SpaceXAI: Grok Voice TTS 1.0

A Grok Text to Speech írott szöveget alakít kifejező hanganyaggá választható hangokkal, szövegközi előadásjelzésekkel és több kimeneti kodekkel. A dokumentált gyártói család teljes és streamelt beszédet, valamint opcionális karakterszintű időadatokat támogat.

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

A modellről

Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.

A Grok Text to Speech a Grok hangcsalád szöveg–hang képessége. A gyártó kifejező beépített beszélőket, szövegközi hangjelzéseket, valamint médialejátszáshoz vagy telefonos hanghoz illő kimeneti formátumokat dokumentál. Bemenete a kimondandó átirat, hang- és nyelvválasztással együtt. Az elkészült felvétel az átiratból származó beszéd; a beszédfelismerés és a társalgási beszéd–beszéd modellek külön feladatokat végeznek.

Hang, nyelv és kimondandó szöveg

A gyártó katalógusa minden hangnak előadási jellemzőket ad. Ara meleg és barátságos, Eve élénk és brit akcentusú, Rexet világosnak és magabiztosnak írják le. A dokumentált családban a hang és a nyelv független: a beépített beszélők minden támogatott nyelvválasztással használhatók. Az útmutató húsz nyelvkód-lehetőséget sorol fel, regionális változatokkal együtt, és automatikus nyelvfelismerést is támogat. A beépített beszélők mellett a gyártó referenciafelvételből létrehozott, újra használható egyéni hangokat dokumentál, amelyek voice_id alapján választhatók ki teljes vagy streamelt szintézishez. A referenciahang legfeljebb 120 másodperces lehet; az előadás és intonáció rögzítéséhez 90–120 másodperc tiszta, egybeszélős beszéd ajánlott. A referenciát, a létrehozott hangprofilt és a generált felvételt külön anyagként őrizd meg, és a referencia előadását igazítsd a tervezett szöveghez.

Készítsd elő a végleges kimondandó megfogalmazást, megőrizve a nevek és idézett részletek kívánt nyelvét. Narrált útmutatóhoz hasznos mondat: „Válassz témát, hallgasd meg a rövid bevezetést, és nyisd meg a felfedezni kívánt részt.” Ha egy márkanév vagy szakkifejezés sajátos olvasatot igényel, a gyártó helyettesítési vezérlői átírást vagy IPA-kiejtést adhatnak a megjelenített forrásszöveg módosítása nélkül. Külön szövegnormalizálási lehetőség alakítja az írott számokat, rövidítéseket és szimbólumokat a kimondott alakjuk felé.

Előadásjelzések

A szövegközi címkék egy adott pontra helyeznek eseményt, például szünetet, nevetést, sóhajt vagy lélegzetvételt. A körülölelő címkék egy teljes fordulatra alkalmaznak előadást, például suttogást, hangsúlyt vagy lassabb részletet. A jelzést oda tedd, ahol a jelentés megkívánja, és a szavak maradjanak olvashatók. Az útmutató teljes fordulatokra kiterjedő stílusjelöléseket és írásjelezést ajánl egymáshoz nem kapcsolódó címkék halmozása helyett.

Kifejező karaktermegszólaláshoz a kimondott mondatot és az előadásváltást együtt készítsd elő. Magyarázatnál tarts világos ritmust, amely segíti a hallgatót a lépések követésében. A dokumentált beszédsebesség-tartomány 0.7–1.5, az 1.0 normál előadást jelent. A sebességválasztás a beszédtempót változtatja; nem változtatja meg az alkalmazás által közlendő szavakat.

Hang és időadatok

A gyártó MP3, WAV, nyers PCM, mu-law és A-law kimenetet dokumentál. A támogatott mintavételi lehetőségek 8 kHz-től 48 kHz-ig terjednek, a kettő között konkrétan felsorolt frekvenciákkal. Az alapértelmezett MP3-konfiguráció 24 kHz, 128 kbit/s. Olyan hangábrázolást használj, amelyet a tervezett lejátszó, szerkesztési szakasz vagy telefonos útvonal értelmezni tud.

Az opcionális karakter-időadatok a visszaadott karaktersorozatot kezdő- és végidőkhöz rendelik. Kiejtési helyettesítések nélkül a sorozat a bemenetet tükrözi; a helyettesítések a kimondott szövegre módosíthatják. Ezek együttolvasási megjelenítést, kiemelést vagy vizuális előadáshoz illesztést támogathatnak. A teljes válaszos munkafolyamatban az időadatok kérése kódolt hangot és időzítési adatokat tartalmazó válaszobjektummá változtatja a kimenetet. Az időadatokat és a hangot páros eredményként kezeld, különösen, ha a szövegnormalizálás egy írott szimbólumot több kimondott szóvá bont.

Teljes vagy streamelt generálás

A gyártó teljes kéréses útvonalat és kétirányú streamelést kínál, ahol szövegtöredékek érkeznek, és a megszólalás generálása közben hangdarabok térnek vissza. Teljes kéréshez és egyetlen streamelt szövegtöredékhez is 60 000 karakteres korlátot dokumentál. A megszólalás befejezésének vagy törlésének explicit szerepe van a streamelési munkafolyamatban.

Hosszabb narrációhoz összefüggő részlethatárokat válassz, és minden eredménnyel együtt őrizd meg a szöveget. Interaktív lejátszásnál különítsd el a szintézisre küldött szöveget a hallgató által már hallott hangtól. A hasznos eredmény egy megszólaltatott szöveg tudatos előadásjelzésekkel, megfelelő hangformátummal és időadatokkal, ha az alkalmazásnak szüksége van rájuk. A szöveget, kiválasztott hangot, előadásjelzéseket és kimeneti beállításokat őrizd meg a hanggal, hogy későbbi javításoknál megmaradjon a kívánt előadás.

Ailoot Ultra · Felolvasás 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

Kezdő lépések

Elfogadott bemenetek: Szöveg
Eredmények: Hang

Elérhető az Ailootban · bemenetek és metódusok

Ailoot Ultra · Felolvasás POST /v1/audio/speech

Bemenet: text
Kimenet: audio
Kimeneti formátum: mp3

Mező	Típus	Követelmény	Értékek és korlátok	Alapértelmezett
Mező`model`	Típus`string`	KövetelményKötelező	Értékek és korlátok x-ai/grok-voice-tts-1.0	Alapértelmezett—
Mező`input`	Típus`string`	KövetelményKötelező	Értékek és korlátok Minimális hossz: 1 Maximális hossz: 15 000 Egység: Unicode-karakterek	Alapértelmezett—
Mező`voice`	Típus`string`	KövetelményKötelező	Értékek és korlátok eve, ara, rex, sal, leo	Alapértelmezett—
Mező`response_format`	Típus`string`	KövetelményKötelező	Értékek és korlátok mp3	Alapértelmezett—

Bemeneti anyagok kombinációi

text_to_speech · Kötelező: input

Metódus paraméterei és életciklusa

Paraméter	Szerződés
Paraméter`content_type`	Szerződésapplication/json
Paraméter`required`	Szerződésmodel, input, voice, response_format
Paraméter`voice_ids`	Szerződéseve, ara, rex, sal, leo
Paraméter`response_format`	Szerződésmp3
Paraméter`max_input_characters`	Szerződés15000
Paraméter`other_options`	Szerződésfalse
Paraméter`input`	Szerződéspontos UTF-8 szöveg; Unicode-karakterszám normalizálás nélkül
Paraméter`material_types`	Szerződéstext

Életciklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · A ténylegesen visszaadott task_id vagy a médiatár bejegyzése

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

E modell profiljából válassza ki a pontos hangot.

A bemeneti karakterek és a hangmásodpercek külön mérési egységek.

Díjcsomagok

A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.

Gyors mód: Nincs megadva Ha a gyors mód van kiválasztva
Flex mód: Nincs megadva Ha a flex mód van kiválasztva
Maximális gondolkodási ráfordítás: Nincs megadva Ha a maximális gondolkodási ráfordításra a default beállításhoz tartozó korrekció vonatkozik

Ailoot-díjak

Árak beállításonként

Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.

Beállítás	Díjtáblázat	Számlázható mennyiség	Elszámolási egység	Díj
BeállításTokenek alapdíjai	DíjtáblázatAlapdíj	Számlázható mennyiség—	Elszámolási egység—	Díj Bemenet · Bemeneti tokenek — / 1K token Kimenet · Kimeneti tokenek — / 1K token Bemenet · Gyorsítótár olvasása — / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token
BeállításUltra	Díjtáblázat—	Számlázható mennyiségMinden Unicode-kódpont egy karakternek számít, a Han-karaktereket is beleértve.	Elszámolási egység1K bemeneti karakterenként	Díj Bemenet · bemeneti karakter $0.03 1K bemeneti karakterenként

A referencia-díjszabás részletei

A modellszintű referenciatáblázatok nem módosítják a metódusválasztást, az árajánlatokat vagy a díjakat. A tényleges díjak a kiválasztott Ailoot-metódus díjtételeit használják.

SpaceXAI: Grok Voice TTS 1.0

Árak beállításonként

Beállítás	Elszámolási feltételek	Díj
BeállításSpaceXAI: Grok Voice TTS 1.0 · Alapértelmezett beállítások	Elszámolási feltételekAlapértelmezett konfiguráció	Díj Bemenet · Bemeneti karakterek 0,00003 USD bemeneti karakterenként

Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →

Példakérések

Ailoot Ultra · Felolvasás

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

Eredmények fogadása és mentése

Ailoot Ultra · Felolvasás

mp3

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

További tartalomlekérések

MédiatárFeladat állapotaMédiafájl részletei

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

Őrizzen meg minden elkészült eredményt

Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.

Őrizze meg a teljes bináris eredményt és a fejléceket. JSON vagy több kimenet esetén őrizzen meg minden adatelemet, és töltse le minden ténylegesen visszaadott, aláírt média-URL tartalmát.

Ha az eredeti választ ellenőrizni kell

Őrizze meg az eredeti operation_id/X-Client-Request-ID értéket az egyeztetéshez, újbóli beküldés nélkül; nincs külön hangállapot-lekérdezési útvonal.

Válaszmezők

Mező	Típus
Mező`binary audio`	Típusbytes
Mező`response headers`	Típusheaders

Hibák és következő lépések

Válasz	Feltétel	Következő lépés
Válasz400 · `invalid_request_error`	FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték	Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt.
Válasz`server_error`	FeltételA visszaadott válasz szerint a művelet vagy az eredmény ellenőrzést igényel	Következő lépésŐrizze meg az eredetileg visszaadott művelet- vagy feladatazonosítót, a kérés fejléceit és a választ; folytassa az eredeti művelet támogatott lekérdezéseit. Ne küldje be újra a létrehozási kérést.

Álnevek

Modell álnevei

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

Metódusútvonalak álnevei

Használja a fent látható metódusútvonalakat.

Kapcsolódó modellazonosítók

x-ai/grok-voice-tts-1.0

FAQ · SpaceXAI: Grok Voice TTS 1.0

Milyen bemenetek és eredmények érhetők el?: POST /v1/audio/speech · x-ai/grok-voice-tts-1.0: text → audio
Mely mezőket használja a kérés?: POST /v1/audio/speech · x-ai/grok-voice-tts-1.0: model, input, voice, response_format
Milyen korlátok érvényesek?: POST /v1/audio/speech · x-ai/grok-voice-tts-1.0: input.maximum_length: 15000

SpaceXAI: Grok Voice TTS 1.0