Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Omslutande taggar

Lektion 6 av 14 Uppdaterad 3 november 2026 Utvecklare
På denna sida
  1. Ändra talet för ett textavsnitt
  2. Syntax för omslutande taggar
  3. Volym och intensitet
  4. Tonhöjd och hastighet
  5. Röststil
  6. Regler för nästling
  7. Praktiska exempel efter användningsområde
  8. Viktiga punkter

Uppdaterat den 3 november 2026, baserat på xAI:s sida Text to Speech: de tolv officiella omslutande taggarna, fördelade på xAI:s tre familjer. Källa: Text to Speech.

Ändra talet för ett textavsnitt

Till skillnad från infogade taggar, som ger en engångseffekt, ändrar omslutande taggar hur ett helt textavsnitt uttalas. De använder en XML-syntax med en öppnande och en avslutande tagg.

Syntax för omslutande taggar

Omslutande taggar omger den text du vill ändra med <tag> och </tag>:

Here's some normal text, then <whisper>a whispered passage</whisper>, then back to normal.

Texten inuti taggarna uttalas i den stil du anger. Resten av texten behåller sin normala prosodi.

Volym och intensitet

Dessa taggar styr talintensiteten:

  • <soft>: en mjuk, intim röst, som om du pratade med någon nära dig
  • <whisper>: en viskning, som en delad hemlighet
  • <loud>: en hög röst, som om du projicerade ljudet över ett stort rum
  • <build-intensity>: intensitet som ökar under passage
  • <decrease-intensity>: intensitet som avtar under passage
<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>

Kontrasten mellan <soft> och <loud> är mycket effektiv för dramatiska effekter eller för att understryka viktiga poänger.

Tonhöjd och hastighet

Dessa taggar ändrar röstens tonhöjd och tempo:

  • <higher-pitch>: en högre röst, vilket kan antyda överraskning eller spänning
  • <lower-pitch>: en lägre röst, vilket antyder auktoritet eller allvar
  • <fast>: snabbare tal, användbart för juridiska ansvarsfriskrivningar eller sekundär information
  • <slow>: långsammare tal, idealiskt för viktiga instruktioner eller diktering
<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>

För att ställa in hastigheten för en hel text snarare än ett avsnitt använder du istället begärandets parameter speed (lektion 2).

Röststil

  • <sing-song>: en gungande, melodisk framförande
  • <singing>: en sångstil, för jinglar eller melodier
  • <emphasis>: betoning, för att markera ett ord eller en fras
<singing>Happy birthday!</singing>
<emphasis>This is absolutely essential.</emphasis>

xAI rekommenderar att du omsluter hela meningar snarare än enskilda ord: <whisper>It's a secret.</whisper> låter mer naturligt än ett enda viskat ord.

Regler för nästling

Du kan kombinera omslutande taggar, men se till att nästla dem korrekt:

<soft><slow>Listen carefully to this passage.</slow></soft>

Nästling måste följa LIFO-ordning (sist in, först ut), precis som i HTML. Undvik ogiltiga överlappningar:

<!-- Correct -->
<soft><slow>text</slow></soft>

<!-- Incorrect: overlap -->
<soft><slow>text</soft></slow>

Praktiska exempel efter användningsområde

Poddberättande

[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>

Telefonsvarare

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>

Utbildningsinnehåll

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.

Viktiga punkter

  • Omslutande taggar använder syntaxen <tag>text</tag>
  • xAI publicerar tolv stycken: volym och intensitet (<soft>, <whisper>, <loud>, <build-intensity>, <decrease-intensity>), tonhöjd och hastighet (<higher-pitch>, <lower-pitch>, <slow>, <fast>), samt röststil (<sing-song>, <singing>, <emphasis>)
  • Omslut hela meningar snarare än enskilda ord
  • Nästling är möjlig men måste följa LIFO-ordning
  • Kombinera infogade och omslutande taggar för ett uttrycksfullt resultat