Moderne TTS heeft verstaanbaarheid jaren geleden al opgelost. De Blizzard Challenge, een jaarlijkse benchmark die sinds 2005 de vooruitgang in spraaksynthese meet, meldde dat synthetische spraak in 2021 qua verstaanbaarheid niet meer te onderscheiden was van natuurlijke spraak, en qua natuurlijkheid er nog maar nauwelijks voor onderdeed (Perrotin et al., 2024). Het vakgebied is dus verder gegaan. De interessante vraag is niet langer kun je de stem verstaan, maar klinkt de stem alsof die meent wat ze zegt. Speechify Studio geeft daar antwoord op met emotionele text-to-speech, boven op gewone text-to-speech. Voor de ontwikkelaars-API hangt het antwoord af van het model; de huidige modellen ondersteunen geen emotie-stijlen.
Emotie-stijlen zijn een functie van Simba 1.6
In de API komen emotie-stijlen uit de <speechify:style>-SSML-tag, en alleen de Simba 1.6-modellen, simba-english en simba-multilingual, passen die toe. Er zijn dertien waarden: Angry, Cheerful, Sad, Terrified, Relaxed, Fearful, Surprised, Calm, Assertive, Energetic, Warm, Direct en Bright. Simba 1.6 is niet langer beschikbaar voor nieuwe workspaces en vanaf 21 november 2026 worden beide id's afgehandeld door de huidige modellen, die de tag wel accepteren maar niet toepassen. Zie Migreren vanaf Simba 1.6.
Emoties gebruiken in de Speechify AI Voice Generator
De AI Voice Generator is onderdeel van Speechify Studio en wordt gebruikt voor voice-overs, marketingvideo’s, luisterboeken en podcastfragmenten. Je plakt je script, kiest een stem en past vervolgens een emotie-stijl toe op de hele clip of op een specifieke selectie. Omdat emoties per selectie werken, kan dezelfde voice-over beginnen met een Cheerful hook, een Assertive waardepropositie en warm eindigen, zonder van stem te wisselen.
Enkele concrete workflows waarin dit belangrijk is: marketingvideo’s die in een tool als CapCut worden gemaakt, hebben meestal twee of drie stemmingswisselingen nodig (zoals aandacht, belofte, call-to-action). In plaats van drie losse opnames maak je nu één voice-over waarin de emotie per regel wisselt. Voor luisterboeken en fictie werkt dit nog beter, omdat dialogen tussen verschillende personages een andere emotionele lading kunnen krijgen zonder extra stemmen in te huren. In uitlegvideo’s klinkt één Calm stem in een ingewikkeld middendeel vaak duidelijker dan wanneer diezelfde stem overal ‘boeiend’ probeert te klinken.
Wat de Speechify API nu toepast
Met de huidige modellen, simba-3.2 en simba-3.0, accepteert de Speechify API <speechify:style> en geeft een 200 terug, maar leest de tekst zonder emotie-stijl voor. Dit geldt ook voor <prosody pitch>, <prosody volume> en <emphasis>. Drie SSML-tags werken wel: <break> voor pauzes, <prosody rate> voor spreeksnelheid en <sub alias> voor uitspraak. In de SSML-gids staat per model wat wordt toegepast.
Bijvoorbeeld: <speak>Uw bestelling is verzonden. <break time="500ms" /> <prosody rate="slow">Lees de <sub alias="Veelgestelde Vragen">FAQ</sub> voor levertijden.</prosody></speak> pauzeert een halve seconde, leest de tweede zin langzaam voor en spreekt "Veelgestelde Vragen" uit in plaats van FAQ.
De voordracht in de huidige modellen wordt bepaald door de tekst en de stem. Interpunctie en zinsbouw sturen de intonatie — schrijf elke regel zoals je wilt dat die klinkt, en voeg een <break> toe als je een langere pauze wilt dan leestekens aangeven. De gekozen stem bepaalt het karakter. Voor feedback in e-learning betekent dit bijvoorbeeld: een korte, neutrale regel voor 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 het verschil maken
Emotionele TTS is onmisbaar voor alles met een creatief karakter. Eén celebrity-achtige stem die een heel luisterboek inspreekt, een animatiefiguur die zowel grappen als verdriet overbrengt, een podcastintro die precies goed valt — dat kon niet met vlakke spraaksynthese. Nu wel, omdat de emotie in de stem zit en niet alleen in de regieaanwijzing. Voor makers die al werken met de celebrity- en karakterstemmen van Speechify maakt emotionele stijl het verschil tussen een stem die op het voorbeeld lijkt en een stem die speelt als het voorbeeld.
Bevordert een emotionele stem daadwerkelijk het begrip?
Ja, en dat is aantoonbaar, ook los van AI. In een studie uit 2022 met 11- tot 13-jarigen, en een replicatie in 2025, ontdekten onderzoekers Dylman en Champoux-Larsson dat luisteraars meer vragen correct beantwoordden wanneer dezelfde feitelijke inhoud werd voorgelezen met positieve emotionele prosodie dan met een neutrale toon (Dylman et al., 2025). De winst in begrip was aanzienlijk, zowel direct als na verloop van tijd. Voor educatieve content, productuitleg en elk lang audiofragment waarbij onthouden belangrijk is, helpt een emotioneel passende stem dus echt.
FAQ
Wat is text-to-speech met emoties?
Dit is synthetische spraak waarbij naast de woorden ook een emotionele toon, zoals vrolijk of verdrietig, wordt toegevoegd. Zo kun je dezelfde zin op verschillende manieren laten klinken. In de AI Voice Generator van Speechify Studio kies je per selectie de emotie. De huidige modellen van de Speechify API ondersteunen geen emotie-stijlen.
Hoeveel emoties ondersteunt de Speechify API?
In de huidige modellen geen: simba-3.2 en simba-3.0 accepteren de <speechify:style>-tag en lezen de tekst zonder emotie-stijl voor. Dertien waarden, van Angry tot Bright, werkten alleen in de uitgefaseerde Simba 1.6-modellen. De AI Voice Generator in Speechify Studio heeft een aparte emotie-selector, zoals hierboven beschreven.
Waar stel ik emoties in bij de AI Voice Generator?
In Speechify Studio verschijnt na het invoeren van je script een emotie-selector naast de stemkeuze. Pas die toe op de hele clip of op een selectie en genereer opnieuw.
Kan ik een emotie instellen via de Speechify API?
Niet met de huidige modellen. simba-3.2 en simba-3.0 accepteren <speechify:style emotion="..."> en geven 200 terug, maar lezen de tekst zonder die stijl voor. Stuur de voordracht daarom via je tekst en de gekozen stem, en gebruik de tags die wel werken: <break>, <prosody rate> en <sub alias>. Zie de SSML-gids.
Kan ik emoties combineren in één voice-over?
In Speechify Studio kun je per selectie emoties toepassen, zodat een voice-over per regel van toon wisselt. Met de huidige API-modellen worden emotie-stijlen niet toegepast. Wat je per segment wel kunt variëren, is spreeksnelheid met <prosody rate> en pauzes met <break>.
Klinken emotionele stemmen even natuurlijk als neutrale?
Bijna wel. Peer-reviewed emotionele TTS-modellen halen nu scores rond 3,94/5,0 voor expressiviteit en 3,98/5,0 voor natuurlijkheid, dus luisteraars beoordelen ze op beide vlakken bijna gelijk.
Helpt emotionele voordracht luisteraars echt om de inhoud te onthouden?
Onderzoek naar menselijke sprekers wijst van wel. Positieve prosodie verbeterde het onthouden van feiten in gecontroleerde studies. Dat effect zie je ook terug bij goed geregisseerde AI-voice-overs.
Kan ik emotionele stemmen gebruiken voor commerciële voice-overs?
Speechify-licenties dekken commercieel gebruik van gegenereerde voice-overs, inclusief emotionele stijlen. Controleer wel je abonnement op eventuele beperkingen voor de lengte van de uitvoeraudio.
Wat is het verschil met alleen snelheid of toonhoogte aanpassen?
Bij Simba 1.6 beïnvloedt een emotie-stijl de prosodie als geheel: pauzes, accenten, intonatiepatroon en energie. Daardoor klinkt een "boze" versie niet als zomaar een snellere, hogere neutrale stem. In de huidige modellen kun je alleen de snelheid aanpassen; <prosody rate> werkt, maar <prosody pitch> en emotie-stijlen worden wel geaccepteerd, maar niet toegepast.
