SpaceXAI: Grok Voice TTS 1.0

Grok Text to Speech is de tekst-naar-audiomogelijkheid van de Grok-stemfamilie. De fabrikant beschrijft expressieve ingebouwde sprekers, stemaanwijzingen in de tekst en uitvoerformaten voor mediaweergave of telefoonaudio. De invoer is het uit te spreken transcript, samen met de stem- en taalkeuze. De resulterende opname bevat spraak uit dat transcript; spraakherkenning en gespreksmodellen voor spraak-naar-spraak hebben afzonderlijke taken.

Stem, taal en gesproken tekst

De catalogus van de producent geeft elke stem een voordrachtprofiel. Ara is warm en vriendelijk, Eve is opgewekt met een Brits accent en Rex wordt beschreven als helder en zelfverzekerd. Stem en taal staan in de gedocumenteerde familie los van elkaar: ingebouwde sprekers kunnen elke ondersteunde taalkeuze gebruiken. De gids vermeldt twintig taalcodeopties, inclusief regionale varianten, en ondersteunt ook automatische taaldetectie. Naast ingebouwde sprekers beschrijft de producent herbruikbare aangepaste stemmen die op basis van een referentieopname worden gemaakt en via voice_id voor volledige of gestreamde synthese worden geselecteerd. Referentieaudio mag maximaal 120 seconden duren; 90–120 seconden schone spraak van één spreker wordt aanbevolen om voordracht en intonatie vast te leggen. Houd de referentie, het gemaakte stemprofiel en de gegenereerde opname als afzonderlijke bestanden en stem de voordracht van de referentie af op het bedoelde script.

Bereid de definitieve gesproken formulering voor en behoud de bedoelde taal van namen en geciteerde passages. Voor een voorgelezen handleiding is een bruikbare zin: “Kies een onderwerp, luister naar de korte inleiding en open het onderdeel dat u wilt verkennen.” Als een merknaam of vakterm een specifieke uitspraak vereist, kunnen de vervangingsregelaars van de fabrikant een aangepaste spelling of IPA-uitspraak leveren zonder de weergegeven brontekst te veranderen. Een afzonderlijke optie voor tekstnormalisatie zet geschreven getallen, afkortingen en symbolen om naar hun gesproken vorm.

Voordrachtaanwijzingen

Tags in de tekst plaatsen een gebeurtenis op een bepaalde plek, zoals een pauze, lach, zucht of ademhaling. Omsluitende tags passen de voordracht toe op een volledig zinsdeel, bijvoorbeeld fluisteren, nadruk of een langzamere passage. Plaats de aanwijzing waar de betekenis daarom vraagt en houd de woorden leesbaar. De gids beveelt stijlbereiken voor volledige zinsdelen en leestekens aan, in plaats van een stapeling van losstaande tags.

Bereid voor een expressieve personagetekst de gesproken zin en de verandering van voordracht samen voor. Behoud bij een uitleg een duidelijk ritme dat de luisteraar helpt de stappen te volgen. Het gedocumenteerde bereik voor spreeksnelheid is 0.7 tot 1.5, met 1.0 als normale voordracht. Een snelheidskeuze verandert het spreektempo, niet de woorden die de toepassing moet overbrengen.

Audio en tijdsaanduidingen

De producent beschrijft uitvoer in MP3, WAV, onbewerkte PCM, mu-law en A-law. De ondersteunde samplefrequenties lopen van 8 kHz tot 48 kHz, met specifiek vermelde frequenties daartussen. De standaard-MP3-configuratie is 24 kHz bij 128 kbit/s. Gebruik een audiorepresentatie die de bedoelde speler, montagefase of telefonieroute kan verwerken.

Optionele tijdsaanduidingen per teken koppelen de teruggegeven tekenreeks aan begin- en eindtijden. Zonder uitspraakvervangingen komt die reeks overeen met de invoer; vervangingen kunnen de reeks in de gesproken tekst veranderen. De tijdsaanduidingen kunnen een meeleesweergave, markering of uitlijning met een visuele uitvoering ondersteunen. In de workflow met een volledig antwoord verandert het opvragen van tijdsaanduidingen de uitvoer in een omhullend object met gecodeerde audio en tijdgegevens. Behandel de tijdsaanduidingen en audio als een gekoppeld resultaat, vooral wanneer tekstnormalisatie een geschreven symbool uitbreidt tot meerdere gesproken woorden.

Volledige of gestreamde generatie

De fabrikant biedt een route met een volledig verzoek en bidirectionele streaming, waarbij tekstfragmenten binnenkomen en audiodelen terugkeren terwijl de uiting wordt gegenereerd. Er is een gedocumenteerde limiet van 60.000 tekens voor een volledig verzoek en voor een afzonderlijk gestreamd tekstfragment. Het voltooien of wissen van een uiting heeft een expliciete rol in de streamingworkflow.

Kies voor langere vertelteksten samenhangende grenzen tussen passages en bewaar het script bij elk resultaat. Maak bij interactief afspelen onderscheid tussen tekst die voor synthese is verzonden en audio die de luisteraar al heeft gehoord. Het bruikbare resultaat is een ingesproken script met doelbewuste voordrachtaanwijzingen, een passend audioformaat en tijdgegevens wanneer de toepassing die nodig heeft. Bewaar het script, de gekozen stem, voordrachtaanwijzingen en uitvoerinstellingen bij de audio zodat latere herzieningen de bedoelde voordracht behouden.