Expresívne značky a ovládanie reči
Na tejto strane
Aktualizované 3. novembra 2026 na základe stránky xAI Text to Speech a referencie Voice API. Nižšie uvedené značky vychádzajú z oficiálneho zoznamu: 14 inline značiek a 12 obaľujúcich značiek. Zdroje: Text to Speech · Voice API.
Viac než plochý prednes
Ak necháte rečový engine napospas osudu, prečíta všetko rovnakým tónom – či už ide pointu príbehu, alebo kľúčové upozornenie uprostred používateľskej príručky. Grok TTS ti umožňuje prevziať kontrolu späť pomocou rečových značiek, ktoré tvarujú tempo, hlasitosť, výšku tónu a štýl, a dokážu dokonca vložiť smiech, vzdychy alebo nadýchnutie. Existujú dva odlišné mechanizmy a ich zamieňanie je hlavnou príčinou sklamaných výsledkov: inline značky spúšťajú jednorazový efekt, zatiaľ čo obaľujúce značky menia spôsob, akým sa číta celý úsek textu.
Inline značky: jeden efekt, jedno miesto
Píšeš ich do hranatých zátvoriek a pôsobia presne tam, kde ich umiestniš, bez toho, aby zmenili nasledujúci text.
| Kategória | Značky |
|---|---|
| Pauzy | [pause] krátka · [long-pause] dlhá · [hum-tune] broukanie melódie |
| Smiech a plač | [laugh] srdečný smiech · [chuckle] tiché chichotanie · [giggle] chechot · [cry] plač |
| Zvuky úst | [tsk] nesúhlas · [tongue-click] cvaknutie jazykom · [lip-smack] mlasknutie perami |
| Dýchanie | [breath] nádych/výdych · [inhale] nádych · [exhale] výdych · [sigh] vzdych |
Pauzy sú zďaleka najužitočnejšie v každodennej praxi, pretože pridávajú hovorenú interpunkciu, ktorú písaný text postráda. Porovnaj inštrukciu odbúchanú v jednom kuse s tou istou inštrukciou, ktorá dostane priestor na nadýchnutie:
Welcome to our platform. [pause] Today, we'll explore the main features. [long-pause] Let's start with signing up.
Vokálne expresie si naopak vyžadujú cit. Dobre umiestnený [laugh] spraví vetu priateľskou; tri v tom istom odseku z teba urobia nervózneho moderátora.
That's a great question! [laugh] The answer might surprise you. [pause]
Obaľujúce značky: jeden štýl, jeden úsek textu
Tieto značky obklopujú text, ktorý upravujú, vo forme <tag>text</tag>, a ich efekt trvá presne tak dlho, ako dlhý je obalený úsek.
| Kategória | Značky |
|---|---|
| Hlasitosť a intenzita | <soft> tichšie · <whisper> šepot · <loud> hlasnejšie · <build-intensity> postupne stupňuje · <decrease-intensity> postupne utícha |
| Výška tónu a rýchlosť | <higher-pitch> vyšší tón · <lower-pitch> nižší tón · <slow> pomalší prednes · <fast> rýchlejší prednes |
| Vokálny štýl | <sing-song> spevavý tón · <singing> spev · <emphasis> dôraz |
Kontrastná hlasitosť ti umožňuje hodnotiť informácie bez pridania jediného slova: to, čo je povedané potichu, znie ako dôvernosť, zatiaľ čo to, čo je povedané nahlas, ako upozornenie.
Listen carefully: <soft>this is a secret</soft>. But <loud>this is important!</loud>
Rýchlosť robí to isté pre pozornosť. Zrýchlenie naznačuje naliehavosť alebo vsuvku; spomalenie signalizuje vetu hodnú zapamätania. To je cenný návyk v školiacom module, kde vždy spomalíš pri definícii nového termínu.
Now I'm going to <fast>talk really fast to show urgency</fast> and then <slow>slow down to stress this point</slow>.
Šepot vytvára okamžité spolunáležité pocity, pokiaľ zostane v odseku výnimkou.
<whisper>Don't tell anyone</whisper>, but the new version comes out tomorrow!
Kombinovanie oboch
Nič ti nebráni miešať obe rodiny značiek v tom istom texte a práve tu začne syntéza znieť ako výkon. Úryvok nižšie spája nadýchnutie, pauzy, tichší úsek, spomalenie, šepot, smiech a zvýšenie hlasitosti:
[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>
Prečítaj si tento príklad nahlas podľa pokynov a počuješ, že hustota značiek je už na hranici únosnosti. V rámci celej audioknihy by to bolo vyčerpávajúce. Zlaté pravidlo znie: označuj momenty, ktoré nesú zámer, a nechaj zvyšok dýchať.
Kde tieto značky skutočne robia rozdiel
Pri rozprávaní audiokníh sú to práve pauzy, šepot a zmeny tempa, ktoré udržia poslucháčov hore počas hodiny počúvania. Pre hlasového asistenta jednoduchá [pause] medzi dvoma informáciami dáva používateľom čas spracovať jednu skôr, než príde ďalšia. Vzdelávací obsah profituje z kombinácie <emphasis> na kľúčových termínoch s <slow> na náročných úsekoch, presne ako by to urobil školiteľ pred triedou. Audio marketing využíva <build-intensity> na budovanie dynamiky a <loud> pri výzve na akciu. A pre postavy vo videohrách kombinácia <whisper>, <lower-pitch> a [laugh] dodáva identickým replikám úplne odlišné osobnosti.
Ešte jedna praktická poznámka: ladenie značenia realizuj pomocou jednotlivých HTTP požiadaviek, ktoré sa ľahko opakujú a opravujú, a následne skontroluj, ako schválený text znie v tvojom streamovacom pipeline. xAI tiež odporúča obaľovať celé vety namiesto izolovaných slov a párovať značky s interpunkciou namiesto ich vrstvenia.
Kľúčové poznatky
- Inline značky
[tag]vkladajú jednorazové efekty (pauzy, smiech, vzdychy) - Obaľujúce značky
<tag>text</tag>menia štýl úseku (hlasitosť, rýchlosť, tón) - Značky môžeš kombinovať a vytvárať tak bohaté, expresívne rozprávanie
- xAI publikuje 14 inline značiek a 12 obaľujúcich značiek: drž sa tohto zoznamu