Etichete expresive și controlul vorbirii
Pe această pagină
Actualizat la 3 noiembrie 2026, pe baza paginii Text to Speech xAI și a referinței API Voice. Etichetele de mai jos respectă lista oficială: 14 etichete inline și 12 etichete de învelire. Surse: Text to Speech · Voice API.
Dincolo de o livrare monotonă
Lăsat în voia sa, un motor de sinteză vocală citește totul pe același ton, inclusiv gluma finală a unei povești sau avertismentul crucial din mijlocul unui ghid de utilizare. Grok TTS vă permite să preluați controlul prin etichete de vorbire, care modelează ritmul, volumul, înălțimea tonală și stilul, putând chiar insera râsete, suspine sau respirații. Există două mecanisme distincte, iar confundarea lor este prima cauză a rezultatelor dezamăgitoare: etichetele inline declanșează un efect unic, în timp ce etichetele de învelire modifică modul în care este citit un întreg pasaj.
Etichete inline: un efect, un singur loc
Le scrieți între paranteze drepte, iar ele acționează exact acolo unde le plasați, fără a modifica textul care urmează.
| Categorie | Etichete |
|---|---|
| Pauze | [pause] scurtă · [long-pause] lungă · [hum-tune] mormăit o melodie |
| Râsete și plâns | [laugh] râs zgomotos · [chuckle] chicotit discret · [giggle] râs înfundat · [cry] plâns |
| Sunete bucale | [tsk] dezaprobare · [tongue-click] clic din limbă · [lip-smack] pocnit din buze |
| Respirație | [breath] respirație · [inhale] inspirare · [exhale] expirare · [sigh] suspin |
Pauzele sunt de departe cele mai utile în activitatea zilnică, deoarece adaugă punctuația vorbită care lipsește textului scris. Comparați o instrucțiune înșirată dintr-o singură suflare cu aceeași instrucțiune căreia i se permite să „respire“:
Welcome to our platform. [pause] Today, we'll explore the main features. [long-pause] Let's start with signing up.
Expresiile vocale, pe de altă parte, necesită măsură. Un [laugh] bine plasat face o propoziție să sune prietenoasă; trei în același paragraf vă vor face să sunați ca un gazdă emotivă.
That's a great question! [laugh] The answer might surprise you. [pause]
Etichete de învelire: un stil, un segment de text
Aceste etichete încadrează textul pe care îl modifică, sub forma <tag>text</tag>, iar efectul lor durează exact cât pasajul încadrat.
| Categorie | Etichete |
|---|---|
| Volum și intensitate | <soft> mai încet · <whisper> șoptit · <loud> mai tare · <build-intensity> creștere graduală · <decrease-intensity> scădere graduală |
| Înălțime tonală și viteză | <higher-pitch> mai ascuțit · <lower-pitch> mai grav · <slow> livrare mai lentă · <fast> livrare mai rapidă |
| Stil vocal | <sing-song> ton cântat · <singing> cântat · <emphasis> accentuat |
Contrastul de volum vă permite să ierarhizați informațiile fără a adăuga niciun cuvânt: ceea ce este spus încet sună ca o confidență, iar ceea ce este spus tare ca o alertă.
Listen carefully: <soft>this is a secret</soft>. But <loud>this is important!</loud>
Viteza face același lucru pentru atenție. Accelerarea sugerează urgență sau o paranteză; încetinirea semnalează o propoziție demnă de reținut. Aceasta este o obișnuință valoroasă într-un modul de formare, unde încetiniți întotdeauna la definirea unui termen nou.
Now I'm going to <fast>talk really fast to show urgency</fast> and then <slow>slow down to stress this point</slow>.
Șoapta creează instantaneu complicitate, atâta timp cât rămâne excepția în paragraf.
<whisper>Don't tell anyone</whisper>, but the new version comes out tomorrow!
Combinarea ambelor tipuri
Nimic nu vă împiedică să amestecați cele două familii în același text, iar aici sinteza începe să sune ca o interpretare. Excerptul de mai jos înlănțuie o respirație, pauze, un pasaj mai soft, o încetinire, o șoaptă, un râs și o creștere a volumului:
[breath] Hello, everyone. [pause]
Today, I'm going to tell you <soft>an extraordinary story</soft>. [long-pause]
Once upon a time, <slow>in a faraway land</slow>, a developer discovered [pause] <whisper>the secret of perfect speech synthesis</whisper>. [laugh]
<loud>And everything changed!</loud>
Citiți acest exemplu cu voce tare, urmând indicațiile, și veți auzi că densitatea etichetelor este deja la limita rezonabilului. Pe parcursul unei întregi cărți audio, atât de mult ar fi epuizant. Regula de bază este să etichetați momentele care transmit o intenție și să lăsați restul să respire.
Unde fac aceste etichete cu adevărat diferența
În nararea cărților audio, pauzele, șoaptele și schimbările de ritm sunt cele care mențin ascultătorii treji pe parcursul unei ore de ascultare. Pentru un asistent vocal, o simplă [pause] între două informații oferă utilizatorilor timp să proceseze una înainte de a trece la următoarea. Conținutul educațional beneficiază de combinarea <emphasis> pe termenii cheie cu <slow> pe pasajele dificile, exact cum ar face un formator în fața unei clase. Marketingul audio folosește <build-intensity> pentru a crea elan și <loud> pentru apelul la acțiune. Iar pentru personajele din jocurile video, combinarea <whisper>, <lower-pitch> și [laugh] conferă liniilor de dialog identice personalități foarte diferite.
Un ultim aspect practic: ajustați-vă etichetarea prin cereri HTTP individuale, care sunt ușor de rejucat și corectat, apoi verificați cum sună textul aprobat în fluxul dumneavoastră de streaming. xAI recomandă, de asemenea, încadrarea propozițiilor complete în loc de cuvinte izolate și asocierea etichetelor cu punctuația în loc de suprapunerea lor.
Puncte cheie
- Etichetele inline
[tag]inserează efecte unice (pauze, râsete, suspine) - Etichetele de învelire
<tag>text</tag>modifică stilul unui pasaj (volum, viteză, ton) - Puteți combina etichete pentru a crea o narare bogată și expresivă
- xAI publică 14 etichete inline și 12 etichete de învelire: respectați această listă