SpaceXAI: Grok Voice TTS 1.0

Grok Text to Speech paverčia rašytinį tekstą išraiškingu garsu su pasirenkamais balsais, tekste įterptomis atlikimo žymomis ir keliais išvesties kodekais. Dokumentuota gamintojo šeima palaiko pilną bei srautinę kalbą ir pasirenkamas ženklų lygmens laiko žymas.

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

Apie modelį

Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.

Grok Text to Speech yra Grok balsų šeimos teksto pavertimo garsu galimybė. Gamintojas dokumentuoja išraiškingus integruotus kalbėtojus, tekste įterptas balso žymas ir medijos atkūrimui ar telefonijos garsui tinkamus išvesties formatus. Įvestis yra tekstas, kurį reikia ištarti, kartu su balso bei kalbos pasirinkimais. Gautame įraše įgarsinamas tas tekstas; kalbos atpažinimo ir pokalbiniai modeliai, priimantys kalbą ir grąžinantys kalbą, atlieka atskiras užduotis.

Balsas, kalba ir sakytinis tekstas

Gamintojo kataloge kiekvienam balsui suteikiamas kalbėjimo profilis. Ara yra šiltas ir draugiškas, Eve – žvalus su britišku akcentu, o Rex apibūdinamas kaip aiškus ir pasitikintis. Dokumentuotoje šeimoje balsas ir kalba nepriklausomi: integruoti kalbėtojai gali naudoti kiekvieną palaikomą kalbos pasirinkimą. Vadove pateikiama dvidešimt kalbos kodų parinkčių, įskaitant regioninius variantus, ir taip pat palaikomas automatinis kalbos aptikimas. Be integruotų kalbėtojų, gamintojas dokumentuoja pakartotinai naudojamus individualius balsus, sukuriamus iš etaloninio įrašo ir pasirenkamus pagal voice_id pilnai ar srautinei sintezei. Etaloninis garsas gali trukti iki 120 sekundžių; kalbėjimo manierai ir intonacijai užfiksuoti rekomenduojama 90–120 sekundžių švarios vieno kalbėtojo kalbos. Etaloną, sukurtą balso profilį ir sugeneruotą įrašą saugokite kaip atskirus rezultatus, o etalono atlikimą derinkite su numatytu tekstu.

Paruoškite galutinę sakytinę formuluotę, išsaugodami numatytą vardų ir cituojamų ištraukų kalbą. Įgarsintam vadovui naudinga frazė: „Pasirinkite temą, išklausykite trumpą įvadą ir atidarykite dalį, kurią norite tyrinėti.“ Jei prekės ženklo pavadinimui ar specializuotam terminui reikia konkretaus skaitymo, gamintojo pakeitimo valdikliai gali pateikti kitą rašybą ar IPA tarimą nekeisdami rodomo šaltinio teksto. Atskira teksto normalizavimo parinktis paverčia rašytinius skaičius, santrumpas ir simbolius jų sakytinės formos link.

Atlikimo žymos

Tekste įterptos žymos nurodo įvykį konkrečioje vietoje, pavyzdžiui, pauzę, juoką, atodūsį ar įkvėpimą. Apgaubiančios žymos taiko kalbėjimo manierą visai frazei, pavyzdžiui, šnabždesį, pabrėžimą ar lėtesnę ištrauką. Žymą dėkite ten, kur jos reikia prasmei, ir išlaikykite žodžius skaitomus. Vadove rekomenduojamos pilnas frazes apimančios stiliaus atkarpos ir skyryba, o ne nesusijusių žymų krūva.

Išraiškingai veikėjo frazei kartu paruoškite sakytinį sakinį ir atlikimo pokytį. Paaiškinimui išlaikykite aiškų ritmą, padedantį klausytojui sekti veiksmus. Dokumentuotas kalbėjimo greičio intervalas yra nuo 0.7 iki 1.5, o 1.0 reiškia įprastą kalbėjimą. Greičio pasirinkimas keičia sakytinį tempą; jis nekeičia žodžių, kuriuos programa turi perteikti.

Garsas ir laiko žymos

Gamintojas dokumentuoja MP3, WAV, neapdoroto PCM, mu-law ir A-law išvestį. Palaikomi diskretizavimo dažnių pasirinkimai apima nuo 8 kHz iki 48 kHz su konkrečiais išvardytais dažniais tarp šių reikšmių. Numatytoji MP3 konfigūracija yra 24 kHz ir 128 kbit/s. Naudokite garso atvaizdavimą, kurį gali suprasti numatytas leistuvas, redagavimo etapas ar telefonijos kelias.

Pasirenkamos ženklų laiko žymos susieja grąžintą ženklų seką su pradžios ir pabaigos laikais. Be tarimo pakeitimų ši seka atspindi įvestį; pakeitimai gali ją paversti sakytiniu tekstu. Jos gali palaikyti kartu su garsu skaitomą rodinį, paryškinimą ar suderinimą su vaizdiniu atlikimu. Pilno atsako procese paprašius laiko žymų išvestis tampa apvalkalu su koduotu garsu ir laiko duomenimis. Laiko žymas ir garsą laikykite poriniu rezultatu, ypač kai teksto normalizavimas rašytinį simbolį išskleidžia į kelis sakytinius žodžius.

Pilnas arba srautinis generavimas

Gamintojas siūlo pilnos užklausos kelią ir dvikryptį srautinį perdavimą, kuriame teksto fragmentai atkeliauja, o garso dalys grąžinamos generuojant pasakymą. Jis dokumentuoja 60 000 ženklų ribą pilnai užklausai ir atskiram srautiniu būdu siunčiamam teksto fragmentui. Pasakymo užbaigimas ar išvalymas srautiniame procese turi aiškų vaidmenį.

Ilgesniam pasakojimui pasirinkite nuoseklias ištraukų ribas ir su kiekvienu rezultatu išsaugokite tekstą. Interaktyviam atkūrimui atskirkite sintezei išsiųstą tekstą nuo klausytojo jau išgirsto garso. Naudingas rezultatas yra įgarsintas tekstas su tikslingomis atlikimo žymomis, tinkamu garso formatu ir laiko duomenimis, kai programai jų reikia. Kartu su garsu saugokite tekstą, pasirinktą balsą, atlikimo žymas bei išvesties nustatymus, kad vėlesnės pataisos išlaikytų numatytą kalbėjimą.

Ailoot Ultra · Įgarsinimas 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

Pradžia

Leidžiamos įvestys: Tekstas
Rezultatai: Garsas

Prieinama Ailoot · įvestys ir metodai

Ailoot Ultra · Įgarsinimas POST /v1/audio/speech

Įvestis: text
Išvestis: audio
Išvesties formatas: mp3

Laukas	Tipas	Reikalavimas	Reikšmės ir ribos	Numatyta
Laukas`model`	Tipas`string`	ReikalavimasPrivaloma	Reikšmės ir ribos x-ai/grok-voice-tts-1.0	Numatyta—
Laukas`input`	Tipas`string`	ReikalavimasPrivaloma	Reikšmės ir ribos Mažiausias ilgis: 1 Didžiausias ilgis: 15 000 Vienetas: Unicode simboliai	Numatyta—
Laukas`voice`	Tipas`string`	ReikalavimasPrivaloma	Reikšmės ir ribos eve, ara, rex, sal, leo	Numatyta—
Laukas`response_format`	Tipas`string`	ReikalavimasPrivaloma	Reikšmės ir ribos mp3	Numatyta—

Įvesties medžiagos deriniai

text_to_speech · Privaloma: input

Metodo parametrai ir gyvavimo ciklas

Parametras	Specifikacija
Parametras`content_type`	Specifikacijaapplication/json
Parametras`required`	Specifikacijamodel, input, voice, response_format
Parametras`voice_ids`	Specifikacijaeve, ara, rex, sal, leo
Parametras`response_format`	Specifikacijamp3
Parametras`max_input_characters`	Specifikacija15000
Parametras`other_options`	Specifikacijafalse
Parametras`input`	Specifikacijatikslus UTF-8 tekstas; Unicode simbolių skaičius be normalizavimo
Parametras`material_types`	Specifikacijatext

Gyvavimo ciklas: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · faktiškai grąžinta task_id reikšmė arba medijos bibliotekos įrašas

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Pasirinkite tikslų balsą iš šio modelio profilio.

Įvesties simboliai ir garso sekundės yra skirtingi apskaitos vienetai.

Planai

Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.

Spartusis režimas: Nenurodyta Pasirinkus spartųjį režimą
Flex režimas: Nenurodyta Pasirinkus flex režimą
Didžiausios samprotavimo pastangos: Nenurodyta Kai didžiausioms samprotavimo pastangoms taikomas numatytasis koregavimas (default)

Ailoot įkainiai

Kainos pagal konfigūraciją

Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.

Konfigūracija	Įkainių lentelė	Apmokestinamas kiekis	Apskaitos vienetas	Mokestis
KonfigūracijaBaziniai žetonų įkainiai	Įkainių lentelėBazinis įkainis	Apmokestinamas kiekis—	Apskaitos vienetas—	Mokestis Įvestis · Įvesties tokenai — / 1K tokenų Išvestis · Išvesties tokenai — / 1K tokenų Įvestis · Talpyklos skaitymas — / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų
KonfigūracijaUltra	Įkainių lentelė—	Apmokestinamas kiekisKiekvienas Unicode kodo taškas, įskaitant Han simbolius, skaičiuojamas kaip vienas simbolis.	Apskaitos vienetasuž 1K įvesties simbolių	Mokestis Įvestis · įvesties simbolis $0.03 už 1K įvesties simbolių

Informacinio tarifo duomenys

Modelio informacinės lentelės nekeičia metodo pasirinkimo, kainos įverčių ar mokesčių. Galiojantys mokesčiai nustatomi pagal pasirinkto Ailoot metodo įkainius.

SpaceXAI: Grok Voice TTS 1.0

Kainos pagal konfigūraciją

Konfigūracija	Apmokestinimo sąlygos	Mokestis
KonfigūracijaSpaceXAI: Grok Voice TTS 1.0 · Numatytoji konfigūracija	Apmokestinimo sąlygosNumatytoji konfigūracija	Mokestis Įvestis · Įvesties simboliai 0,00003 USD už įvesties simbolį

Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →

Užklausų pavyzdžiai

Ailoot Ultra · Įgarsinimas

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

Gauti ir išsaugoti rezultatus

Ailoot Ultra · Įgarsinimas

mp3

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

Kito turinio skaitymas

Medijos bibliotekaUžduoties būsenaMedžiagos duomenys

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

Išsaugoti visus baigtus rezultatus

Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.

Išsaugokite visą dvejetainį rezultatą ir antraštes. Jei grąžinamas JSON arba keli rezultatai, išsaugokite kiekvieną duomenų elementą ir atsisiųskite kiekvieną išteklių pagal faktiškai grąžintą pasirašytą URL.

Jei reikia patikrinti pradinį atsakymą

Išsaugokite pradinį operation_id/X-Client-Request-ID duomenims sutikrinti, pakartotinai neteikdami užklausos; atskiro garso būsenos tikrinimo maršruto nėra.

Atsakymo laukai

Laukas	Tipas
Laukas`binary audio`	Tipasbytes
Laukas`response headers`	Tipasheaders

Klaidos ir tolesni veiksmai

Atsakymas	Sąlyga	Kitas žingsnis
Atsakymas400 · `invalid_request_error`	SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė	Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus.
Atsakymas`server_error`	SąlygaGrąžintame atsakyme nurodoma, kad operaciją arba rezultatą reikia patikrinti	Kitas žingsnisIšsaugokite pradinį grąžintą operacijos ar užduoties ID, užklausos antraštes ir atsakymą; toliau tikrinkite tos pačios pradinės operacijos duomenis palaikomais būdais. Kūrimo užklausos pakartotinai neteikite.

Pseudonimai

Modelių pseudonimai

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

Metodų kelių pseudonimai

Naudokite aukščiau nurodytus metodų kelius.

Susiję ID iškvietimui

x-ai/grok-voice-tts-1.0

FAQ · SpaceXAI: Grok Voice TTS 1.0

Kokios įvestys ir rezultatai prieinami?: POST /v1/audio/speech · x-ai/grok-voice-tts-1.0: text → audio
Kokius laukus naudoja užklausa?: POST /v1/audio/speech · x-ai/grok-voice-tts-1.0: model, input, voice, response_format
Kokie apribojimai taikomi?: POST /v1/audio/speech · x-ai/grok-voice-tts-1.0: input.maximum_length: 15000

SpaceXAI: Grok Voice TTS 1.0