Tags Expressifs et Controle de la Parole — Grok Voice & Audio

Aller au-dela du texte plat

Le TTS de Grok ne se contente pas de lire du texte de maniere monotone. Grace aux tags de parole (speech tags), vous pouvez controler le rythme, le volume, le style et meme ajouter des effets sonores comme des rires, des soupirs ou des pauses. Ces tags transforment une lecture robotique en narration vivante et expressive.

Tags inline

Les tags inline s’inserent directement dans le texte avec la syntaxe [tag]. Ils declenchent un effet ponctuel a l’endroit ou ils sont places.

Pauses

[pause] : pause courte, comme un point dans une phrase
[long-pause] : pause plus longue, comme entre deux paragraphes

Bienvenue sur notre plateforme. [pause] Aujourd'hui, nous allons decouvrir les fonctionnalites principales. [long-pause] Commençons par l'inscription.

Expressions vocales

[laugh] : rire franc
[chuckle] : petit rire discret
[giggle] : rire leger
[cry] : pleurs
[sigh] : soupir
[yawn] : baillement
[gasp] : exclamation de surprise

C'est une excellente question ! [laugh] La reponse va peut-etre vous surprendre. [pause]

Sons de bouche

[sniff] : reniflement
[gulp] : deglutition
[smack] : claquement de langue
[tsk] : desapprobation
[tongue-click] : clic de langue
[lip-smack] : mouvement de levres

Respiration

[breath] : respiration normale
[inhale] : inspiration
[exhale] : expiration

Musique

[hum-tune] : fredonnement d’un air

Tags enveloppants

Les tags enveloppants encadrent une portion de texte avec <tag>texte</tag>. Ils modifient le style de lecture du texte qu’ils contiennent.

Volume

Ecoutez bien : <soft>ceci est un secret</soft>. Mais <loud>ceci est important !</loud>

<soft> : volume reduit
<loud> : volume augmente
<build-intensity> : volume qui monte progressivement
<decrease-intensity> : volume qui diminue progressivement

Hauteur

<higher-pitch> : voix plus aigue
<lower-pitch> : voix plus grave

Vitesse

Je vais maintenant <fast>parler tres vite pour montrer l'urgence</fast> puis <slow>ralentir pour insister sur ce point</slow>.

<fast> : debit accelere
<slow> : debit ralenti

Style vocal

<whisper>Ne le dites a personne</whisper>, mais la nouvelle version sort demain !

<whisper> : chuchotement
<sing-song> : ton chantant
<singing> : chant
<laugh-speak> : parler en riant
<emphasis> : mise en emphase

Intensite vocale

<strong> : voix forte et determinee
<breathless> : voix essoufflee
<hoarse> : voix rauque
<creaky> : voix grinçante (vocal fry)

Combiner les tags

Vous pouvez combiner les tags inline et enveloppants pour creer des narrations complexes :

[breath] Bonjour a tous. [pause]
Aujourd'hui, je vais vous raconter <soft>une histoire extraordinaire</soft>. [long-pause]
Il etait une fois, <slow>dans un pays tres lointain</slow>, un developpeur qui decouvrit [pause] <whisper>le secret de la synthese vocale parfaite</whisper>. [laugh]
<loud>Et tout changea !</loud>

Cas d’usage des tags expressifs

Narration de livres audio : pauses, chuchotements, variations de rythme pour captiver l’auditeur
Assistants vocaux : [pause] entre les informations pour laisser le temps de comprendre
Contenu educatif : <emphasis> sur les termes importants, <slow> pour les concepts complexes
Marketing audio : <build-intensity> pour creer de l’excitation, <loud> pour les appels a l’action
Personnages de jeux video : <whisper>, <hoarse>, [laugh] pour donner vie aux dialogues

Points cles a retenir

Les tags inline [tag] inserent des effets ponctuels (pauses, rires, soupirs)
Les tags enveloppants <tag>texte</tag> modifient le style d’un passage (volume, vitesse, ton)
Les tags sont combinables pour creer des narrations riches et expressives
Les tags fonctionnent aussi bien en mode HTTP qu’en mode WebSocket