Grok Text to Speech는 Grok 음성 계열의 텍스트 오디오 변환 기능입니다. 제조사는 표현력 있는 내장 화자, 텍스트 안의 발성 신호, 미디어 재생이나 전화 오디오에 적합한 출력 형식을 문서화합니다. 입력은 읽을 발화문과 목소리 및 언어 선택입니다. 결과 녹음은 해당 발화문을 읽은 음성입니다. 음성 인식 및 대화형 음성 간 변환 모델은 별도의 작업을 수행합니다.
제작사 목록은 각 목소리의 표현 특성을 제공합니다. Ara는 따뜻하고 친근하며, Eve는 영국 억양으로 활기차고, Rex는 명확하고 자신감 있는 목소리로 설명됩니다. 문서화된 계열에서 목소리와 언어는 독립적입니다. 내장 화자는 지원되는 각 언어 선택을 사용할 수 있습니다. 안내에는 지역 변형을 포함한 20개의 언어 코드 옵션이 있으며 자동 언어 감지도 지원합니다. 내장 화자 외에 제작사는 참조 녹음에서 만든 재사용 가능한 사용자 지정 목소리를 설명하며, 전체 또는 스트리밍 합성에서 voice_id로 선택합니다. 참조 오디오는 최대 120초이며 표현과 억양을 담기 위해 깨끗한 단일 화자 음성 90~120초를 권장합니다. 참조, 생성된 목소리 프로필, 생성 녹음은 별도 결과물로 보관하고 참조 연기를 의도한 대본에 맞추세요.
최종 발화 문구를 준비하고 이름과 인용 문단의 의도한 언어를 보존하세요. 가이드 내레이션에는 “주제를 선택하고 짧은 소개를 들은 뒤 더 살펴볼 구간을 여세요.”라는 문장을 사용할 수 있습니다. 브랜드 이름이나 전문 용어에 특정 읽기가 필요하면 제조사의 대체 제어로 화면에 표시되는 원문을 바꾸지 않고 다른 철자나 IPA 발음을 제공할 수 있습니다. 별도의 텍스트 정규화 옵션은 작성된 숫자, 약어, 기호를 발화 형태로 변환합니다.
텍스트 안의 태그는 특정 지점에 멈춤, 웃음, 한숨, 호흡 같은 사건을 놓습니다. 감싸는 태그는 속삭이기, 강조, 느린 문단처럼 완전한 문구에 표현을 적용합니다. 의미상 필요한 위치에 신호를 놓고 단어를 읽기 쉽게 유지하세요. 안내는 무관한 태그를 쌓기보다 완결된 문구 단위의 스타일 범위와 문장부호를 권장합니다.
표현력 있는 캐릭터 대사는 발화 문장과 연기 변화를 함께 준비하세요. 설명에서는 청취자가 단계를 따라갈 수 있는 명확한 리듬을 유지하세요. 문서에 명시된 말하기 속도 범위는 0.7~1.5이며 1.0은 일반 속도입니다. 속도 선택은 말하는 속도를 바꾸지만 애플리케이션이 전달해야 할 단어를 바꾸지 않습니다.
제작사는 MP3, WAV, 원시 PCM, mu-law, A-law 출력을 문서화합니다. 지원 샘플 레이트 선택은 8~48 kHz 범위이며 그 사이의 특정 값이 나열되어 있습니다. 기본 MP3 설정은 24 kHz, 128 kbit/s입니다. 사용할 플레이어, 편집 단계, 전화 경로가 해석할 수 있는 오디오 표현 방식을 사용하세요.
선택적인 문자 시간 정보는 반환된 문자 시퀀스를 시작 및 종료 시간과 연결합니다. 발음 대체가 없으면 시퀀스는 입력을 반영하고, 대체가 있으면 실제로 읽는 텍스트로 달라질 수 있습니다. 이는 따라 읽기 표시, 강조 표시, 시각적 연기와의 정렬에 활용할 수 있습니다. 전체 응답 워크플로에서 시간 정보를 요청하면 출력은 인코딩된 오디오와 시간 데이터를 포함하는 봉투 구조로 바뀝니다. 특히 텍스트 정규화가 작성된 기호 하나를 여러 발화 단어로 확장할 때 시간 정보와 오디오를 한 쌍의 결과로 취급하세요.
제조사는 전체 요청 경로와 양방향 스트리밍을 제공합니다. 스트리밍에서는 텍스트 조각이 들어오고 발화가 생성되는 동안 오디오 청크가 반환됩니다. 전체 요청과 개별 스트리밍 텍스트 조각에 각각 60,000자 한도가 명시되어 있습니다. 스트리밍 워크플로에서 발화 완료나 초기화에는 명시적인 역할이 있습니다.
긴 내레이션에서는 내용이 이어지는 문단 경계를 선택하고 각 결과에 대본을 함께 보관하세요. 대화형 재생에서는 합성에 보낸 텍스트와 청취자가 이미 들은 오디오를 구분하세요. 유용한 결과물은 의도적인 연기 신호, 적절한 오디오 형식, 애플리케이션에 필요한 경우 시간 데이터를 갖춘 대본의 음성입니다. 이후 수정에서도 의도한 표현을 보존하도록 대본, 선택한 목소리, 연기 신호, 출력 설정을 오디오와 함께 보관하세요.
", "aboutText": "Grok Text to Speech는 Grok 음성 계열의 텍스트 오디오 변환 기능입니다. 제조사는 표현력 있는 내장 화자, 텍스트 안의 발성 신호, 미디어 재생이나 전화 오디오에 적합한 출력 형식을 문서화합니다. 입력은 읽을 발화문과 목소리 및 언어 선택입니다. 결과 녹음은 해당 발화문을 읽은 음성입니다. 음성 인식 및 대화형 음성 간 변환 모델은 별도의 작업을 수행합니다.\n\n### 목소리, 언어, 발화 텍스트\n\n제작사 목록은 각 목소리의 표현 특성을 제공합니다. Ara는 따뜻하고 친근하며, Eve는 영국 억양으로 활기차고, Rex는 명확하고 자신감 있는 목소리로 설명됩니다. 문서화된 계열에서 목소리와 언어는 독립적입니다. 내장 화자는 지원되는 각 언어 선택을 사용할 수 있습니다. 안내에는 지역 변형을 포함한 20개의 언어 코드 옵션이 있으며 자동 언어 감지도 지원합니다. 내장 화자 외에 제작사는 참조 녹음에서 만든 재사용 가능한 사용자 지정 목소리를 설명하며, 전체 또는 스트리밍 합성에서 voice_id로 선택합니다. 참조 오디오는 최대 120초이며 표현과 억양을 담기 위해 깨끗한 단일 화자 음성 90~120초를 권장합니다. 참조, 생성된 목소리 프로필, 생성 녹음은 별도 결과물로 보관하고 참조 연기를 의도한 대본에 맞추세요.\n\n최종 발화 문구를 준비하고 이름과 인용 문단의 의도한 언어를 보존하세요. 가이드 내레이션에는 “주제를 선택하고 짧은 소개를 들은 뒤 더 살펴볼 구간을 여세요.”라는 문장을 사용할 수 있습니다. 브랜드 이름이나 전문 용어에 특정 읽기가 필요하면 제조사의 대체 제어로 화면에 표시되는 원문을 바꾸지 않고 다른 철자나 IPA 발음을 제공할 수 있습니다. 별도의 텍스트 정규화 옵션은 작성된 숫자, 약어, 기호를 발화 형태로 변환합니다.\n\n### 연기 신호\n\n텍스트 안의 태그는 특정 지점에 멈춤, 웃음, 한숨, 호흡 같은 사건을 놓습니다. 감싸는 태그는 속삭이기, 강조, 느린 문단처럼 완전한 문구에 표현을 적용합니다. 의미상 필요한 위치에 신호를 놓고 단어를 읽기 쉽게 유지하세요. 안내는 무관한 태그를 쌓기보다 완결된 문구 단위의 스타일 범위와 문장부호를 권장합니다.\n\n표현력 있는 캐릭터 대사는 발화 문장과 연기 변화를 함께 준비하세요. 설명에서는 청취자가 단계를 따라갈 수 있는 명확한 리듬을 유지하세요. 문서에 명시된 말하기 속도 범위는 0.7~1.5이며 1.0은 일반 속도입니다. 속도 선택은 말하는 속도를 바꾸지만 애플리케이션이 전달해야 할 단어를 바꾸지 않습니다.\n\n### 오디오와 시간 정보\n\n제작사는 MP3, WAV, 원시 PCM, mu-law, A-law 출력을 문서화합니다. 지원 샘플 레이트 선택은 8~48 kHz 범위이며 그 사이의 특정 값이 나열되어 있습니다. 기본 MP3 설정은 24 kHz, 128 kbit/s입니다. 사용할 플레이어, 편집 단계, 전화 경로가 해석할 수 있는 오디오 표현 방식을 사용하세요.\n\n선택적인 문자 시간 정보는 반환된 문자 시퀀스를 시작 및 종료 시간과 연결합니다. 발음 대체가 없으면 시퀀스는 입력을 반영하고, 대체가 있으면 실제로 읽는 텍스트로 달라질 수 있습니다. 이는 따라 읽기 표시, 강조 표시, 시각적 연기와의 정렬에 활용할 수 있습니다. 전체 응답 워크플로에서 시간 정보를 요청하면 출력은 인코딩된 오디오와 시간 데이터를 포함하는 봉투 구조로 바뀝니다. 특히 텍스트 정규화가 작성된 기호 하나를 여러 발화 단어로 확장할 때 시간 정보와 오디오를 한 쌍의 결과로 취급하세요.\n\n### 전체 또는 스트리밍 생성\n\n제조사는 전체 요청 경로와 양방향 스트리밍을 제공합니다. 스트리밍에서는 텍스트 조각이 들어오고 발화가 생성되는 동안 오디오 청크가 반환됩니다. 전체 요청과 개별 스트리밍 텍스트 조각에 각각 60,000자 한도가 명시되어 있습니다. 스트리밍 워크플로에서 발화 완료나 초기화에는 명시적인 역할이 있습니다.\n\n긴 내레이션에서는 내용이 이어지는 문단 경계를 선택하고 각 결과에 대본을 함께 보관하세요. 대화형 재생에서는 합성에 보낸 텍스트와 청취자가 이미 들은 오디오를 구분하세요. 유용한 결과물은 의도적인 연기 신호, 적절한 오디오 형식, 애플리케이션에 필요한 경우 시간 데이터를 갖춘 대본의 음성입니다. 이후 수정에서도 의도한 표현을 보존하도록 대본, 선택한 목소리, 연기 신호, 출력 설정을 오디오와 함께 보관하세요.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "602302d050951cf96c13aab93e7bab6d5e8a60aba57ecf5989d1aa706f80830d", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ko", "methods": [ { "html": "x-ai/grok-voice-tts-1.0Grok Text to Speech는 선택 가능한 목소리, 텍스트 안의 연기 신호, 여러 출력 코덱을 사용해 작성된 텍스트를 표현력 있는 오디오로 바꿉니다. 문서에 명시된 제작사 계열은 전체 및 스트리밍 음성과 선택적인 문자별 시간 정보를 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Grok Text to Speech는 Grok 음성 계열의 텍스트 오디오 변환 기능입니다. 제조사는 표현력 있는 내장 화자, 텍스트 안의 발성 신호, 미디어 재생이나 전화 오디오에 적합한 출력 형식을 문서화합니다. 입력은 읽을 발화문과 목소리 및 언어 선택입니다. 결과 녹음은 해당 발화문을 읽은 음성입니다. 음성 인식 및 대화형 음성 간 변환 모델은 별도의 작업을 수행합니다.
제작사 목록은 각 목소리의 표현 특성을 제공합니다. Ara는 따뜻하고 친근하며, Eve는 영국 억양으로 활기차고, Rex는 명확하고 자신감 있는 목소리로 설명됩니다. 문서화된 계열에서 목소리와 언어는 독립적입니다. 내장 화자는 지원되는 각 언어 선택을 사용할 수 있습니다. 안내에는 지역 변형을 포함한 20개의 언어 코드 옵션이 있으며 자동 언어 감지도 지원합니다. 내장 화자 외에 제작사는 참조 녹음에서 만든 재사용 가능한 사용자 지정 목소리를 설명하며, 전체 또는 스트리밍 합성에서 voice_id로 선택합니다. 참조 오디오는 최대 120초이며 표현과 억양을 담기 위해 깨끗한 단일 화자 음성 90~120초를 권장합니다. 참조, 생성된 목소리 프로필, 생성 녹음은 별도 결과물로 보관하고 참조 연기를 의도한 대본에 맞추세요.
최종 발화 문구를 준비하고 이름과 인용 문단의 의도한 언어를 보존하세요. 가이드 내레이션에는 “주제를 선택하고 짧은 소개를 들은 뒤 더 살펴볼 구간을 여세요.”라는 문장을 사용할 수 있습니다. 브랜드 이름이나 전문 용어에 특정 읽기가 필요하면 제조사의 대체 제어로 화면에 표시되는 원문을 바꾸지 않고 다른 철자나 IPA 발음을 제공할 수 있습니다. 별도의 텍스트 정규화 옵션은 작성된 숫자, 약어, 기호를 발화 형태로 변환합니다.
텍스트 안의 태그는 특정 지점에 멈춤, 웃음, 한숨, 호흡 같은 사건을 놓습니다. 감싸는 태그는 속삭이기, 강조, 느린 문단처럼 완전한 문구에 표현을 적용합니다. 의미상 필요한 위치에 신호를 놓고 단어를 읽기 쉽게 유지하세요. 안내는 무관한 태그를 쌓기보다 완결된 문구 단위의 스타일 범위와 문장부호를 권장합니다.
표현력 있는 캐릭터 대사는 발화 문장과 연기 변화를 함께 준비하세요. 설명에서는 청취자가 단계를 따라갈 수 있는 명확한 리듬을 유지하세요. 문서에 명시된 말하기 속도 범위는 0.7~1.5이며 1.0은 일반 속도입니다. 속도 선택은 말하는 속도를 바꾸지만 애플리케이션이 전달해야 할 단어를 바꾸지 않습니다.
제작사는 MP3, WAV, 원시 PCM, mu-law, A-law 출력을 문서화합니다. 지원 샘플 레이트 선택은 8~48 kHz 범위이며 그 사이의 특정 값이 나열되어 있습니다. 기본 MP3 설정은 24 kHz, 128 kbit/s입니다. 사용할 플레이어, 편집 단계, 전화 경로가 해석할 수 있는 오디오 표현 방식을 사용하세요.
선택적인 문자 시간 정보는 반환된 문자 시퀀스를 시작 및 종료 시간과 연결합니다. 발음 대체가 없으면 시퀀스는 입력을 반영하고, 대체가 있으면 실제로 읽는 텍스트로 달라질 수 있습니다. 이는 따라 읽기 표시, 강조 표시, 시각적 연기와의 정렬에 활용할 수 있습니다. 전체 응답 워크플로에서 시간 정보를 요청하면 출력은 인코딩된 오디오와 시간 데이터를 포함하는 봉투 구조로 바뀝니다. 특히 텍스트 정규화가 작성된 기호 하나를 여러 발화 단어로 확장할 때 시간 정보와 오디오를 한 쌍의 결과로 취급하세요.
제조사는 전체 요청 경로와 양방향 스트리밍을 제공합니다. 스트리밍에서는 텍스트 조각이 들어오고 발화가 생성되는 동안 오디오 청크가 반환됩니다. 전체 요청과 개별 스트리밍 텍스트 조각에 각각 60,000자 한도가 명시되어 있습니다. 스트리밍 워크플로에서 발화 완료나 초기화에는 명시적인 역할이 있습니다.
긴 내레이션에서는 내용이 이어지는 문단 경계를 선택하고 각 결과에 대본을 함께 보관하세요. 대화형 재생에서는 합성에 보낸 텍스트와 청취자가 이미 들은 오디오를 구분하세요. 유용한 결과물은 의도적인 연기 신호, 적절한 오디오 형식, 애플리케이션에 필요한 경우 시간 데이터를 갖춘 대본의 음성입니다. 이후 수정에서도 의도한 표현을 보존하도록 대본, 선택한 목소리, 연기 신호, 출력 설정을 오디오와 함께 보관하세요.
POST /v1/audio/speechtextaudio| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 x-ai/grok-voice-tts-1.0 | 기본값— |
필드input | 유형string | 요건필수 | 값과 한도 최소 길이: 1 최대 길이: 15,000 단위: Unicode 문자 | 기본값— |
필드voice | 유형string | 요건필수 | 값과 한도 eve, ara, rex, sal, leo | 기본값— |
필드response_format | 유형string | 요건필수 | 값과 한도 mp3 | 기본값— |
text_to_speech · 필수: input
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, input, voice, response_format |
매개변수voice_ids | 명세eve, ara, rex, sal, leo |
매개변수response_format | 명세mp3 |
매개변수max_input_characters | 명세15000 |
매개변수other_options | 명세false |
매개변수input | 명세정확한 UTF-8 텍스트; 정규화 없이 계산한 유니코드 문자 수 |
매개변수material_types | 명세text |
수명 주기: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · 실제로 반환된 task_id 또는 미디어 라이브러리 기록
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
이 모델 프로필에 있는 정확한 음성을 선택하세요.
입력 문자 수와 오디오 초는 서로 다른 측정 단위입니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 과금 대상 수량 | 과금 단위 | 요금 |
|---|---|---|---|---|
| 설정기본 토큰 요금 | 요금표기본 요금 | 과금 대상 수량— | 과금 단위— | 요금 입력 · 입력 토큰 — / 1K 토큰 출력 · 출력 토큰 — / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Ultra | 요금표— | 과금 대상 수량한자를 포함해 Unicode 코드 포인트 하나를 문자 하나로 계산합니다. | 과금 단위입력 문자 1K개당 | 요금 입력 · 입력 문자 $0.03 입력 문자 1K개당 |
모델 수준의 참조 요금표는 메서드 선택, 견적 또는 요금을 변경하지 않습니다. 실제 과금에는 선택한 Ailoot 메서드 요금이 적용됩니다.
| 설정 | 과금 조건 | 요금 |
|---|---|---|
| 설정SpaceXAI: Grok Voice TTS 1.0 · 기본 설정 | 과금 조건기본 설정 | 요금 입력 · 입력 문자 수 US$0.00003 입력 문자당 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}"\nexport AILOOT_VOICE_ID\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "x-ai/grok-voice-tts-1.0", "input": "Good afternoon! This is a short voice take."}')\nvoice=os.environ["AILOOT_VOICE_ID"]\nallowed=json.loads('["eve", "ara", "rex", "sal", "leo"]')\nif voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile")\np["voice"]=voice\np["response_format"]="mp3"\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o speech.mp3\nmp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"\nexport AILOOT_MEDIA_TASK_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("media-task.json").read_text())))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"\nexport AILOOT_ASSET_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("media-asset.json").read_text())))\nPY_RESULT\n반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
바이너리 결과 전체와 헤더를 보관하세요. JSON 또는 여러 출력이 반환되면 모든 데이터 항목을 보관하고 실제로 반환된 서명된 자산 URL을 각각 조회하세요.
다시 제출하지 말고 정산 대조를 위해 최초 operation_id/X-Client-Request-ID를 보관하세요. 전용 오디오 폴링 라우트는 없습니다.
| 필드 | 유형 |
|---|---|
필드binary audio | 유형bytes |
필드response headers | 유형headers |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
응답server_error | 조건반환된 응답에 작업 또는 결과 확인이 필요하다고 표시되어 있습니다 | 다음 단계최초로 반환된 작업/태스크 ID, 요청 헤더와 응답을 보관하고, 지원되는 조회 방식으로 해당 최초 작업을 계속 조회하세요. 생성 요청을 다시 제출하지 마세요. |
Ailoot Ultra x-ai/grok-voice-tts-1.0
위에 표시된 메서드 경로를 사용하세요.