Tags expressifs inline

Leçon corrigée le 3 novembre 2026 d’après la page Text to Speech et la référence de l’API Voice de xAI : les quatorze tags inline officiels, dans les quatre familles de xAI (pauses, rires et pleurs, bruits de bouche, respiration) ; limite de 60 000 caractères et non 15 000 ; les tags se paient comme le reste du texte. La capture d’écran de l’ancienne version montrait une syntaxe ([pause duration=1.0], "voice": "Athena") que l’API ne connaît pas : elle est retirée. Sources : Text to Speech · Voice API.

Ajouter des émotions et du naturel à la parole

Les tags inline sont des marqueurs que vous insérez directement dans votre texte pour déclencher une expression vocale ponctuelle : pause, rire, bruit de bouche, respiration. xAI en publie quatorze, répartis en quatre familles. Ils rendent la synthèse vocale beaucoup plus naturelle et expressive.

Syntaxe des tags inline

Les tags inline s’écrivent entre crochets [tag] et s’insèrent directement dans le texte, à l’endroit où vous souhaitez que l’effet se produise :

Bonjour ! [pause] Comment allez-vous aujourd'hui ?

Le tag est remplacé par l’effet sonore correspondant lors de la synthèse. Le texte environnant est prononcé normalement.

Les pauses

Les pauses structurent le discours et lui donnent un rythme naturel :

• [pause] : une pause courte
• [long-pause] : une pause plus longue, pour un changement de sujet ou pour laisser une idée faire son effet
• [hum-tune] : un fredonnement, que xAI range dans cette même famille

Première idée. [pause] Deuxième idée. [long-pause] Passons maintenant au sujet suivant.
En attendant [hum-tune] voyons ce que nous avons appris.

Les pauses sont particulièrement utiles entre les sections d’un texte long ou pour laisser à l’auditeur le temps d’assimiler une information importante.

Rires et pleurs

Ces tags ajoutent des réactions émotionnelles au milieu du discours :

• [laugh] : un rire franc
• [chuckle] : un petit rire discret
• [giggle] : un gloussement
• [cry] : des pleurs

C'est vraiment une excellente nouvelle ! [laugh] Je suis ravi pour vous.

Ils sont particulièrement efficaces pour les dialogues, les podcasts et le contenu narratif, où ils cassent la monotonie de la synthèse vocale classique.

Bruits de bouche

• [tsk] : un « tss » d’agacement ou de désapprobation
• [tongue-click] : un claquement de langue
• [lip-smack] : un claquement de lèvres

[tsk] Encore une réunion déplacée.

Respiration

Les respirations rendent la parole plus humaine :

• [breath] : une respiration
• [inhale] : une inspiration
• [exhale] : une expiration
• [sigh] : un soupir

[breath] Bienvenue dans ce nouveau chapitre.
Et oui, encore une réunion [sigh] mais celle-ci sera courte, promis.

Le tag [breath] est discret mais aide les textes longs : sans respirations, une lecture prolongée peut sembler mécanique.

Placement stratégique des tags

L’efficacité des tags inline dépend de leur placement. Voici les bonnes pratiques :

En début de phrase

Placez [breath] au début d’un nouveau paragraphe ou d’une nouvelle section pour simuler une prise de parole naturelle :

[breath] Passons maintenant a la partie pratique de cette lecon.

Entre deux phrases

Utilisez [pause] ou [long-pause] pour créer une séparation naturelle :

Le premier point est important. [long-pause] Le second l'est encore plus.

Après une information clé

Un [pause] après une donnée importante laisse à l’auditeur le temps de l’assimiler :

Le chiffre d'affaires a augmente de 47 %. [pause] C'est notre meilleur trimestre.

Exemple complet

Voici un texte qui combine plusieurs tags pour un rendu naturel :

{
  "text": "[breath] Bonjour a tous et bienvenue dans cette presentation. [pause] Aujourd'hui, nous allons parler d'un sujet passionnant. [long-pause] L'intelligence artificielle au service de la voix. [chuckle] Oui, c'est un peu meta, je sais. [pause] Mais vous allez voir, les résultats sont impressionnants. [breath] Commencons par les bases.",
  "voice_id": "eve",
  "language": "fr"
}

Points clés à retenir

• Les tags inline s’écrivent entre crochets [tag] dans le texte
• [pause] et [long-pause] structurent le rythme du discours
• [pause], [long-pause] et [hum-tune] forment la famille des pauses
• [laugh], [chuckle], [giggle] et [cry] ajoutent des émotions ; [tsk], [tongue-click] et [lip-smack] des bruits de bouche
• [breath], [inhale], [exhale] et [sigh] rendent la parole plus humaine
• Placez les tags aux endroits où un humain ferait naturellement une pause ou une réaction
• Les tags sont comptés dans la limite de 60 000 caractères par requête, et facturés comme le reste du texte