Języki i mowa wielojęzyczna
Na tej stronie
Zaktualizowano 3 listopada 2026 r. na podstawie strony xAI Text to Speech. Źródło: Text to Speech.
Dwadzieścia języków dla globalnej publiczności
Grok TTS obsługuje dwadzieścia języków, każdy z własnym, naturalnym akcentem i wymową. Praktyczny wniosek jest prosty: aplikacja audio przeznaczona dla międzynarodowych odbiorców nie musi już korzystać z kilku dostawców mowy, co wiązałoby się z nierówną jakością i osobnymi umowami. Jedna integracja, jeden format żądania i przełączasz się z angielskiego na japoński, zmieniając pojedynczy parametr.
Ten zakres obsługi wpływa również na sposób projektowania produktów. Platforma e-learningowa, która publikowała swoje moduły audio wyłącznie w języku angielskim, może teraz zaoferować je w dziesięciu językach bez konieczności ponownego nagrywania głosu lektora lub renegocjowania praw do głosu.
Obsługiwane języki
| Kod BCP-47 | Język | Region |
|---|---|---|
en | Angielski | Międzynarodowy |
fr | Francuski | Francja |
de | Niemiecki | Niemcy |
es-ES | Hiszpański | Hiszpania |
es-MX | Hiszpański | Meksyk |
pt-BR | Portugalski | Brazylia |
pt-PT | Portugalski | Portugalia |
it | Włoski | Włochy |
ja | Japoński | Japonia |
ko | Koreański | Korea Południowa |
zh | Chiński | Chiny |
hi | Hindi | Indie |
ar-EG / ar-SA / ar-AE | Arabski | Egipt / Arabia Saudyjska / ZEA |
ru | Rosyjski | Rosja |
tr | Turecki | Turcja |
id | Indonezyjski | Indonezja |
vi | Wietnamski | Wietnam |
bn | Bengalski | Bangladesz / Indie |
Określ język każdego żądania
Parametr language jest wymagany: żadne żądanie TTS nie zostanie wysłane bez niego. Możesz podać jawny kod BCP-47 lub użyć wartości auto, co pozwala modelowi wywnioskować język na podstawie tekstu.
{
"text": "Hello, how are you today?",
"voice_id": "ara",
"language": "en"
}
Automatyczne wykrywanie pomaga, gdy nie znasz z góry języka użytkownika: formularz kontaktowy otwarty dla wszystkich, strumień komentarzy, międzynarodowy chatbot. To jednak nadal wnioskowanie, a ono bywa błędne. Przy zdaniu złożonym z trzech słów lub tekście mieszającym dwa języki już w pierwszej linii, model może wybrać niewłaściwy profil fonetyczny i odczytać tekst francuski z angielskim akcentem. Kiedy znasz język, zawsze go określaj: wynik będzie bardziej niezawodny.
Obce słowa w zdaniu
Tekst w języku angielskim przesypany kilkoma obcymi terminami nadal deklarujesz jako "en". Obecna dokumentacja xAI nie opisuje przełączania wymowy w trakcie zdania, dlatego odsłuchaj, jak brzmią Twoje obce lub techniczne terminy, i napraw problematyczne przypadki za pomocą tabeli replace.
{
"text": "Our team deploys to Kubernetes with kubectl.",
"voice_id": "rex",
"language": "en",
"replace": {"kubectl": "kube cuttle"}
}
Każdy klucz w obiekcie replace jest zamieniany na odpowiadającą mu wartość przed syntezą: zmienia się tylko dźwięk, natomiast tekst, który wysyłasz i za który płacisz, pozostaje Twój. Wartością może być zapis fonetyczny lub IPA (Międzynarodowy Alfabet Fonetyczny) ujęty w ukośniki, który model odczytuje bezpośrednio. xAI podaje dokładnie ten przypadek: terminy, których wymowa wynika z użycia, a nie pisowni, takie jak nginx czy kubectl. Tabela akceptuje do 200 wpisów, z kluczami o długości maksymalnie 100 znaków, bez interpunkcji ani symboli.
Warianty regionalne
Hiszpański, portugalski i arabski występują w kilku wariantach, a wybór nie jest kwestią kosmetyczną: wpływa na wymowę, intonację i niektóre słownictwo. Wybierając między es-ES a es-MX, decydujesz odpowiednio między intonacją i słownictwem kastylijskim a meksykańskim. Różnica w wymowie między pt-BR a pt-PT jest oczywista dla każdego native speakera. W przypadku arabskiego, ar-EG, ar-SA i ar-AE odpowiadają odpowiednio wariantom egipskiemu, saudyjskiemu i emirackiemu.
Zawsze wybieraj wariant, którym posługuje się Twoja grupa docelowa. Samouczek dla rynku meksykańskiego narracyjny w hiszpańskim w wariancie kastylijskim wywoła taki sam efekt jak amerykańska reklama z lektorem brytyjskim: ludzie będą słuchać, ale zauważą, że materiał nie został stworzony z myślą o nich.
Nawyki, które zapobiegają przykrym niespodziankom
Używaj jednego kodu języka na żądanie: głównego języka tekstu. Tekst w języku angielskim z kilkoma obcymi terminami deklarujesz jako "en", a uparte słowa poprawiasz za pomocą replace, zamiast dzielić tekst na fragmenty w różnych językach.
Następnie przetestuj każdy język przed udostępnieniem go użytkownikom, używając zdań reprezentujących Twoją rzeczywistą zawartość, a nie pojedynczego „cześć“. Jakość różni się w zależności od języka i lepiej wykryć problem z tempem podczas testów niż w środowisku produkcyjnym.
Na koniec miej oko na nazwy własne. Polskie nazwisko w tekście angielskim, japońska marka w tekście hiszpańskim: silnik stosuje zasady zadeklarowanego języka i może odczytać je tylko w przybliżeniu. Gdy wymowa ma znaczenie, np. w przypadku imienia klienta w wiadomości powitalnej, dodaj je do tabeli replace wraz z zapisem fonetycznym i sprawdź wynik na słuch.
Kluczowe wnioski
- Obsługiwanych jest dwadzieścia języków, z wariantami regionalnymi dla hiszpańskiego, portugalskiego i arabskiego
- Parametr
languagejest wymagany; opcją automatycznego wykrywania jest wartośćauto - Tabela
replace(zapis fonetyczny lub IPA) poprawia wymowę obcych słów i nazw własnych bez zmiany tekstu podlegającego rozliczeniu - Zawsze używaj wariantu regionalnego dopasowanego do grupy docelowej