Oznake za izraznost in nadzor govora
Na tej strani
Posodobljeno 3. novembra 2026 na podlagi strani xAI Text to Speech in referenčne dokumentacije za Voice API. Spodnje oznake sledijo uradnemu seznamu: 14 vrsticnih oznak in 12 obdajajočih oznak. Viri: Text to Speech · Voice API.
Onkraj ravnega branja
Če govorni motor prepuščamo samemu sebi, vse prebere v enakem tonu, vključno s poanto zgodbe ali ključnim opozorilom sredi uporabniškega priročnika. Grok TTS ti omogoča, da prevzameš nadzor s govornimi oznakami, ki oblikujejo tempo, glasnost, višino tona in slog ter lahko vstavijo celo smeh, vzdihljaje ali dihanje. Obstajata dva različna mehanizma in njuno mešanje je vzrok številka ena za razočarajoče rezultate: vrstične oznake sprožijo enkraten učinek, medtem ko obdajajoče oznake spremenijo način branja celotnega odlomka.
Vrstične oznake: en učinek, eno mesto
Zapišeš jih v oglatih oklepajih in delujejo točno tam, kjer jih postaviš, ne da bi spremenile besedilo, ki sledi.
| Kategorija | Oznake |
|---|---|
| Premori | [pause] kratek · [long-pause] dolg · [hum-tune] mrmranje melodije |
| Smeh in jok | [laugh] srčen smeh · [chuckle] tiho hihitanje · [giggle] hihitanje · [cry] jok |
| Zvoki ust | [tsk] neodobravanje · [tongue-click] cvoketanje z jezikom · [lip-smack] cmokanje z ustnicami |
| Dihanje | [breath] dih · [inhale] vdih · [exhale] izdih · [sigh] vzdih |
Premori so daleč najbolj uporabni v vsakdanji rabi, saj dodajajo govorno ločilo, ki ga pisnemu besedilu manjka. Primerjaj navodilo, izrečeno v enem sapu, z istim navodilom, ki mu dovoliš, da zadiha:
Welcome to our platform. [pause] Today, we'll explore the main features. [long-pause] Let's start with signing up.
Glasovni izrazi pa zahtevajo previden pristop. Pravilno postavljen [laugh] naredi stavek prijazen; trije v istem odstavku pa bodo zveneli, kot da si živčni voditelj.
That's a great question! [laugh] The answer might surprise you. [pause]
Obdajajoče oznake: en slog, en del besedila
Te oznake obdajajo besedilo, ki ga spreminjajo, kot v <tag>besedilo</tag>, njihov učinek pa traja točno tako dolgo, kot je dolg obdani del.
| Kategorija | Oznake |
|---|---|
| Glasnost in intenzivnost | <soft> tišje · <whisper> šepet · <loud> glasneje · <build-intensity> postopno narašča · <decrease-intensity> postopno pojema |
| Višina tona in hitrost | <higher-pitch> višje · <lower-pitch> nižje · <slow> počasnejše branje · <fast> hitrejše branje |
| Glasovni slog | <sing-song> spevni ton · <singing> petje · <emphasis> poudarek |
Kontrastna glasnost ti omogoča razvrščanje informacij brez dodajanja besed: kar je rečeno tiho, zveni kot zaupnost, kar je rečeno glasno, pa kot opozorilo.
Listen carefully: <soft>this is a secret</soft>. But <loud>this is important!</loud>
Hitrost naredi isto za pozornost. Pospeševanje nakazuje nujnost ali opombo; upočasnjevanje signalizira stavek, vreden zapomnitve. To je dragocena navada v izobraževalnem modulu, kjer vedno upočasniš pri definiciji novega izraza.
Now I'm going to <fast>talk really fast to show urgency</fast> and then <slow>slow down to stress this point</slow>.
Šepetanje ustvari takojšnjo sočutnost, vse dokler ostane izjema v odstavku.
<whisper>Don't tell anyone</whisper>, but the new version comes out tomorrow!
Kombiniranje obeh
Nič ti ne preprečuje, da bi v istem besedilu mešal obe družini oznak, in prav takrat sinteza začne zveneti kot nastop. Spodnji odlomek združuje dih, premore, tišji del, upočasnjevanje, šepet, smeh in zvišanje glasnosti:
[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>
Preberi ta primer na glas, sledi navodilom, in slišal boš, da je gostota oznak že na robu razumnega. Po celotni zvočni knjigi bi bilo toliko oznak izčrpavajoče. Zlato pravilo je označiti trenutke, ki nosijo namen, in pustiti ostalemu, da diha.
Kjer te oznake res naredijo razliko
Pri pripovedovanju zvočnih knjig so premori, šepetanje in spremembe tempa tisto, kar poslušalce ohranja budne skozi uro poslušanja. Za glasovnega pomočnika preprost [pause] med dvema informacijama uporabnikom da čas, da sprejmejo eno, preden pride naslednja. Izobraževalne vsebine imajo korist od kombiniranja <emphasis> na ključnih izrazih z <slow> na težjih odlomkih, točno tako, kot bi to storil trener pred razredom. Zvočni marketing uporablja <build-intensity> za gradnjo zagona in <loud> pri pozivu k akciji. Za like v videoigrah pa kombiniranje <whisper>, <lower-pitch> in [laugh] daje identičnim vrsticam dialoga zelo različne osebnosti.
Še zadnja praktična točka: fino uglaševanje označevanja izvajaj s posameznimi zahtevami HTTP, ki jih je enostavno ponoviti in popraviti, nato pa preveri, kako odobreno besedilo zveni v tvojem pretočnem cevovodu. xAI prav tako priporoča obdajanje celotnih stavkov namesto posameznih besed ter združevanje oznak z ločili namesto njihovega kopičenja.
Ključne ugotovitve
- Vrstične oznake
[tag]vstavljajo enkratne učinke (premore, smeh, vzdihljaje) - Obdajajoče oznake
<tag>besedilo</tag>spreminjajo slog odlomka (glasnost, hitrost, ton) - Oznake lahko kombiniraš za ustvarjanje bogate, izrazne pripovedi
- xAI objavlja 14 vrstičnih oznak in 12 obdajajočih oznak: drži se tega seznama