SpaceXAI: Grok Voice TTS 1.0

Grok Text to Speech превращает письменный текст в выразительное аудио с выбором голосов, встроенными подсказками исполнения и несколькими выходными кодеками. Документированное семейство производителя поддерживает полную и потоковую речь, а также необязательные посимвольные временные метки.

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

О модели

Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.

Grok Text to Speech — возможность преобразования текста в аудио голосового семейства Grok. Производитель документирует выразительных встроенных дикторов, голосовые подсказки внутри текста и форматы для медиаплееров или телефонного аудио. Вход — произносимый текст с выбором голоса и языка. Полученная запись озвучивает этот текст; распознавание речи и разговорные модели речь–речь решают отдельные задачи.

Голос, язык и произносимый текст

Каталог производителя задаёт каждому голосу профиль подачи. Ara — тёплый и дружелюбный, Eve — бодрый с британским акцентом, Rex описан как ясный и уверенный. Голос и язык независимы: встроенные дикторы могут использовать каждый поддерживаемый язык. Руководство перечисляет двадцать вариантов языковых кодов, включая региональные, и поддерживает автоматическое определение языка. Наряду со встроенными дикторами документированы повторно используемые пользовательские голоса, созданные по референсной записи и выбираемые через voice_id для полного или потокового синтеза. Референс может длиться до 120 секунд; для передачи подачи и интонации рекомендуется 90–120 секунд чистой речи одного диктора. Храните референс, созданный голосовой профиль и сгенерированную запись как отдельные материалы; подбирайте исполнение референса к сценарию.

Подготовьте окончательные слова, сохраняя нужный язык имён и цитат. Пример озвученного руководства: «Выберите тему, прослушайте короткое введение и откройте раздел, который хотите изучить». Для особого чтения бренда или термина настройки замены производителя задают альтернативное написание либо IPA, не меняя отображаемый исходный текст. Отдельная нормализация текста переводит письменные числа, сокращения и символы к произносимой форме.

Подсказки исполнения

Встроенные теги помещают событие в конкретную точку: паузу, смех, вздох или вдох. Обрамляющие теги задают подачу целой фразе, например шёпот, акцентирование или замедление. Размещайте подсказку по смыслу, сохраняя читаемость слов. Руководство рекомендует стилевые диапазоны на полную фразу и пунктуацию вместо набора несвязанных тегов.

В выразительной реплике персонажа готовьте произносимое предложение вместе со сменой исполнения. В объяснении сохраняйте ясный ритм для восприятия шагов. Документированный диапазон темпа речи — от 0.7 до 1.5, где 1.0 — обычная подача. Выбор скорости меняет темп, но не слова, которые должно сообщить приложение.

Аудио и временные метки

Производитель документирует выход MP3, WAV, raw PCM, mu-law и A-law. Поддерживаемые частоты охватывают от 8 кГц до 48 кГц с перечисленными промежуточными значениями. Конфигурация MP3 по умолчанию — 24 кГц при 128 кбит/с. Используйте представление аудио, понятное целевому плееру, монтажному этапу или телефонному тракту.

Необязательные посимвольные метки связывают возвращённую последовательность символов со временем начала и конца. Без замен произношения последовательность повторяет вход; замены могут превратить её в произносимый текст. Метки помогают синхронному показу текста, подсветке и выравниванию с визуальным исполнением. При полном ответе запрос меток меняет выход на оболочку с кодированным аудио и временными данными. Рассматривайте их парой, особенно когда нормализация разворачивает письменный символ в несколько слов.

Полная или потоковая генерация

Производитель предлагает полный запрос и двунаправленную потоковую выдачу: текстовые фрагменты поступают, аудиофрагменты возвращаются по мере генерации реплики. Документирован лимит 60 000 символов для полного запроса и отдельного потокового текстового фрагмента. Завершение или очистка реплики имеет явную роль в потоковом сценарии.

Для длинного повествования выбирайте связные границы отрывков и сохраняйте сценарий с каждым результатом. В интерактивном воспроизведении различайте текст, отправленный на синтез, и аудио, уже услышанное слушателем. Полезный результат — озвученный сценарий с осознанными подсказками исполнения, подходящим форматом и временными данными, если они нужны приложению. Храните сценарий, голос, подсказки и выходные настройки с аудио, чтобы последующие изменения сохраняли нужную подачу.

Ailoot Ultra · Озвучка 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

Начало

Допустимые входные данные: Текст
Результаты: Аудио

Доступно в Ailoot · входные данные и методы

Ailoot Ultra · Озвучка POST /v1/audio/speech

Входные данные: text
Результат: audio
Выходной формат: mp3

Поле	Тип	Требование	Значения и ограничения	По умолчанию
Поле`model`	Тип`string`	ТребованиеОбязательно	Значения и ограничения x-ai/grok-voice-tts-1.0	По умолчанию—
Поле`input`	Тип`string`	ТребованиеОбязательно	Значения и ограничения Минимальная длина: 1 Максимальная длина: 15 000 Единица: символы Unicode	По умолчанию—
Поле`voice`	Тип`string`	ТребованиеОбязательно	Значения и ограничения eve, ara, rex, sal, leo	По умолчанию—
Поле`response_format`	Тип`string`	ТребованиеОбязательно	Значения и ограничения mp3	По умолчанию—

Сочетания входных материалов

text_to_speech · Обязательно: input

Параметры и жизненный цикл метода

Параметр	Контракт
Параметр`content_type`	Контрактapplication/json
Параметр`required`	Контрактmodel, input, voice, response_format
Параметр`voice_ids`	Контрактeve, ara, rex, sal, leo
Параметр`response_format`	Контрактmp3
Параметр`max_input_characters`	Контракт15000
Параметр`other_options`	Контрактfalse
Параметр`input`	Контрактточный текст UTF-8; количество символов Unicode без нормализации
Параметр`material_types`	Контрактtext

Жизненный цикл: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Фактически возвращённый task_id или запись в медиатеке

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Выберите точный голос из профиля этой модели.

Входные символы и секунды аудио — разные единицы учёта.

Тарифы

Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.

Быстрый режим: Не указано При выборе быстрого режима
Режим flex: Не указано При выборе режима flex
Максимальная интенсивность рассуждений: Не указано При максимальной интенсивности рассуждений с корректировкой по умолчанию (default)

Ставки Ailoot

Цены по конфигурациям

Сопоставьте каждую плату с указанными условиями. Для каждого набора альтернативных конфигураций используйте одну ставку.

Конфигурация	Шкала ставок	Оплачиваемое количество	Расчётная единица	Плата
КонфигурацияБазовые тарифы на токены	Шкала ставокБазовая ставка	Оплачиваемое количество—	Расчётная единица—	Плата Вход · Входные токены — / 1K токенов Выход · Выходные токены — / 1K токенов Вход · Чтение кэша — / 1K токенов Вход · Запись в кэш — / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов
КонфигурацияUltra	Шкала ставок—	Оплачиваемое количествоКаждая кодовая точка Unicode считается одним символом, включая символы Han.	Расчётная единицаза 1K входных символов	Плата Вход · входной символ $0.03 за 1K входных символов

Сведения о справочном тарифе

Справочные шкалы модели не меняют выбор метода, расчёт стоимости или списания. Действующая плата определяется ставками выбранного метода Ailoot.

SpaceXAI: Grok Voice TTS 1.0

Цены по конфигурациям

Конфигурация	Условия расчёта	Плата
КонфигурацияSpaceXAI: Grok Voice TTS 1.0 · Стандартная конфигурация	Условия расчётаКонфигурация по умолчанию	Плата Вход · Входные символы 0,00003 $ за входной символ

Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →

Примеры запросов

Ailoot Ultra · Озвучка

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

Получить и сохранить результаты

Ailoot Ultra · Озвучка

mp3

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

Чтение другого содержимого

МедиатекаСтатус задачиСведения о материале

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

Сохраняйте все готовые результаты

Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.

Сохраняйте полный бинарный результат и заголовки. Если возвращаются JSON или несколько результатов, сохраняйте каждый элемент данных и загружайте ресурс по каждому фактически возвращённому подписанному URL.

Если нужно проверить исходный ответ

Сохраняйте исходный operation_id/X-Client-Request-ID для сверки без повторной отправки; отдельного маршрута опроса аудио нет.

Поля ответа

Поле	Тип
Поле`binary audio`	Типbytes
Поле`response headers`	Типheaders

Ошибки и дальнейшие шаги

Ответ	Условие	Следующий шаг
Ответ400 · `invalid_request_error`	УсловиеНеверные обязательные поля, представление материалов или значение параметра	Следующий шагИсправьте указанные поля перед новым запросом на создание.
Ответ`server_error`	УсловиеВозвращённый ответ указывает, что операция или результат требуют проверки	Следующий шагСохраните исходный возвращённый ID операции или задачи, заголовки запроса и ответ; продолжайте поддерживаемые операции чтения исходной операции. Не отправляйте запрос создания повторно.

Псевдонимы

Псевдонимы моделей

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

Псевдонимы путей метода

Используйте пути методов, указанные выше.

Связанные ID для вызова

x-ai/grok-voice-tts-1.0

FAQ · SpaceXAI: Grok Voice TTS 1.0

Какие входные данные и результаты доступны?: POST /v1/audio/speech · x-ai/grok-voice-tts-1.0: text → audio
Какие поля использует запрос?: POST /v1/audio/speech · x-ai/grok-voice-tts-1.0: model, input, voice, response_format
Какие ограничения действуют?: POST /v1/audio/speech · x-ai/grok-voice-tts-1.0: input.maximum_length: 15000

SpaceXAI: Grok Voice TTS 1.0