Etiquetas de envolvimento
Nesta página
Atualizado em 3 de novembro de 2026, com base na página Text to Speech da xAI: as doze etiquetas de envolvimento oficiais, distribuídas pelas três famílias da xAI. Fonte: Text to Speech.
Alterar o estilo de fala de um trecho de texto
Ao contrário das etiquetas inline, que produzem um efeito pontual, as etiquetas de envolvimento alteram a forma como todo um trecho de texto é falado. Utilizam uma sintaxe XML com uma etiqueta de abertura e uma de fecho.
Sintaxe das etiquetas de envolvimento
As etiquetas de envolvimento rodeiam o texto que deseja alterar com <tag> e </tag>:
Here's some normal text, then <whisper>a whispered passage</whisper>, then back to normal.
O texto dentro das etiquetas é falado no estilo que especificar. O restante do texto mantém a sua prosódia normal.
Volume e intensidade
Estas etiquetas controlam a intensidade da fala:
<soft>: uma voz suave e íntima, como se estivesse a falar com alguém próximo<whisper>: um sussurro, como um segredo partilhado<loud>: uma voz alta, como se estivesse a projetar a voz numa sala grande<build-intensity>: intensidade que aumenta ao longo da passagem<decrease-intensity>: intensidade que diminui ao longo da passagem
<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>
O contraste entre <soft> e <loud> é muito eficaz para efeitos dramáticos ou para sublinhar pontos importantes.
Tom e velocidade
Estas etiquetas alteram o tom da voz e o seu ritmo:
<higher-pitch>: uma voz mais aguda, que pode sugerir surpresa ou entusiasmo<lower-pitch>: uma voz mais grave, que sugere autoridade ou seriedade<fast>: fala mais rápida, útil para avisos legais ou informações secundárias<slow>: fala mais lenta, ideal para instruções importantes ou ditado
<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>
Para definir a velocidade de todo um texto em vez de apenas uma passagem, utilize o parâmetro speed do pedido (lição 2).
Estilo vocal
<sing-song>: uma entrega ondulante e melódica<singing>: um estilo de canto, para jingles ou melodias<emphasis>: ênfase, para destacar uma palavra ou uma frase
<singing>Happy birthday!</singing>
<emphasis>This is absolutely essential.</emphasis>
A xAI recomenda envolver frases completas em vez de palavras isoladas: <whisper>It's a secret.</whisper> soa mais natural do que uma única palavra sussurrada.
Regras de aninhamento
Pode combinar etiquetas de envolvimento, mas certifique-se de que as aninha corretamente:
<soft><slow>Listen carefully to this passage.</slow></soft>
O aninhamento deve seguir a ordem LIFO (último a entrar, primeiro a sair), tal como em HTML. Evite sobreposições inválidas:
<!-- Correct -->
<soft><slow>text</slow></soft>
<!-- Incorrect: overlap -->
<soft><slow>text</soft></slow>
Exemplos práticos por caso de uso
Narração de podcast
[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>
Saudação telefónica
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>
Conteúdo educativo
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.
Pontos-chave
- As etiquetas de envolvimento utilizam a sintaxe
<tag>texto</tag> - A xAI publica doze etiquetas: volume e intensidade (
<soft>,<whisper>,<loud>,<build-intensity>,<decrease-intensity>), tom e velocidade (<higher-pitch>,<lower-pitch>,<slow>,<fast>) e estilo vocal (<sing-song>,<singing>,<emphasis>) - Envolva frases completas em vez de palavras isoladas
- O aninhamento é possível, mas deve seguir a ordem LIFO
- Combine etiquetas inline e de envolvimento para obter um resultado expressivo