Moderne TTS heeft verstaanbaarheid al jaren op orde. De Blizzard Challenge, een jaarlijkse benchmark die spraaksynthese sinds 2005 beoordeelt, meldde dat synthetische spraak in 2021 qua verstaanbaarheid niet meer te onderscheiden was van natuurlijke spraak, en qua natuurlijkheid vrijwel gelijkwaardig (Perrotin et al., 2024). Het vakgebied verschoof daardoor. De interessante vraag was niet langer versta je de stem, maar klinkt de stem alsof ze meent wat ze zegt. Speechify Studio geeft daarop een antwoord met emotionele text-to-speech, boven op gewone text-to-speech. Voor de ontwikkelaars-API hangt het antwoord af van het model, waarbij de huidige modellen geen emotiestijlen toepassen.
Emotiestijlen zijn een functie van Simba 1.6
Binnen de API lopen emotiestijlen via de <speechify:style>-SSML-tag, en alleen de Simba 1.6-modellen, simba-english en simba-multilingual, ondersteunen die. Dertien waardes zijn beschikbaar: Angry, Cheerful, Sad, Terrified, Relaxed, Fearful, Surprised, Calm, Assertive, Energetic, Warm, Direct en Bright. Simba 1.6 is uitgefaseerd voor nieuwe workspaces en vanaf 21 november 2026 worden beide ids omgezet naar de huidige modellen, die de tag wel accepteren maar niet verwerken. Zie Migreren vanaf Simba 1.6.
Emoties gebruiken in de Speechify AI Voice Generator
De AI Voice Generator zit in Speechify Studio en is de tool voor voice-overs, marketingvideo’s, audioboeken en podcastfragmenten. Je plakt je script, kiest een stem en past daarna een emotionele stijl toe op het hele fragment of op een specifieke selectie. Omdat emoties per selectie gelden, kan dezelfde voice-over een Cheerful intro, een Assertive waardepropositie en een Warm slot krijgen zonder van stem te wisselen.
Enkele praktijkvoorbeelden waarbij dit het verschil maakt: marketingvideo’s gemaakt met tools als CapCut hebben meestal twee of drie toonmomenten nodig, zoals aandacht trekken, iets beloven en een call-to-action. In plaats van drie aparte stemopnames maak je één voice-over, waarbij de emotie per zin verandert. Bij audioboeken en fictieverhalen heb je nog meer voordeel, omdat dialogen tussen personages verschillend emotioneel geladen kunnen zijn zonder dat je meerdere inlezers nodig hebt. Voor uitlegvideo’s leest één rustige stem een complexe passage vaak helderder voor dan wanneer diezelfde stem voortdurend ‘boeiend’ probeert te klinken.
Wat de Speechify API vandaag ondersteunt
Bij de huidige modellen, simba-3.2 en simba-3.0, accepteert de Speechify API de <speechify:style>-tag en retourneert 200, maar leest de tekst voor zonder stijl. Hetzelfde geldt voor <prosody pitch>, <prosody volume> en <emphasis>. Drie SSML-tags worden wél toegepast: <break> voor pauzes, <prosody rate> voor spreeksnelheid en <sub alias> voor uitspraak. De SSML-gids bevat een overzicht per model.
Bijvoorbeeld: <speak>Uw bestelling is verzonden. <break time="500ms" /> <prosody rate="slow">Lees de <sub alias="Veelgestelde Vragen">FAQ</sub> voor levertijden.</prosody></speak> zorgt voor een pauze van een halve seconde, leest de tweede zin langzaam voor en zegt ‘Veelgestelde Vragen’ in plaats van FAQ.
De uitspraak bij de huidige modellen wordt bepaald door de tekst en de gekozen stem. Interpunctie en zinsbouw bepalen de intonatie; schrijf elke zin dus zoals je hem wilt laten klinken, en voeg een <break> toe waar je een langere pauze wilt dan de interpunctie geeft. De stem bepaalt het basiskarakter. Voor e-learningfeedback betekent dat bijvoorbeeld: een korte, neutrale zin bij een goed antwoord, <prosody rate="slow"> bij een hint en een <break> vóór de uitleg.
Speechify AI Voice Generator versus Speechify API: welke kies je?
Waar emotionele stemmen echt nieuwe mogelijkheden bieden
Emotionele TTS is het ontbrekende puzzelstuk voor alles wat creatief is. Eén bekende stem die een volledig audioboek voorleest, een animatiefiguur die grappen én verdriet overbrengt, een podcastintro die precies het gewenste gevoel raakt — dat lukte niet met vlakke synthese. Nu werkt het, omdat de emotie in de stem zit en niet alleen in de scriptinstructie. Voor makers die al werken met Speechify’s beroemdheden- en karakterstemmen is emotie het verschil tussen een stem die klinkt als het voorbeeld en een stem die speelt als het voorbeeld.
Verbetert emotionele uitspraak ook het begrip?
Ja — en dat blijkt ook buiten de AI-wereld. In een onderzoek uit 2022 met 11- tot 13-jarigen en een replicatie uit 2025 ontdekten Dylman en Champoux-Larsson dat luisteraars meer inhoudsvragen goed beantwoordden wanneer hetzelfde feitelijke materiaal met positieve emotionele prosodie werd voorgelezen dan met een neutrale toon (Dylman et al., 2025). Het effect was aanzienlijk en gold voor zowel directe als uitgestelde herinnering. Voor educatieve content, productuitleg en alle lange audio waarbij retentie telt, is een passende emotionele stem echt een hulpmiddel voor begrip.
FAQ
Wat is text-to-speech met emoties?
Dit is synthetische spraak met een gekozen emotionele toon, zoals vrolijk of verdrietig, boven op de woorden, zodat dezelfde zin op verschillende manieren kan klinken. In de AI Voice Generator van Speechify Studio kies je de emotie per selectie. De huidige Speechify API-modellen passen geen emotiestijlen toe.
Hoeveel emoties ondersteunt de Speechify API?
Bij de huidige modellen geen: simba-3.2 en simba-3.0 accepteren de <speechify:style>-tag, maar lezen de tekst voor zonder die stijl. De dertien waardes, van Angry tot Bright, worden alleen toegepast door de uitgefaseerde Simba 1.6-modellen. De AI Voice Generator in Speechify Studio heeft een aparte emotie-selector, hierboven beschreven.
Waar stuur ik emotie aan in de AI Voice Generator?
In Speechify Studio verschijnt na het toevoegen van je script een emotie-selector naast de stemkeuze. Pas die toe op het hele fragment of op een geselecteerd deel, en render opnieuw.
Kan ik een emotie instellen in de Speechify API?
Niet op de huidige modellen. simba-3.2 en simba-3.0 accepteren <speechify:style emotion="..."> en retourneren 200, maar lezen de tekst voor zonder stijl. Stuur de expressie dus via de tekst en de stem die je kiest en gebruik de bruikbare tags: <break>, <prosody rate> en <sub alias>. Zie de SSML-gids.
Kan ik emoties combineren in één voice-over?
In Speechify Studio gelden emoties per selectie, dus kan een voice-over per regel van toon wisselen. Op de huidige API-modellen worden emotiestijlen niet toegepast. Je kunt het tempo per fragment aanpassen met <prosody rate> en pauzes sturen via <break>.
Klinken emotionele stemmen even natuurlijk als neutrale?
Bijna. Beoordeelde emotionele TTS-modellen scoren nu rond 3,94/5,0 op expressiviteit en 3,98/5,0 op natuurlijkheid. Luisteraars beoordelen ze dus vrijwel even hoog.
Helpt emotionele uitspraak luisteraars echt om de inhoud te onthouden?
Onderzoek met menselijke sprekers bevestigt dit. Positieve prosodie verbeterde feitelijke herinnering in gecontroleerde studies. Dat geldt ook voor goed geregisseerde AI-voice-overs.
Mag ik emotionele stemmen commercieel inzetten voor voice-overs?
Speechify-licenties omvatten commercieel gebruik van gegenereerde voice-overs, ook met emotionele stijlen. Controleer wel de limieten voor de outputlengte van je abonnement.
Hoe verschilt dit van alleen snelheid of toonhoogte aanpassen?
Op Simba 1.6 veranderen emotiestijlen de prosodie als geheel, inclusief pauzes, klemtoon, intonatie en energie — daarom klinkt een ‘boze’ variant niet als een snelle, hoge versie van neutraal. Op de huidige modellen kun je alleen de snelheid aanpassen: <prosody rate> werkt, terwijl <prosody pitch> en emotiestijlen wel worden geaccepteerd, maar niet toegepast.
