Etiquetas expressivas inline
Nesta página
Atualizado a 3 de novembro de 2026, com base na página Text to Speech da xAI e na referência da API de Voz: as catorze etiquetas inline oficiais, distribuídas pelas quatro famílias da xAI (pausas, risos e choro, sons bucais, respiração). As etiquetas são faturadas tal como o restante do texto. Fontes: Text to Speech · Voice API.
Adicione emoção e realismo à fala
As etiquetas inline são marcadores que insere diretamente no seu texto para desencadear uma expressão vocal pontual: uma pausa, uma risada, um som bucal, uma respiração. A xAI publica catorze delas, divididas em quatro famílias. Estas tornam a síntese de fala muito mais natural e expressiva.
Sintaxe das etiquetas inline
Escreve as etiquetas inline entre parênteses retos, [tag], e insere-as diretamente no texto, exatamente onde deseja que o efeito ocorra:
Olá! [pause] Como está hoje?
Durante a síntese, a etiqueta é substituída pelo efeito sonoro correspondente. O texto circundante é lido normalmente.
Pausas
As pausas conferem estrutura e um ritmo natural à fala:
[pause]: uma pausa curta[long-pause]: uma pausa mais longa, para mudar de tópico ou deixar uma ideia assentar[hum-tune]: assobiar uma melodia, que a xAI classifica na mesma família
Primeira ideia. [pause] Segunda ideia. [long-pause] Agora vamos passar ao próximo tópico.
Entretanto [hum-tune] vejamos o que aprendemos.
As pausas são especialmente úteis entre as secções de um texto longo ou para dar tempo aos ouvintes de assimilarem uma informação importante.
Risos e choro
Estas etiquetas adicionam reações emocionais no meio da fala:
[laugh]: uma gargalhada[chuckle]: uma risada contida[giggle]: um risinho[cry]: choro
Isso são ótimas notícias! [laugh] Estou tão feliz por si.
Funcionam especialmente bem em diálogos, podcasts e conteúdos narrativos, onde quebram a monotonia da síntese de fala clássica.
Sons bucais
[tsk]: um “tsk” de aborrecimento ou desaprovação[tongue-click]: um estalar de língua[lip-smack]: um estalar de lábios
[tsk] Outra reunião reagendada.
Respiração
As respirações fazem a fala soar mais humana:
[breath]: uma respiração[inhale]: uma inspiração[exhale]: uma expiração[sigh]: um suspiro
[breath] Bem-vindo a este novo capítulo.
E sim, mais uma reunião [sigh] mas esta será curta, prometo.
A etiqueta [breath] é subtil, mas ajuda em textos longos: sem respirações, uma leitura prolongada pode soar mecânica.
Posicione as etiquetas estrategicamente
A eficácia das etiquetas inline depende de onde as coloca. Eis as melhores práticas.
No início de uma frase
Coloque [breath] no início de um novo parágrafo ou secção para imitar alguém que começa naturalmente a falar:
[breath] Vamos agora passar à parte prática desta lição.
Entre duas frases
Use [pause] ou [long-pause] para criar uma pausa natural:
O primeiro ponto é importante. [long-pause] O segundo importa ainda mais.
Após uma informação chave
Uma [pause] após um dado importante dá tempo aos ouvintes para o assimilarem:
A receita cresceu 47%. [pause] Foi o nosso melhor trimestre de sempre.
Exemplo completo
Eis um texto que combina várias etiquetas para um resultado natural:
{
"text": "[breath] Olá a todos e bem-vindos a esta apresentação. [pause] Hoje, vamos falar sobre um tópico fascinante. [long-pause] Inteligência artificial que fala. [chuckle] Sim, é um pouco meta, eu sei. [pause] Mas vai ver, os resultados são impressionantes. [breath] Vamos começar pelo básico.",
"voice_id": "eve",
"language": "pt"
}
Pontos-chave
- Escreve as etiquetas inline entre parênteses retos,
[tag], dentro do texto [pause]e[long-pause]moldam o ritmo da fala[pause],[long-pause]e[hum-tune]constituem a família das pausas[laugh],[chuckle],[giggle]e[cry]adicionam emoção;[tsk],[tongue-click]e[lip-smack]adicionam sons bucais[breath],[inhale],[exhale]e[sigh]fazem a fala soar mais humana- Coloque as etiquetas onde uma pessoa faria naturalmente uma pausa ou reagiria
- As etiquetas contam para o limite de 60.000 carateres por pedido e são faturadas tal como o restante do texto