire hefboom voor pauzes: komma (kort), punt (lang), ellips (dramatisch)
- Pas tekst aan voor spraakcontext: schrijf afkortingen uit, getallen als woorden, herformuleer tijden
- Varieer tempo per inhoud: langzaam voor nummers en adressen, snel voor bevestigingen
- Audio-nabewerking (volume, fades, stilte) verfijnt de uiteindelijke uitvoer