Ga naar hoofdinhoud
Nederlands— Kies een taal
Menu

Prosodie en spreektempo regelen

Les 13 van 18 Bijgewerkt op 3 november 2026 Ontwikkelaar
Op deze pagina
  1. Prosodie en spreektempo regelen
  2. Spraakinstructies voor gpt-4o-mini-tts
  3. Spreektempo regelen met de parameter Speed
  4. Technieken voor tekstopmaak
  5. Tekst aanpassen voor spraakcontext
  6. Adaptief tempo op basis van inhoud
  7. Audio-nabewerking
  8. Belangrijkste punten

Bijgewerkt op 2 november 2026 — Audiomodellen. Verschillende modellen in deze cursus zijn verouderd: tts-1, tts-1-hd en gpt-4o-mini-tts stoppen 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-realtime en legacy audiomodellen op 20 januari 2027 (gpt-realtime-2.1, gpt-realtime-2.1-mini, gpt-audio-1.5); whisper-1, gpt-4o-transcribe en /v1/audio/translations op 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 voor gpt-4o-mini-tts (instructions), de meest directe hefboom voor intonatie, toon en spreektempo, zoals de documentatie beschrijft en wat tts-1 niet 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-tts beschrijft instructions hoe er gesproken moet worden (toon, intonatie, tempo, accent); tts-1 en tts-1-hd accepteren 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