Omslutande taggar
På denna sida
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