Grok Text to Speech is de tekst-naar-audiomogelijkheid van de Grok-stemfamilie. De fabrikant beschrijft expressieve ingebouwde sprekers, stemaanwijzingen in de tekst en uitvoerformaten voor mediaweergave of telefoonaudio. De invoer is het uit te spreken transcript, samen met de stem- en taalkeuze. De resulterende opname bevat spraak uit dat transcript; spraakherkenning en gespreksmodellen voor spraak-naar-spraak hebben afzonderlijke taken.
De catalogus van de producent geeft elke stem een voordrachtprofiel. Ara is warm en vriendelijk, Eve is opgewekt met een Brits accent en Rex wordt beschreven als helder en zelfverzekerd. Stem en taal staan in de gedocumenteerde familie los van elkaar: ingebouwde sprekers kunnen elke ondersteunde taalkeuze gebruiken. De gids vermeldt twintig taalcodeopties, inclusief regionale varianten, en ondersteunt ook automatische taaldetectie. Naast ingebouwde sprekers beschrijft de producent herbruikbare aangepaste stemmen die op basis van een referentieopname worden gemaakt en via voice_id voor volledige of gestreamde synthese worden geselecteerd. Referentieaudio mag maximaal 120 seconden duren; 90–120 seconden schone spraak van één spreker wordt aanbevolen om voordracht en intonatie vast te leggen. Houd de referentie, het gemaakte stemprofiel en de gegenereerde opname als afzonderlijke bestanden en stem de voordracht van de referentie af op het bedoelde script.
Bereid de definitieve gesproken formulering voor en behoud de bedoelde taal van namen en geciteerde passages. Voor een voorgelezen handleiding is een bruikbare zin: “Kies een onderwerp, luister naar de korte inleiding en open het onderdeel dat u wilt verkennen.” Als een merknaam of vakterm een specifieke uitspraak vereist, kunnen de vervangingsregelaars van de fabrikant een aangepaste spelling of IPA-uitspraak leveren zonder de weergegeven brontekst te veranderen. Een afzonderlijke optie voor tekstnormalisatie zet geschreven getallen, afkortingen en symbolen om naar hun gesproken vorm.
Tags in de tekst plaatsen een gebeurtenis op een bepaalde plek, zoals een pauze, lach, zucht of ademhaling. Omsluitende tags passen de voordracht toe op een volledig zinsdeel, bijvoorbeeld fluisteren, nadruk of een langzamere passage. Plaats de aanwijzing waar de betekenis daarom vraagt en houd de woorden leesbaar. De gids beveelt stijlbereiken voor volledige zinsdelen en leestekens aan, in plaats van een stapeling van losstaande tags.
Bereid voor een expressieve personagetekst de gesproken zin en de verandering van voordracht samen voor. Behoud bij een uitleg een duidelijk ritme dat de luisteraar helpt de stappen te volgen. Het gedocumenteerde bereik voor spreeksnelheid is 0.7 tot 1.5, met 1.0 als normale voordracht. Een snelheidskeuze verandert het spreektempo, niet de woorden die de toepassing moet overbrengen.
De producent beschrijft uitvoer in MP3, WAV, onbewerkte PCM, mu-law en A-law. De ondersteunde samplefrequenties lopen van 8 kHz tot 48 kHz, met specifiek vermelde frequenties daartussen. De standaard-MP3-configuratie is 24 kHz bij 128 kbit/s. Gebruik een audiorepresentatie die de bedoelde speler, montagefase of telefonieroute kan verwerken.
Optionele tijdsaanduidingen per teken koppelen de teruggegeven tekenreeks aan begin- en eindtijden. Zonder uitspraakvervangingen komt die reeks overeen met de invoer; vervangingen kunnen de reeks in de gesproken tekst veranderen. De tijdsaanduidingen kunnen een meeleesweergave, markering of uitlijning met een visuele uitvoering ondersteunen. In de workflow met een volledig antwoord verandert het opvragen van tijdsaanduidingen de uitvoer in een omhullend object met gecodeerde audio en tijdgegevens. Behandel de tijdsaanduidingen en audio als een gekoppeld resultaat, vooral wanneer tekstnormalisatie een geschreven symbool uitbreidt tot meerdere gesproken woorden.
De fabrikant biedt een route met een volledig verzoek en bidirectionele streaming, waarbij tekstfragmenten binnenkomen en audiodelen terugkeren terwijl de uiting wordt gegenereerd. Er is een gedocumenteerde limiet van 60.000 tekens voor een volledig verzoek en voor een afzonderlijk gestreamd tekstfragment. Het voltooien of wissen van een uiting heeft een expliciete rol in de streamingworkflow.
Kies voor langere vertelteksten samenhangende grenzen tussen passages en bewaar het script bij elk resultaat. Maak bij interactief afspelen onderscheid tussen tekst die voor synthese is verzonden en audio die de luisteraar al heeft gehoord. Het bruikbare resultaat is een ingesproken script met doelbewuste voordrachtaanwijzingen, een passend audioformaat en tijdgegevens wanneer de toepassing die nodig heeft. Bewaar het script, de gekozen stem, voordrachtaanwijzingen en uitvoerinstellingen bij de audio zodat latere herzieningen de bedoelde voordracht behouden.
", "aboutText": "Grok Text to Speech is de tekst-naar-audiomogelijkheid van de Grok-stemfamilie. De fabrikant beschrijft expressieve ingebouwde sprekers, stemaanwijzingen in de tekst en uitvoerformaten voor mediaweergave of telefoonaudio. De invoer is het uit te spreken transcript, samen met de stem- en taalkeuze. De resulterende opname bevat spraak uit dat transcript; spraakherkenning en gespreksmodellen voor spraak-naar-spraak hebben afzonderlijke taken.\n\n### Stem, taal en gesproken tekst\n\nDe catalogus van de producent geeft elke stem een voordrachtprofiel. Ara is warm en vriendelijk, Eve is opgewekt met een Brits accent en Rex wordt beschreven als helder en zelfverzekerd. Stem en taal staan in de gedocumenteerde familie los van elkaar: ingebouwde sprekers kunnen elke ondersteunde taalkeuze gebruiken. De gids vermeldt twintig taalcodeopties, inclusief regionale varianten, en ondersteunt ook automatische taaldetectie. Naast ingebouwde sprekers beschrijft de producent herbruikbare aangepaste stemmen die op basis van een referentieopname worden gemaakt en via voice_id voor volledige of gestreamde synthese worden geselecteerd. Referentieaudio mag maximaal 120 seconden duren; 90–120 seconden schone spraak van één spreker wordt aanbevolen om voordracht en intonatie vast te leggen. Houd de referentie, het gemaakte stemprofiel en de gegenereerde opname als afzonderlijke bestanden en stem de voordracht van de referentie af op het bedoelde script.\n\nBereid de definitieve gesproken formulering voor en behoud de bedoelde taal van namen en geciteerde passages. Voor een voorgelezen handleiding is een bruikbare zin: “Kies een onderwerp, luister naar de korte inleiding en open het onderdeel dat u wilt verkennen.” Als een merknaam of vakterm een specifieke uitspraak vereist, kunnen de vervangingsregelaars van de fabrikant een aangepaste spelling of IPA-uitspraak leveren zonder de weergegeven brontekst te veranderen. Een afzonderlijke optie voor tekstnormalisatie zet geschreven getallen, afkortingen en symbolen om naar hun gesproken vorm.\n\n### Voordrachtaanwijzingen\n\nTags in de tekst plaatsen een gebeurtenis op een bepaalde plek, zoals een pauze, lach, zucht of ademhaling. Omsluitende tags passen de voordracht toe op een volledig zinsdeel, bijvoorbeeld fluisteren, nadruk of een langzamere passage. Plaats de aanwijzing waar de betekenis daarom vraagt en houd de woorden leesbaar. De gids beveelt stijlbereiken voor volledige zinsdelen en leestekens aan, in plaats van een stapeling van losstaande tags.\n\nBereid voor een expressieve personagetekst de gesproken zin en de verandering van voordracht samen voor. Behoud bij een uitleg een duidelijk ritme dat de luisteraar helpt de stappen te volgen. Het gedocumenteerde bereik voor spreeksnelheid is 0.7 tot 1.5, met 1.0 als normale voordracht. Een snelheidskeuze verandert het spreektempo, niet de woorden die de toepassing moet overbrengen.\n\n### Audio en tijdsaanduidingen\n\nDe producent beschrijft uitvoer in MP3, WAV, onbewerkte PCM, mu-law en A-law. De ondersteunde samplefrequenties lopen van 8 kHz tot 48 kHz, met specifiek vermelde frequenties daartussen. De standaard-MP3-configuratie is 24 kHz bij 128 kbit/s. Gebruik een audiorepresentatie die de bedoelde speler, montagefase of telefonieroute kan verwerken.\n\nOptionele tijdsaanduidingen per teken koppelen de teruggegeven tekenreeks aan begin- en eindtijden. Zonder uitspraakvervangingen komt die reeks overeen met de invoer; vervangingen kunnen de reeks in de gesproken tekst veranderen. De tijdsaanduidingen kunnen een meeleesweergave, markering of uitlijning met een visuele uitvoering ondersteunen. In de workflow met een volledig antwoord verandert het opvragen van tijdsaanduidingen de uitvoer in een omhullend object met gecodeerde audio en tijdgegevens. Behandel de tijdsaanduidingen en audio als een gekoppeld resultaat, vooral wanneer tekstnormalisatie een geschreven symbool uitbreidt tot meerdere gesproken woorden.\n\n### Volledige of gestreamde generatie\n\nDe fabrikant biedt een route met een volledig verzoek en bidirectionele streaming, waarbij tekstfragmenten binnenkomen en audiodelen terugkeren terwijl de uiting wordt gegenereerd. Er is een gedocumenteerde limiet van 60.000 tekens voor een volledig verzoek en voor een afzonderlijk gestreamd tekstfragment. Het voltooien of wissen van een uiting heeft een expliciete rol in de streamingworkflow.\n\nKies voor langere vertelteksten samenhangende grenzen tussen passages en bewaar het script bij elk resultaat. Maak bij interactief afspelen onderscheid tussen tekst die voor synthese is verzonden en audio die de luisteraar al heeft gehoord. Het bruikbare resultaat is een ingesproken script met doelbewuste voordrachtaanwijzingen, een passend audioformaat en tijdgegevens wanneer de toepassing die nodig heeft. Bewaar het script, de gekozen stem, voordrachtaanwijzingen en uitvoerinstellingen bij de audio zodat latere herzieningen de bedoelde voordracht behouden.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "90a5719d49f854846e1ba4f4a35ffd6909a311203c40fb2cf43ac99e27276e13", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl", "methods": [ { "html": "x-ai/grok-voice-tts-1.0Grok Text to Speech zet geschreven tekst om in expressieve audio met selecteerbare stemmen, voordrachtaanwijzingen in de tekst en meerdere uitvoercodecs. De gedocumenteerde modelfamilie van de producent ondersteunt volledige en gestreamde spraak, plus optionele tijdsaanduidingen per teken.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Grok Text to Speech is de tekst-naar-audiomogelijkheid van de Grok-stemfamilie. De fabrikant beschrijft expressieve ingebouwde sprekers, stemaanwijzingen in de tekst en uitvoerformaten voor mediaweergave of telefoonaudio. De invoer is het uit te spreken transcript, samen met de stem- en taalkeuze. De resulterende opname bevat spraak uit dat transcript; spraakherkenning en gespreksmodellen voor spraak-naar-spraak hebben afzonderlijke taken.
De catalogus van de producent geeft elke stem een voordrachtprofiel. Ara is warm en vriendelijk, Eve is opgewekt met een Brits accent en Rex wordt beschreven als helder en zelfverzekerd. Stem en taal staan in de gedocumenteerde familie los van elkaar: ingebouwde sprekers kunnen elke ondersteunde taalkeuze gebruiken. De gids vermeldt twintig taalcodeopties, inclusief regionale varianten, en ondersteunt ook automatische taaldetectie. Naast ingebouwde sprekers beschrijft de producent herbruikbare aangepaste stemmen die op basis van een referentieopname worden gemaakt en via voice_id voor volledige of gestreamde synthese worden geselecteerd. Referentieaudio mag maximaal 120 seconden duren; 90–120 seconden schone spraak van één spreker wordt aanbevolen om voordracht en intonatie vast te leggen. Houd de referentie, het gemaakte stemprofiel en de gegenereerde opname als afzonderlijke bestanden en stem de voordracht van de referentie af op het bedoelde script.
Bereid de definitieve gesproken formulering voor en behoud de bedoelde taal van namen en geciteerde passages. Voor een voorgelezen handleiding is een bruikbare zin: “Kies een onderwerp, luister naar de korte inleiding en open het onderdeel dat u wilt verkennen.” Als een merknaam of vakterm een specifieke uitspraak vereist, kunnen de vervangingsregelaars van de fabrikant een aangepaste spelling of IPA-uitspraak leveren zonder de weergegeven brontekst te veranderen. Een afzonderlijke optie voor tekstnormalisatie zet geschreven getallen, afkortingen en symbolen om naar hun gesproken vorm.
Tags in de tekst plaatsen een gebeurtenis op een bepaalde plek, zoals een pauze, lach, zucht of ademhaling. Omsluitende tags passen de voordracht toe op een volledig zinsdeel, bijvoorbeeld fluisteren, nadruk of een langzamere passage. Plaats de aanwijzing waar de betekenis daarom vraagt en houd de woorden leesbaar. De gids beveelt stijlbereiken voor volledige zinsdelen en leestekens aan, in plaats van een stapeling van losstaande tags.
Bereid voor een expressieve personagetekst de gesproken zin en de verandering van voordracht samen voor. Behoud bij een uitleg een duidelijk ritme dat de luisteraar helpt de stappen te volgen. Het gedocumenteerde bereik voor spreeksnelheid is 0.7 tot 1.5, met 1.0 als normale voordracht. Een snelheidskeuze verandert het spreektempo, niet de woorden die de toepassing moet overbrengen.
De producent beschrijft uitvoer in MP3, WAV, onbewerkte PCM, mu-law en A-law. De ondersteunde samplefrequenties lopen van 8 kHz tot 48 kHz, met specifiek vermelde frequenties daartussen. De standaard-MP3-configuratie is 24 kHz bij 128 kbit/s. Gebruik een audiorepresentatie die de bedoelde speler, montagefase of telefonieroute kan verwerken.
Optionele tijdsaanduidingen per teken koppelen de teruggegeven tekenreeks aan begin- en eindtijden. Zonder uitspraakvervangingen komt die reeks overeen met de invoer; vervangingen kunnen de reeks in de gesproken tekst veranderen. De tijdsaanduidingen kunnen een meeleesweergave, markering of uitlijning met een visuele uitvoering ondersteunen. In de workflow met een volledig antwoord verandert het opvragen van tijdsaanduidingen de uitvoer in een omhullend object met gecodeerde audio en tijdgegevens. Behandel de tijdsaanduidingen en audio als een gekoppeld resultaat, vooral wanneer tekstnormalisatie een geschreven symbool uitbreidt tot meerdere gesproken woorden.
De fabrikant biedt een route met een volledig verzoek en bidirectionele streaming, waarbij tekstfragmenten binnenkomen en audiodelen terugkeren terwijl de uiting wordt gegenereerd. Er is een gedocumenteerde limiet van 60.000 tekens voor een volledig verzoek en voor een afzonderlijk gestreamd tekstfragment. Het voltooien of wissen van een uiting heeft een expliciete rol in de streamingworkflow.
Kies voor langere vertelteksten samenhangende grenzen tussen passages en bewaar het script bij elk resultaat. Maak bij interactief afspelen onderscheid tussen tekst die voor synthese is verzonden en audio die de luisteraar al heeft gehoord. Het bruikbare resultaat is een ingesproken script met doelbewuste voordrachtaanwijzingen, een passend audioformaat en tijdgegevens wanneer de toepassing die nodig heeft. Bewaar het script, de gekozen stem, voordrachtaanwijzingen en uitvoerinstellingen bij de audio zodat latere herzieningen de bedoelde voordracht behouden.
POST /v1/audio/speechtextaudio| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten x-ai/grok-voice-tts-1.0 | Standaard— |
Veldinput | Typestring | VereisteVereist | Waarden en limieten Minimumlengte: 1 Maximumlengte: 15.000 Eenheid: Unicode-tekens | Standaard— |
Veldvoice | Typestring | VereisteVereist | Waarden en limieten eve, ara, rex, sal, leo | Standaard— |
Veldresponse_format | Typestring | VereisteVereist | Waarden en limieten mp3 | Standaard— |
text_to_speech · Vereist: input
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, input, voice, response_format |
Parametervoice_ids | Contracteve, ara, rex, sal, leo |
Parameterresponse_format | Contractmp3 |
Parametermax_input_characters | Contract15000 |
Parameterother_options | Contractfalse |
Parameterinput | Contractexacte UTF-8-tekst; aantal Unicode-tekens zonder normalisatie |
Parametermaterial_types | Contracttext |
Levenscyclus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · de daadwerkelijk geretourneerde task_id of het record in de mediabibliotheek
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Selecteer de exacte stem uit dit modelprofiel.
Invoertekens en audioseconden zijn verschillende meeteenheden.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Factureerbare hoeveelheid | Rekeneenheid | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Factureerbare hoeveelheid— | Rekeneenheid— | Kosten Invoer · Invoertokens — / 1K tokens Uitvoer · Uitvoertokens — / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieUltra | Tariefstaffel— | Factureerbare hoeveelheidElk Unicode-codepunt telt als één teken, inclusief Han-tekens. | Rekeneenheidper 1K invoertekens | Kosten Invoer · invoerteken $0.03 per 1K invoertekens |
Referentiestaffels op modelniveau veranderen de methodeselectie, kostenramingen of afschrijvingen niet. Voor de actieve kostenberekening gelden de tarieven van de geselecteerde Ailoot-methode.
| Configuratie | Factureringsvoorwaarden | Kosten |
|---|---|---|
| ConfiguratieSpaceXAI: Grok Voice TTS 1.0 · Standaardconfiguratie | FactureringsvoorwaardenStandaardconfiguratie | Kosten Invoer · Invoertekens US$ 0,00003 per invoerteken |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
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\nBewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar het volledige binaire resultaat en de headers. Als JSON/meerdere uitvoerresultaten worden geretourneerd, bewaar dan elk data-item en haal elk bestand op via de daadwerkelijk geretourneerde ondertekende asset-URL.
Bewaar de oorspronkelijke operation_id/X-Client-Request-ID voor reconciliatie zonder opnieuw in te dienen; er is geen aparte route om de audiostatus op te vragen.
| Veld | Type |
|---|---|
Veldbinary audio | Typebytes |
Veldresponse headers | Typeheaders |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Antwoordserver_error | VoorwaardeHet geretourneerde antwoord geeft aan dat de bewerking of het resultaat moet worden gecontroleerd | Volgende stapBewaar de oorspronkelijk geretourneerde bewerkings-/taak-ID, de aanvraagheaders en het antwoord; blijf de ondersteunde leesacties voor die oorspronkelijke bewerking uitvoeren. Dien de aanmaakaanvraag niet opnieuw in. |
Ailoot Ultra x-ai/grok-voice-tts-1.0
Gebruik de hierboven getoonde methodepaden.