SpaceXAI: Grok Voice TTS 1.0

Grok Text to Speech muuntaa kirjoitetun tekstin ilmaisulliseksi ääneksi valittavilla äänillä, tekstin sisäisillä esitysvihjeillä ja useilla tulostekoodekeilla. Dokumentoitu valmistajaperhe tukee kokonaista ja suoratoistettua puhetta sekä valinnaisia merkkitason ajoituksia.

Ailoot Ultra · Puhesynteesi POST /v1/audio/speech x-ai/grok-voice-tts-1.0

Tietoa mallista

Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.

Grok Text to Speech on Grok-ääniperheen tekstistä ääneksi -ominaisuus. Valmistaja dokumentoi ilmaisulliset sisäänrakennetut puhujat, tekstin sisäiset äänivihjeet ja median toistoon tai puhelinääneen soveltuvat tulostemuodot. Syötteenä on puhuttava puheteksti sekä ääni- ja kielivalinnat. Syntyvä tallenne on puhetta tästä tekstistä; puheentunnistuksella ja keskustelevilla puheesta puheeksi -malleilla on erilliset tehtävät.

Ääni, kieli ja puhuttu teksti

Valmistajan valikoima antaa jokaiselle äänelle esitysprofiilin. Ara on lämmin ja ystävällinen, Eve reipas brittiaksentilla, ja Rex kuvataan selkeäksi ja itsevarmaksi. Dokumentoidussa perheessä ääni ja kieli ovat riippumattomia: sisäänrakennetut puhujat voivat käyttää jokaista tuettua kielivalintaa. Opas luettelee kaksikymmentä kielikoodivaihtoehtoa aluevariantit mukaan lukien ja tukee myös automaattista kielentunnistusta. Sisäänrakennettujen puhujien lisäksi valmistaja dokumentoi viitetallenteesta luodut uudelleenkäytettävät mukautetut äänet, jotka valitaan voice_id-tunnisteella kokonaiseen tai suoratoistettuun synteesiin. Viiteääni voi olla enintään 120 sekuntia; esitystavan ja intonaation tallentamiseen suositellaan 90–120 sekuntia puhdasta yhden puhujan puhetta. Pidä viite, luotu ääniprofiili ja generoitu tallenne erillisinä tuotoksina ja sovita viitteen esitys aiottuun käsikirjoitukseen.

Valmistele lopullinen puhuttu sanamuoto säilyttäen nimien ja lainattujen katkelmien tarkoitettu kieli. Kerrotun oppaan hyödyllinen repliikki on: ”Valitse aihe, kuuntele lyhyt johdanto ja avaa osio, johon haluat tutustua.” Jos tuotemerkki tai erikoistermi tarvitsee tietyn lukutavan, valmistajan korvaussäätimet voivat antaa vaihtoehtoisen kirjoitusasun tai IPA-ääntämisen muuttamatta näytettyä lähdetekstiä. Erillinen tekstin normalisointivaihtoehto muuntaa kirjoitettuja lukuja, lyhenteitä ja symboleja puhuttuun muotoon.

Esitysvihjeet

Tekstin sisäiset tagit sijoittavat tiettyyn kohtaan tapahtuman, kuten tauon, naurun, huokauksen tai hengityksen. Ympäröivät tagit soveltavat esitystapaa kokonaiseen ilmaukseen, esimerkiksi kuiskausta, painotusta tai hitaampaa katkelmaa. Sijoita vihje merkityksen edellyttämään kohtaan ja pidä sanat luettavina. Opas suosittelee kokonaisten ilmausten tyylijaksoja ja välimerkkejä toisistaan irrallisten tagien pinon sijaan.

Valmistele ilmaisullisessa hahmorepliikissä puhuttu lause ja esityksen muutos yhdessä. Säilytä selityksessä selkeä rytmi, joka auttaa kuulijaa seuraamaan vaiheita. Dokumentoitu puhenopeusalue on 0.7–1.5, jossa 1.0 on normaali esitys. Nopeusvalinta muuttaa puheen tahtia; se ei muuta sanoja, jotka sovelluksen tulee välittää.

Ääni ja ajoitukset

Valmistaja dokumentoi MP3-, WAV-, raaka PCM-, mu-law- ja A-law-tulosteen. Tuetut näytteenottotaajuusvalinnat ulottuvat 8 kHz:stä 48 kHz:iin, ja välille on lueteltu tietyt taajuudet. MP3:n oletuskonfiguraatio on 24 kHz ja 128 kbit/s. Käytä äänen esitysmuotoa, jonka aiottu soitin, editointivaihe tai puhelinreitti pystyy tulkitsemaan.

Valinnaiset merkkiajoitukset yhdistävät palautetun merkkijonon alku- ja loppuaikoihin. Ilman ääntämiskorvauksia jono vastaa syötettä; korvaukset voivat muuttaa sen puhutuksi tekstiksi. Tiedot voivat tukea mukana luettavaa näyttöä, korostusta tai kohdistusta visuaaliseen esitykseen. Kokonaisen vastauksen työnkulussa ajoitusten pyytäminen muuttaa tulosteen kääreeksi, joka sisältää koodatun äänen ja ajoitustiedot. Käsittele ajoituksia ja ääntä parina erityisesti silloin, kun tekstin normalisointi avaa kirjoitetun symbolin useiksi puhutuiksi sanoiksi.

Kokonainen tai suoratoistettu generointi

Valmistaja tarjoaa kokonaisen pyynnön polun ja kaksisuuntaisen suoratoiston, jossa tekstifragmentit saapuvat ja ääniosat palautuvat ilmauksen muodostuessa. Se dokumentoi 60 000 merkin rajan sekä kokonaiselle pyynnölle että yksittäiselle suoratoistetulle tekstifragmentille. Ilmauksen viimeistelyllä tai tyhjentämisellä on nimenomainen rooli suoratoistotyönkulussa.

Valitse pidempään kerrontaan johdonmukaiset katkelmarajat ja säilytä käsikirjoitus jokaisen tuloksen yhteydessä. Erota vuorovaikutteisessa toistossa synteesiin lähetetty teksti kuulijan jo kuulemasta äänestä. Hyödyllinen tuotos on äänellä esitetty käsikirjoitus, jossa on tarkoitukselliset esitysvihjeet, sopiva äänimuoto ja ajoitustiedot sovelluksen niitä tarvitessa. Säilytä käsikirjoitus, valittu ääni, esitysvihjeet ja tulosteasetukset äänen yhteydessä, jotta myöhemmät korjaukset säilyttävät tarkoitetun esityksen.

Ailoot Ultra · Puhesynteesi POST /v1/audio/speech x-ai/grok-voice-tts-1.0

x-ai/grok-voice-tts-1.0

SpaceXAI /x-ai/grok-voice-tts-1.0

Aloitus

Hyväksytyt syötteet: Teksti
Tulokset: Ääni

Saatavilla Ailootissa · syötteet & menetelmät

Ailoot Ultra · Puhesynteesi POST /v1/audio/speech

Syötetyypit: text
Tulostyypit: audio
Tulosteen muoto: mp3

Kenttä	Tyyppi	Vaatimus	Arvot & rajat	Oletus
Kenttä`model`	Tyyppi`string`	VaatimusPakollinen	Arvot & rajat x-ai/grok-voice-tts-1.0	Oletus—
Kenttä`input`	Tyyppi`string`	VaatimusPakollinen	Arvot & rajat Vähimmäispituus: 1 Enimmäispituus: 15 000 Yksikkö: Unicode-merkit	Oletus—
Kenttä`voice`	Tyyppi`string`	VaatimusPakollinen	Arvot & rajat eve, ara, rex, sal, leo	Oletus—
Kenttä`response_format`	Tyyppi`string`	VaatimusPakollinen	Arvot & rajat mp3	Oletus—

Syöteaineistojen yhdistelmät

text_to_speech · Pakollinen: input

Menetelmän parametrit ja elinkaari

Parametri	Sopimus
Parametri`content_type`	Sopimusapplication/json
Parametri`required`	Sopimusmodel, input, voice, response_format
Parametri`voice_ids`	Sopimuseve, ara, rex, sal, leo
Parametri`response_format`	Sopimusmp3
Parametri`max_input_characters`	Sopimus15000
Parametri`other_options`	Sopimusfalse
Parametri`input`	Sopimustäsmällinen UTF-8-teksti; Unicode-merkkien määrä ilman normalisointia
Parametri`material_types`	Sopimustext

Elinkaari: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · todellisuudessa palautettu task_id tai mediakirjaston tietue

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Valitse juuri tämän malliprofiilin ääni.

Syötemerkit ja äänisekunnit ovat eri mittareita.

Hinnoittelu

Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.

Nopea tila: Ei määritetty Kun nopea tila on valittu
Flex-tila: Ei määritetty Kun flex-tila on valittu
Päättelyn enimmäisteho: Ei määritetty Kun päättelyn enimmäistehoon sovelletaan default-oletussäätöä

Ailoot-hinnat

Hinnat asetusten mukaan

Kohdista kukin veloitus näytettyihin ehtoihin. Käytä yhtä hintaa kutakin vaihtoehtoisten asetusten ryhmää kohden.

Asetukset	Hinnasto	Laskutettava määrä	Laskutusyksikkö	Veloitus
AsetuksetTokenien perushinnat	HinnastoPerushinta	Laskutettava määrä—	Laskutusyksikkö—	Veloitus Syöte · Syötetokenit — / 1K tokenia Tuloste · Tulostokenit — / 1K tokenia Syöte · Välimuistin luku — / 1K tokenia Syöte · Välimuistiin kirjoitus — / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia
AsetuksetUltra	Hinnasto—	Laskutettava määräJokainen Unicode-koodipiste lasketaan yhdeksi merkiksi, myös Han-merkit.	Laskutusyksikkö1K syötemerkkiä kohden	Veloitus Syöte · syötemerkki $0.03 1K syötemerkkiä kohden

Viitehinnaston tiedot

Mallitason viitehinnastot eivät muuta menetelmän valintaa, hinta-arvioita tai veloituksia. Käytössä olevat veloitukset käyttävät valitun Ailoot-menetelmän hintoja.

SpaceXAI: Grok Voice TTS 1.0

Hinnat asetusten mukaan

Asetukset	Laskutusehdot	Veloitus
AsetuksetSpaceXAI: Grok Voice TTS 1.0 · Oletusasetukset	LaskutusehdotOletuskokoonpano	Veloitus Syöte · Syötteen merkit 0,00003 $ syötemerkkiä kohden

Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →

Esimerkkipyynnöt

Ailoot Ultra · Puhesynteesi

curl

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "x-ai/grok-voice-tts-1.0", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["eve", "ara", "rex", "sal", "leo"]')
if voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile")
p["voice"]=voice
p["response_format"]="mp3"
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o speech.mp3

Vastaanota ja tallenna tulokset

Ailoot Ultra · Puhesynteesi

mp3

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

Muut sisällön lukukerrat

MediakirjastoTehtävän tilaAineiston tiedot

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_MEDIA_TASK_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-task.json").read_text())))
PY_RESULT

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_ASSET_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-asset.json").read_text())))
PY_RESULT

Säilytä kaikki valmistuneet tulokset

Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.

Säilytä koko binääritulos ja otsakkeet. Jos palautetaan JSON tai useita tulosteita, säilytä jokainen data-alkio ja nouda jokainen resurssi sen todellisesta allekirjoitetusta URL-osoitteesta.

Jos alkuperäinen vastaus on tarkistettava

Säilytä alkuperäinen operation_id/X-Client-Request-ID täsmäytystä varten lähettämättä pyyntöä uudelleen; erillistä äänen tilakyselyreittiä ei ole.

Vastauksen kentät

Kenttä	Tyyppi
Kenttä`binary audio`	Tyyppibytes
Kenttä`response headers`	Tyyppiheaders

Virheet ja seuraavat vaiheet

Vastaus	Ehto	Seuraava vaihe
Vastaus400 · `invalid_request_error`	EhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo	Seuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä.
Vastaus`server_error`	EhtoPalautettu vastaus ilmoittaa, että operaatio tai tulos edellyttää tarkistusta	Seuraava vaiheSäilytä alkuperäinen palautettu operaation tai tehtävän ID, pyynnön otsakkeet ja vastaus; jatka kyseisen alkuperäisen operaation tuettuja lukutoimintoja. Älä lähetä luontipyyntöä uudelleen.

Aliakset

Mallin aliakset

Ailoot Ultra x-ai/grok-voice-tts-1.0

Menetelmäpolkujen aliakset

Käytä yllä näytettyjä menetelmäpolkuja.

Liittyvät kutsujan ID:t

x-ai/grok-voice-tts-1.0

FAQ · SpaceXAI: Grok Voice TTS 1.0

Mitä syötteitä ja tuloksia on saatavilla?: POST /v1/audio/speech · x-ai/grok-voice-tts-1.0: text → audio
Mitä kenttiä pyyntö käyttää?: POST /v1/audio/speech · x-ai/grok-voice-tts-1.0: model, input, voice, response_format
Mitä rajoja sovelletaan?: POST /v1/audio/speech · x-ai/grok-voice-tts-1.0: input.maximum_length: 15000

SpaceXAI: Grok Voice TTS 1.0