SpaceXAI: Grok Voice TTS 1.0

Grok Text to Speech таңдалатын дауыстар, мәтін ішіндегі орындау белгілері және бірнеше нәтиже кодегі арқылы жазбаша мәтінді мәнерлі аудиоға айналдырады. Құжатталған өндіруші тобы толық және ағындық сөйлеуді, сондай-ақ міндетті емес таңба деңгейіндегі уақыт деректерін қолдайды.

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

Модель туралы

Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.

Grok Text to Speech — Grok дауыс тобының мәтінді аудиоға айналдыру мүмкіндігі. Өндіруші мәнерлі кіріктірілген сөйлеушілерді, мәтін ішіндегі дауыс белгілерін және медиа ойнатуға не телефон аудиосына сай нәтиже пішімдерін құжаттайды. Кіріс — дауыс пен тіл таңдауларымен бірге айтылуға тиіс транскрипт. Алынған жазба — сол транскрипттен жасалған сөйлеу; сөйлеуді тану және сөйлесуге арналған speech-to-speech модельдерінің міндеттері бөлек.

Дауыс, тіл және ауызша мәтін

Өндіруші каталогы әр дауысқа орындау профилін береді. Ara жылы әрі достық, Eve көтеріңкі және британдық акценті бар, ал Rex анық әрі сенімді деп сипатталған. Құжатталған топта дауыс пен тіл тәуелсіз: кіріктірілген сөйлеушілер әр қолдау көрсетілетін тіл таңдауын қолдана алады. Нұсқаулық аймақтық нұсқаларды қоса алғанда жиырма тіл коды нұсқасын атайды және тілді автоматты анықтауды да қолдайды. Кіріктірілген сөйлеушілермен қатар өндіруші референстік жазбадан жасалатын және толық не ағындық синтезге voice_id арқылы таңдалатын қайта қолданылатын жеке дауыстарды құжаттайды. Референстік аудио 120 секундқа дейін болуы мүмкін; орындау мен интонацияны қамту үшін таза, бір сөйлеушілі 90–120 секундтық сөйлеу ұсынылады. Референсті, жасалған дауыс профилін және жасалған жазбаны бөлек материалдар ретінде сақтап, референс орындауын қажетті сценарийге сәйкестендіріңіз.

Есімдер мен дәйексөз үзінділерінің қажетті тілін сақтап, соңғы ауызша тұжырымды дайындаңыз. Дыбысталған нұсқаулыққа пайдалы сөйлем: «Тақырып таңдаңыз, қысқа кіріспені тыңдаңыз және зерттегіңіз келетін бөлімді ашыңыз». Бренд атауы немесе арнайы термин белгілі бір оқылуды қажет етсе, өндірушінің алмастыру параметрлері экрандағы бастапқы мәтінді өзгертпей, қайта жазылған пішінді немесе IPA айтылымын бере алады. Бөлек мәтінді нормалау параметрі жазылған сандарды, қысқартуларды және символдарды ауызша пішінге айналдырады.

Орындау белгілері

Мәтін ішіндегі тегтер белгілі бір жерге кідіріс, күлкі, күрсіну немесе тыныс сияқты оқиғаны қояды. Қоршаушы тегтер толық тіркеске сыбырлау, екпін немесе баяуырақ үзінді сияқты орындауды қолданады. Белгіні мағына талап ететін жерге қойып, сөздерді оқуға ыңғайлы ұстаңыз. Нұсқаулық өзара қатыссыз тегтер үйіндісінің орнына толық тіркесті қамтитын стиль аралықтарын және тыныс белгілерін ұсынады.

Мәнерлі кейіпкер репликасы үшін айтылатын сөйлем мен орындау ауысуын бірге дайындаңыз. Түсіндірмеде тыңдаушыға қадамдарды қадағалауға көмектесетін анық ырғақ сақтаңыз. Құжатталған сөйлеу жылдамдығының ауқымы — 0.7–1.5, қалыпты орындау — 1.0. Жылдамдық таңдауы ауызша қарқынды өзгертеді; ол қолданба жеткізуі тиіс сөздерді өзгертпейді.

Аудио және уақыт деректері

Өндіруші MP3, WAV, өңделмеген PCM, mu-law және A-law нәтижесін құжаттайды. Қолдау көрсетілетін дискреттеу жиіліктері 8 kHz пен 48 kHz аралығын қамтиды, аралықта нақты аталған жиіліктер бар. Әдепкі MP3 конфигурациясы — 24 kHz, 128 kbit/s. Мақсатты ойнатқыш, өңдеу кезеңі немесе телефон жолы түсіне алатын аудио көріністі қолданыңыз.

Міндетті емес таңба уақыттары қайтарылған таңбалар тізбегін басталу және аяқталу уақыттарымен байланыстырады. Айтылым алмастырулары болмаса, бұл тізбек кірісті қайталайды; алмастырулар оны айтылған мәтінге өзгерте алады. Олар бірге оқылатын көрсетілімді, ерекшелеуді немесе визуалды орындаумен сәйкестендіруді қолдай алады. Толық жауап үдерісінде уақыттарды сұрау нәтижені кодталған аудио мен уақыт деректері бар қабықшаға өзгертеді. Әсіресе мәтінді нормалау жазылған символды бірнеше айтылатын сөзге кеңейткенде, уақыт деректері мен аудионы жұп нәтиже ретінде қарастырыңыз.

Толық немесе ағындық генерация

Өндіруші толық сұрау жолын және екібағытты ағындық беруді ұсынады; онда мәтін фрагменттері келіп, реплика жасалған сайын аудио бөліктері қайтады. Толық сұрау үшін де, жеке ағындық мәтін фрагменті үшін де 60,000 таңбалық шек құжатталған. Репликаны аяқтау немесе тазалау ағындық үдерісте айқын рөл атқарады.

Ұзын баяндау үшін тұтас мағыналы үзінді шекараларын таңдап, сценарийді әр нәтижемен бірге сақтаңыз. Интерактивті ойнатуда синтезге жіберілген мәтінді тыңдаушы естіп қойған аудиодан ажыратыңыз. Пайдалы нәтиже — саналы орындау белгілері, тиісті аудио пішімі және қолданба қажет етсе уақыт деректері бар дыбысталған сценарий. Кейінгі түзетулер қажетті орындауды сақтауы үшін сценарийді, таңдалған дауысты, орындау белгілерін және нәтиже баптауларын аудиомен бірге ұстаңыз.

Ailoot Ultra · Дыбыстау 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

Бастау

Қабылданатын кіріс деректері: Мәтін
Нәтижелер: Аудио

Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер

Ailoot Ultra · Дыбыстау POST /v1/audio/speech

Кіріс: text
Шығыс: audio
Шығыс пішімі: mp3

Өріс	Түрі	Талап	Мәндер мен шектеулер	Әдепкі
Өріс`model`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер x-ai/grok-voice-tts-1.0	Әдепкі—
Өріс`input`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер Ең аз ұзындық: 1 Ең үлкен ұзындық: 15 000 Бірлік: Unicode таңбалары	Әдепкі—
Өріс`voice`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер eve, ara, rex, sal, leo	Әдепкі—
Өріс`response_format`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер mp3	Әдепкі—

Кіріс материалдарының үйлесімдері

text_to_speech · Міндетті: input

Әдіс параметрлері мен өмірлік циклі

Параметр	Параметр талаптары
Параметр`content_type`	Параметр талаптарыapplication/json
Параметр`required`	Параметр талаптарыmodel, input, voice, response_format
Параметр`voice_ids`	Параметр талаптарыeve, ara, rex, sal, leo
Параметр`response_format`	Параметр талаптарыmp3
Параметр`max_input_characters`	Параметр талаптары15000
Параметр`other_options`	Параметр талаптарыfalse
Параметр`input`	Параметр талаптарыдәл UTF-8 мәтіні; қалыпқа келтірмей есептелген Unicode таңбалар саны
Параметр`material_types`	Параметр талаптарыtext

Өмірлік цикл: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Нақты қайтарылған task_id немесе медиатека жазбасы

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Осы модель профилінен нақты дауысты таңдаңыз.

Кіріс таңбалары мен аудио секундтары бөлек есептеу бірліктері болып саналады.

Тарифтер

Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.

Жылдам режим: Көрсетілмеген Жылдам режим таңдалғанда
Икемді режим: Көрсетілмеген flex режимі таңдалғанда
Ой қорытудың ең жоғары деңгейі: Көрсетілмеген Ой қорыту деңгейі ең жоғары болып, default түзетуі қолданылғанда

Ailoot мөлшерлемелері

Баптаулар бойынша бағалар

Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.

Баптау	Мөлшерлемелер кестесі	Төленетін мөлшер	Есептеу бірлігі	Төлем
БаптауТокендердің базалық тарифтері	Мөлшерлемелер кестесіНегізгі мөлшерлеме	Төленетін мөлшер—	Есептеу бірлігі—	Төлем Кіріс · Кіріс токендері — / 1K токен Шығыс · Шығыс токендері — / 1K токен Кіріс · Кэшті оқу — / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен
БаптауUltra	Мөлшерлемелер кестесі—	Төленетін мөлшерӘр Unicode код нүктесі, соның ішінде Han таңбалары, бір таңба болып саналады.	Есептеу бірлігі1K кіріс таңбасы үшін	Төлем Кіріс · кіріс таңбасы $0.03 1K кіріс таңбасы үшін

Анықтамалық тариф мәліметтері

Модельдің анықтамалық кестелері әдіс таңдауын, баға есебін не төлемді өзгертпейді. Қолданыстағы төлемдер таңдалған Ailoot әдісінің мөлшерлемелерімен есептеледі.

SpaceXAI: Grok Voice TTS 1.0

Баптаулар бойынша бағалар

Баптау	Төлемді есептеу шарттары	Төлем
БаптауSpaceXAI: Grok Voice TTS 1.0 · Әдепкі конфигурация	Төлемді есептеу шарттарыӘдепкі баптау	Төлем Кіріс · Кіріс таңбалары 0,00003 $ кіріс таңбасы үшін

Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →

Сұрау мысалдары

Ailoot Ultra · Дыбыстау

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

Нәтижелерді алу және сақтау

Ailoot Ultra · Дыбыстау

mp3

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

Басқа мазмұнды оқу

Медиа кітапханасыТапсырма күйіМатериал мәліметтері

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

Барлық дайын нәтижені сақтау

Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.

Толық бинарлық нәтижені және тақырыптарды сақтаңыз. JSON/бірнеше нәтиже қайтарылса, әрбір дерек элементін сақтап, активке берілген әрбір нақты қолтаңбаланған URL мекенжайынан жүктеп алыңыз.

Бастапқы жауапты тексеру қажет болса

Қайта жібермей салыстырып тексеру үшін бастапқы operation_id/X-Client-Request-ID мәнін сақтаңыз; аудио күйін мерзімді түрде сұратуға арналған жеке маршрут жоқ.

Жауап өрістері

Өріс	Түрі
Өріс`binary audio`	Түріbytes
Өріс`response headers`	Түріheaders

Қателер және келесі қадамдар

Жауап	Шарт	Келесі қадам
Жауап400 · `invalid_request_error`	ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате	Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз.
Жауап`server_error`	ШартҚайтарылған жауапта операцияны немесе нәтижені тексеру қажет екені көрсетілген	Келесі қадамБастапқыда қайтарылған операцияның/тапсырманың ID мәнін, сұрау тақырыптарын және жауабын сақтаңыз; сол бастапқы операцияны қолдау көрсетілетін тәсілдермен оқуды жалғастырыңыз. Жасау сұрауын қайта жібермеңіз.

Балама атаулар

Модельдердің балама атаулары

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

Әдіс жолдарының балама атаулары

Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.

Шақыруға арналған байланысты ID

x-ai/grok-voice-tts-1.0

FAQ · SpaceXAI: Grok Voice TTS 1.0

Қандай кіріс деректері мен нәтижелер қолжетімді?: POST /v1/audio/speech · x-ai/grok-voice-tts-1.0: text → audio
Сұрау қандай өрістерді пайдаланады?: POST /v1/audio/speech · x-ai/grok-voice-tts-1.0: model, input, voice, response_format
Қандай шектеулер қолданылады?: POST /v1/audio/speech · x-ai/grok-voice-tts-1.0: input.maximum_length: 15000

SpaceXAI: Grok Voice TTS 1.0