A szkript az eszköz, nem a beállítás
A felolvasó modellek felületén sok csúszka van: sebesség, stabilitás, hasonlóság, stílus. Ezek számítanak valamennyit. De az eredményt sokkal inkább az dönti el, hogyan van megírva a szöveg.
Ennek egyszerű oka van: a modell a szövegből következtet az előadásmódra. Egy hosszú, alárendelt mondatokkal teli bekezdést monotonon fog felolvasni, mert a tanítóanyagban is úgy hangzottak az ilyenek. Egy rövid mondatokból álló, írásjelekkel tagolt szöveget pedig élénken — ugyanezért. A hangsúlyt nem beállítod, hanem megírod.
Nincs közös jelölőnyelv — ez a legfontosabb tudnivaló
Ha egy útmutató azt mondja, írj <break> címkét a szünethez, az modellfüggő tanács. A valóság ennél tarkább, és ez az a pont, ahol a legtöbb idő elmegy.
- Az egyik nagy szolgáltató legújabb modelljénél szögletes zárójeles hangcímkék működnek — például suttogásra vagy nevetésre —, az ipari szabványnak számító szünetcímke viszont nem.
- Ugyanennél a szolgáltatónál az előző modellnél pont fordítva: a szabványos szünetcímke megy (néhány másodperces felső határral) és a kiejtésjelölés is, a hangcímkék viszont nem.
- Egy másik nagy gyártónál saját, szögletes zárójeles jelölés van a szünetek hosszára.
- Egy harmadiknál nincs jelölőnyelv egyáltalán: sima mondattal írod le, hogyan szóljon.
A gyakorlati következmény: előbb válassz modellt, aztán tanuld meg a jelölését. Fordítva nem működik, és a rossz címke a legtöbb helyen nem hibát dob, hanem felolvassa.
Ami minden modellnél működik
Szerencsére van négy fogás, ami jelölés nélkül, mindenhol javít.
- Rövid mondatok. Ez az egyetlen legerősebb eszköz. Ahol pontot teszel, ott lélegzetvétel lesz.
- Írásjelek tudatosan. A vessző rövid szünet, a pont hosszabb, a gondolatjel megtörés. A három pont elgondolkodást ad — de vele könnyű túlzásba esni.
- Számok és rövidítések kiírva. „2026" helyett „kétezer-huszonhat", „kb." helyett „körülbelül". A modellek ezen buknak a leggyakrabban, és magyarul még inkább.
- Bekezdésekre bontás. Ne egy hasábban add be az egészet. Bekezdésenként generálva a tempó egyenletesebb marad, és a hibás részt külön újrázhatod.
Az érzelem, amit nem lehet kérni
Kézenfekvő ötlet, hogy a promptba írod: „olvasd fel lelkesen". Egy 2026-os mérés szerint ez gyakorlatilag semmit nem javít a felolvasó modelleknél. Az érzelem nem utasításból jön, hanem a szövegből és a kiválasztott hangból.
Amit tehetsz helyette: válaszd meg a hangot az anyag hangulatához, és írd meg a szöveget úgy, hogy az érzelem benne legyen. Egy lelkes mondat rövid, konkrét és aktív. Ha mégis van a modellnek érzelmi jelölése, azt használd — de tudd, hogy a szöveg maga erősebb eszköz, mint bármelyik címke.
Magyarra írni
Két dolog más magyarul. Az egyik technikai: ellenőrizd, hogy az adott modell tudja-e a magyart. Nem a szolgáltató, hanem a konkrét modell. Az egyik nagy gyártónál a legismertebb, „többnyelvűként" hirdetett modell nyelvlistáján a magyar nincs rajta — csak az újabb és a gyorsabb változatokon. Ez a leggyakoribb magyar buktató ezen a területen.
A másik a nyelv sajátossága. A magyarban a hangsúly majdnem mindig az első szótagon van, ezért a gépi felolvasás ritkán hangsúlyoz rosszul szón belül — viszont a mondathangsúlyt gyakran elvéti, mert a magyar szórend hordozza a hangsúlyt, és ezt a modell nem mindig érzi. Gyakorlati fogás: ahol számít, melyik szón van a hangsúly, tedd a hangsúlyos szót a mondat elejére, és rövidítsd a mondatot.
Egy átírás, előtte-utána
ELŐTTE (gépiesen fog szólni):
A 2026-os EU AI Act 50. cikke értelmében a szolgáltatóknak kb. 2026.12.02-ig
kell gondoskodniuk arról, hogy a generált tartalom géppel olvasható módon
megjelölésre kerüljön, ami a gyakorlatban azt jelenti, hogy...
UTÁNA:
Az uniós AI-rendelet ötvenedik cikke egy dolgot ír elő.
A szolgáltatónak meg kell jelölnie a generált tartalmat — géppel olvasható módon.
A határidő kétezer-huszonhat december második napja.
A gyakorlatban ez ennyit jelent:
A különbség nem a tartalomban van, hanem a szerkezetben: rövid mondatok, kiírt számok, kettőspont a felsorolás előtt, és semmi rövidítés. Ugyanaz a modell, ugyanaz a hang, hallhatóan más eredmény.
Tipikus félreértések
- „A szünetcímke univerzális." Nem az. Modellenként más, és a rossz címkét a legtöbb helyen felolvassa a modell.
- „Ha lelkesen kérem, lelkes lesz." A mérések szerint az utasítás alig segít. A szöveg és a hangválasztás számít.
- „A hosszú szöveget egyben kell beadni." Bekezdésenként jobb: egyenletesebb tempó, és a rossz rész külön újrázható.
- „A magyar mindenhol megy, csak a minőség változik." Van modell, aminek a nyelvlistáján egyszerűen nincs rajta.
Amit érdemes elvinni
Írd át a szöveget felolvasásra, mielőtt bármit beállítanál. Rövid mondatok, kiírt számok, tudatos írásjelek — ez négyszer annyit ér, mint a csúszkák. Aztán válassz modellt, és csak utána tanuld meg a jelölését, mert az modellenként más. Magyarnál pedig a nyelvlistát a konkrét modellen ellenőrizd. Ha a narráció videóba megy, arról a natív hang poszt mondja meg, mit hagyj a videómodellre, a saját hang klónozásáról pedig a voice cloningposzt szól.