TTS moden sudah lama menyelesaikan isu kefahaman pertuturan. The Blizzard Challenge, penanda aras tahunan yang menilai kemajuan sintesis pertuturan sejak 2005, melaporkan bahawa menjelang 2021, pertuturan sintetik tidak lagi dapat dibezakan daripada pertuturan semula jadi dari segi kefahaman, malah juga dari segi keaslian (Perrotin et al., 2024). Jadi, fokus bidang ini juga sudah berubah. Persoalan yang lebih menarik sekarang bukan lagi adakah anda memahami suara itu tetapi adakah suara itu menyampaikan maksud yang ingin disampaikan. Speechify Studio menjawab persoalan ini melalui text to speech beremosi, di samping text to speech biasa. Untuk API pembangun, jawapannya bergantung pada model, dan model semasa tidak menerapkan gaya emosi.
Gaya Emosi Hanya Tersedia pada Simba 1.6
Dalam API, gaya emosi datang daripada tag SSML <speechify:style>, dan hanya model Simba 1.6, simba-english dan simba-multilingual, yang menggunakannya. Ia menyokong tiga belas nilai: Angry, Cheerful, Sad, Terrified, Relaxed, Fearful, Surprised, Calm, Assertive, Energetic, Warm, Direct, dan Bright. Simba 1.6 telah ditamatkan untuk ruang kerja baharu, dan mulai 21 November 2026, kedua-dua id ini akan diservis oleh model terkini, yang menerima tag ini tetapi tidak menerapkannya. Lihat Migrating off Simba 1.6.
Menggunakan Emosi dalam Speechify AI Voice Generator
AI Voice Generator tersedia dalam Speechify Studio dan digunakan oleh pencipta untuk voiceover, video pemasaran, buku audio dan segmen podcast. Anda hanya perlu tampal skrip, pilih suara, dan terapkan gaya emosi sama ada pada seluruh klip atau bahagian tertentu. Oleh sebab emosi boleh diterapkan mengikut pilihan, satu voiceover boleh bermula dengan nada Ceria, membawa cadangan nilai yang Tegas, dan diakhiri dengan penutup yang Hangat tanpa perlu menukar suara.
Antara aliran kerja yang paling memerlukannya ialah video pemasaran yang dihasilkan dengan alat seperti CapCut, yang biasanya memerlukan dua atau tiga nada berbeza, seperti menarik perhatian, menyampaikan janji, dan seruan bertindak. Daripada merakam tiga suara berasingan, anda boleh hasilkan satu voiceover dengan emosi yang berubah mengikut baris. Buku audio dan narasi fiksyen pula lebih mendapat manfaat kerana dialog watak boleh membawa emosi berbeza tanpa memerlukan ramai pembaca. Untuk video penerangan, suara Calm yang konsisten membaca bahagian penting biasanya lebih jelas daripada suara yang sama yang cuba “menghidupkan” semuanya sepanjang masa.
Apa yang Disokong oleh Model Speechify API Hari Ini
Pada model semasa, simba-3.2 dan simba-3.0, Speechify API menerima <speechify:style> dan membalas 200, tetapi membaca teks dalam tag itu tanpa gaya. Perkara yang sama juga berlaku untuk <prosody pitch>, <prosody volume> dan <emphasis>. Tiga tag SSML yang benar-benar berfungsi ialah: <break> untuk jeda, <prosody rate> untuk kadar sebutan, dan <sub alias> untuk sebutan. Panduan SSML menyenaraikan fungsi bagi setiap model.
Contohnya, <speak>Your order has shipped. <break time="500ms" /> <prosody rate="slow">Read the <sub alias="Frequently Asked Questions">FAQ</sub> for delivery times.</prosody></speak> akan berhenti selama setengah saat, membaca ayat kedua dengan lebih perlahan, dan menyebut “Frequently Asked Questions” sebagai ganti FAQ.
Penyampaian pada model semasa bergantung pada teks dan suara yang dipilih. Tanda baca dan struktur ayat menentukan frasa, jadi tulis setiap baris seperti yang anda mahu didengar, dan tambah <break> apabila anda mahukan jeda yang lebih panjang daripada tanda baca biasa. Pilihan suara pula menentukan karakter asas. Untuk maklum balas e-pembelajaran, ini boleh berupa baris ringkas bagi jawapan yang betul, menggunakan <prosody rate="slow"> untuk petunjuk, atau <break> sebelum penjelasan.
Speechify AI Voice Generator vs Speechify API: Mana Satu Pilihan Anda
Di Mana Suara Emosi Benar-Benar Mengubah Apa yang Anda Boleh Cipta
TTS beremosi ialah elemen yang selama ini melengkapkan kreativiti. Satu suara seakan selebriti untuk keseluruhan buku audio, watak animasi yang menyampaikan jenaka dan kesedihan, intro podcast dengan nada yang tepat — semua ini sukar dicapai dengan sintesis tanpa emosi. Kini, semuanya boleh dilakukan kerana emosi terbina dalam suara, bukan sekadar arahan dalam skrip. Bagi pencipta yang sudah menggunakan suara selebriti dan watak Speechify, gaya emosi membezakan antara suara yang hanya menyerupai rujukan dengan suara yang benar-benar “hidup”.
Adakah Penyampaian Emosi Benar-Benar Membantu Kefahaman?
Ya, dan kesannya boleh diukur di luar dunia AI juga. Dalam kajian 2022 terhadap pelajar berusia 11 hingga 13 tahun serta replikasi pada 2025, penyelidik Dylman dan Champoux-Larsson mendapati pendengar menjawab lebih banyak soalan kandungan dengan betul apabila kandungan dibaca dengan prosodi emosi positif berbanding nada neutral (Dylman et al., 2025). Peningkatan kefahaman ini jelas ketara, dan kekal untuk ingatan segera serta ingatan tertunda. Untuk kandungan pendidikan, tutorial produk dan audio panjang yang memerlukan pengekalan, suara dengan emosi yang sesuai memang membantu pemahaman.
Soalan Lazim
Apa itu text to speech beremosi?
Ia ialah pertuturan sintetik yang membawa nada emosi tertentu, seperti ceria atau sedih, pada perkataan yang sama — jadi ayat yang sama boleh disampaikan dalam pelbagai cara. Dalam AI Voice Generator Speechify Studio, anda boleh memilih emosi mengikut pilihan. Model Speechify API semasa pula tidak menerapkan gaya emosi.
Berapa banyak emosi yang disokong oleh Speechify API?
Pada model semasa, tiada: simba-3.2 dan simba-3.0 menerima tag <speechify:style> dan membacanya tanpa gaya. Ketiga-tiga belas nilai, daripada Angry hingga Bright, hanya tersedia pada model Simba 1.6 yang telah ditamatkan. AI Voice Generator dalam Speechify Studio mempunyai pemilih emosinya sendiri seperti diterangkan di atas.
Di mana saya boleh kawal emosi dalam AI Voice Generator?
Dalam Speechify Studio, selepas anda memasukkan skrip, pemilih emosi muncul di sebelah pemilih suara. Terapkan pada keseluruhan klip atau pada pilihan yang diserlahkan, kemudian jana semula audio.
Bolehkah saya tetapkan emosi dalam Speechify API?
Tidak pada model semasa. simba-3.2 dan simba-3.0 menerima <speechify:style emotion="..."> dan membalas 200, tetapi membacanya tanpa gaya. Bentuk penyampaian melalui teks dan suara yang anda pilih, dan gunakan tag yang benar-benar disokong: <break>, <prosody rate> dan <sub alias>. Rujuk panduan SSML.
Bolehkah saya gabungkan emosi dalam satu voiceover?
Dalam Speechify Studio, emosi diterapkan mengikut pilihan, jadi satu voiceover boleh berubah nada baris demi baris. Pada model API semasa, gaya emosi tidak diterapkan. Anda hanya boleh mengubah kadar sebutan dengan <prosody rate> dan jeda dengan <break> mengikut bahagian.
Adakah suara emosi sama semula jadi seperti suara neutral?
Hampir setara. Model TTS beremosi yang dinilai dalam semakan rakan sebaya kini mencatat skor sekitar 3.94/5.0 untuk ekspresiviti dan 3.98/5.0 untuk keaslian — menunjukkan pendengar menilai kedua-duanya hampir sama.
Adakah penyampaian emosi membantu pendengar mengingati kandungan?
Penyelidikan pada penutur manusia menyokongnya. Prosodi positif meningkatkan ingatan terhadap kandungan fakta dalam kajian terkawal. Prinsip yang sama juga terpakai pada voiceover AI yang diarahkan dengan baik.
Bolehkah saya gunakan suara emosi untuk voiceover komersial?
Lesen Speechify merangkumi penggunaan komersial untuk voiceover yang dijana, termasuk gaya emosi. Sila semak pelan anda untuk had panjang output.
Apa bezanya berbanding hanya mengubah laju atau pitch?
Pada Simba 1.6, gaya emosi mengubah prosodi keseluruhan, termasuk jeda, tekanan, intonasi dan tenaga — sebab itulah versi "angry" tidak kedengaran seperti versi neutral yang sekadar lebih laju dan lebih tinggi. Pada model semasa, anda hanya boleh mengubah kadar sebutan: <prosody rate> berfungsi, manakala <prosody pitch> dan gaya emosi diterima tetapi tidak diterapkan.
