Przejdź do głównej treści
Polski— Wybierz język
Menu

Tagi obejmujące

Lekcja 6 z 14 Zaktualizowano 3 listopada 2026 Programista
Na tej stronie
  1. Zmiana stylu mówienia fragmentu tekstu
  2. Składnia tagów obejmujących
  3. Głośność i natężenie
  4. Wysokość tonu i tempo
  5. Styl wokalny
  6. Zasady zagnieżdżania
  7. Praktyczne przykłady według przypadków użycia
  8. Kluczowe wnioski

Zaktualizowano 3 listopada 2026 r. na podstawie strony Text to Speech od xAI: dwanaście oficjalnych tagów obejmujących w trzech rodzinach xAI. Źródło: Text to Speech.

Zmiana stylu mówienia fragmentu tekstu

W przeciwieństwie do tagów inline, które wywołują jednorazowy efekt, tagi obejmujące zmieniają sposób wymawiania całego fragmentu tekstu. Wykorzystują one składnię XML z tagiem otwierającym i zamykającym.

Składnia tagów obejmujących

Tagi obejmujące otaczają tekst, który chcesz zmodyfikować, za pomocą <tag> i </tag>:

Here's some normal text, then <whisper>a whispered passage</whisper>, then back to normal.

Tekst znajdujący się wewnątrz tagów jest wypowiadany w określonym przez Ciebie stylu. Pozostała część tekstu zachowuje swoją normalną prozodię.

Głośność i natężenie

Te tagi kontrolują natężenie mowy:

  • <soft>: cichy, intymny głos, jakbyś rozmawiał z kimś bliskim
  • <whisper>: szept, jak przy zdradzaniu sekretu
  • <loud>: głośny głos, jakbyś projektował go na dużą salę
  • <build-intensity>: natężenie rosnące w trakcie fragmentu
  • <decrease-intensity>: natężenie malejące w trakcie fragmentu
<soft>I'm going to tell you a secret.</soft> [pause] <loud>Here it is!</loud>
<build-intensity>Three, two, one… let's go!</build-intensity>

Kontrast między <soft> a <loud> jest bardzo skuteczny w przypadku efektów dramatycznych lub podkreślania ważnych punktów.

Wysokość tonu i tempo

Te tagi zmieniają wysokość głosu oraz jego tempo:

  • <higher-pitch>: wyższy głos, który może sugerować zdziwienie lub podekscytowanie
  • <lower-pitch>: niższy głos, sugerujący autorytet lub powagę
  • <fast>: szybsza mowa, przydatna w przypadku zastrzeżeń prawnych lub informacji drugorzędnych
  • <slow>: wolniejsza mowa, idealna do ważnych instrukcji lub dyktanda
<higher-pitch>Really? That's amazing!</higher-pitch>
Here's the main point. <fast>Terms and conditions are available on our website.</fast>
<slow>Repeat after me: hello, how are you?</slow>

Aby ustawić tempo dla całego tekstu, a nie tylko fragmentu, użyj zamiast tego parametru speed w żądaniu (lekcja 2).

Styl wokalny

  • <sing-song>: śpiewna, melodyjna wymowa
  • <singing>: styl śpiewany, przeznaczony do dżingli lub melodii
  • <emphasis>: akcent, służący do wyróżnienia słowa lub frazy
<singing>Happy birthday!</singing>
<emphasis>This is absolutely essential.</emphasis>

xAI zaleca obejmowanie całych zdań, a nie pojedynczych słów: <whisper>It's a secret.</whisper> brzmi naturalniej niż pojedyncze wyszeptane słowo.

Zasady zagnieżdżania

Możesz łączyć tagi obejmujące, ale upewnij się, że zagnieżdżasz je poprawnie:

<soft><slow>Listen carefully to this passage.</slow></soft>

Zagnieżdżanie musi odbywać się w kolejności LIFO (ostatni otwarty, pierwszy zamknięty), tak jak w HTML. Unikaj nieprawidłowych nakładań:

<!-- Correct -->
<soft><slow>text</slow></soft>

<!-- Incorrect: overlap -->
<soft><slow>text</soft></slow>

Praktyczne przykłady według przypadków użycia

Narracja podcastu

[breath] <soft>Welcome to this episode.</soft> [pause]
Today, we're exploring a fascinating topic.
<emphasis>Generative artificial intelligence.</emphasis> [long-pause]
<slow>Take a moment to think about it.</slow>

Powitanie telefoniczne

Hello, and thank you for calling Corsen AI. [pause]
<slow>For sales, press 1.</slow> [pause]
<slow>For technical support, press 2.</slow> [pause]
<fast>This call may be recorded to help us improve our service.</fast>

Treści edukacyjne

Here's the key point to remember. [pause]
<emphasis><slow>The API returns audio bytes, not JSON.</slow></emphasis>
[long-pause] Make sure you handle the response as binary data.

Kluczowe wnioski

  • Tagi obejmujące używają składni <tag>tekst</tag>
  • xAI udostępnia ich dwanaście: głośność i natężenie (<soft>, <whisper>, <loud>, <build-intensity>, <decrease-intensity>), wysokość tonu i tempo (<higher-pitch>, <lower-pitch>, <slow>, <fast>) oraz styl wokalny (<sing-song>, <singing>, <emphasis>)
  • Obejmuj całe zdania, a nie pojedyncze słowa
  • Zagnieżdżanie jest możliwe, ale musi przestrzegać kolejności LIFO
  • Łącz tagi inline i obejmujące, aby uzyskać ekspresyjny rezultat