SpaceXAI: Grok Voice TTS 1.0
Grok Text to Speech 透過可選聲音、文中表演提示，以及多種輸出編解碼器，將書面文字轉成富有表現力的音訊。文件所述的製作者系列支援完整及串流語音，並可選擇提供字元層級的時間資訊。
關於模型
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
Grok Text to Speech 是 Grok 語音系列的文字轉音訊能力。製造商記載富有表現力的內建說話者、文中發聲提示，以及適合媒體播放或電話音訊的輸出格式。輸入是要朗讀的文稿，以及聲音與語言選擇。產生的錄音是該文稿的語音；語音辨識及對話式語音轉語音模型則有不同任務。
聲音、語言與口語文字
製作者目錄為每個聲音提供表達特性。Ara 溫暖友善，Eve 活潑且帶英國口音，Rex 則被描述為清晰、自信。文件所述系列中的聲音與語言彼此獨立：內建說話者可使用每個支援的語言選項。指南列出二十個語言代碼選項，包含地區變體，並支援自動語言偵測。除了內建說話者，製作者也記載可從參考錄音建立可重複使用的自訂聲音，並在完整或串流合成中透過 voice_id 選取。參考音訊最長可為 120 秒；為捕捉說話方式與語調，建議使用 90 至 120 秒清晰、單一說話者的語音。請將參考音訊、建立的聲音設定檔與生成錄音保留為不同成果，並讓參考演出符合預定文稿。
請準備最終口語措辭，保留名稱與引述段落預定的語言。製作導覽旁白時，可使用：「選擇主題，聆聽簡短介紹，再開啟您想探索的章節。」若品牌名稱或專業術語需要特定讀法，製造商的替換控制可提供重新拼寫或 IPA 發音，而不改變顯示的原始文字。另一個文字正規化選項，則會將書面數字、縮寫及符號轉向其口語形式。
表演提示
文中標記可在特定位置安排事件，例如停頓、笑聲、嘆息或呼吸。包圍式標記則將表達方式套用於完整片語，例如耳語、強調或較慢的段落。請將提示放在意義需要的位置，並保持詞句可讀。指南建議採用完整片語的風格範圍及標點，而非堆疊互不相關的標記。
富有表現力的角色台詞應一併準備口語句子與表演轉變。解說則應維持清楚節奏，幫助聽眾跟隨步驟。文件記載的語速範圍為 0.7 至 1.5，1.0 是正常表達速度。速度選項改變說話節奏，並不改變應用程式應傳達的詞句。
音訊與時間資訊
製作者記載 MP3、WAV、原始 PCM、mu-law 及 A-law 輸出。支援的取樣率選項涵蓋 8 kHz 至 48 kHz，並列出兩者之間的特定值。預設 MP3 設定為 24 kHz、128 kbit/s。請使用預定播放器、編輯階段或電話路徑可解讀的音訊表示方式。
選用的字元時間資訊將傳回的字元序列與開始、結束時間建立關聯。沒有發音替換時，該序列反映輸入；替換則可能讓它變為實際朗讀的文字。這可用於跟讀顯示、醒目提示，或與視覺表演對齊。在完整回應工作流程中，要求時間資訊會將輸出改為包含編碼音訊與時間資料的封裝結構。請將時間資訊與音訊視為成對結果，尤其是文字正規化將一個書面符號展開成多個口語詞彙時。
完整或串流生成
製造商提供完整請求途徑及雙向串流；後者在發話生成期間接收文字片段並傳回音訊區塊。文件記載完整請求及每個串流文字片段的上限皆為 60,000 個字元。在串流工作流程中，完成或清除發話各有明確作用。
較長旁白應選擇連貫段落邊界，並將文稿與各結果一併保留。互動播放應區分已送出合成的文字，以及聽眾已實際聽到的音訊。實用交付成果是具備有意圖的表演提示、適當音訊格式，以及應用程式需要時所附時間資料的語音文稿。請將文稿、所選聲音、表演提示及輸出設定與音訊一併保留，讓後續修訂維持預定表達方式。
Ailoot Ultra · 語音合成 POST /v1/audio/speech x-ai/grok-voice-tts-1.0
x-ai/grok-voice-tts-1.0入門
Grok Text to Speech 透過可選聲音、文中表演提示，以及多種輸出編解碼器，將書面文字轉成富有表現力的音訊。文件所述的製作者系列支援完整及串流語音，並可選擇提供字元層級的時間資訊。
- 接受的輸入
- 文字
- 結果
- 音訊
Ailoot 可用 · 輸入與方法
Ailoot Ultra · 語音合成 POST /v1/audio/speech
- 輸入
text- 輸出
audio- 輸出格式
- mp3
| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 x-ai/grok-voice-tts-1.0 | 預設值— |
欄位input | 類型string | 要求必填 | 值與限制 長度下限: 1 長度上限: 15,000 單位: Unicode 字元 | 預設值— |
欄位voice | 類型string | 要求必填 | 值與限制 eve, ara, rex, sal, leo | 預設值— |
欄位response_format | 類型string | 要求必填 | 值與限制 mp3 | 預設值— |
輸入素材組合
text_to_speech · 必填： input
方法參數與生命週期
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, input, voice, response_format |
參數voice_ids | 規格eve, ara, rex, sal, leo |
參數response_format | 規格mp3 |
參數max_input_characters | 規格15000 |
參數other_options | 規格false |
參數input | 規格完全相符的 UTF-8 文字；不經正規化的 Unicode 字元計數 |
參數material_types | 規格text |
生命週期： synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · 實際回傳的 task_id 或媒體庫紀錄
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
請從此模型設定檔中選擇完全相符的語音。
輸入字元數與音訊秒數是不同的計量方式。
方案
費率資訊不會增加請求選項。支援的參數列於所選方法中。
- 快速模式
- 未指定 選取快速模式時
- flex 模式
- 未指定 選取 flex 模式時
- 最高推理強度
- 未指定 最高推理強度採用 default 調整值時
Ailoot 費率
各設定的價格
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 應計費數量 | 計費單位 | 費用 |
|---|---|---|---|---|
| 設定基礎 token 費率 | 費率表基本費率 | 應計費數量— | 計費單位— | 費用 輸入 · 輸入 Token — / 1K Token 輸出 · 輸出 Token — / 1K Token 輸入 · 讀取快取 — / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定Ultra | 費率表— | 應計費數量每個 Unicode 碼位均計為一個字元，漢字亦同。 | 計費單位每 1K 個輸入字元 | 費用 輸入 · 輸入字元 $0.03 每 1K 個輸入字元 |
參考費率詳情
模型層級的參考費率表不會變更方法選擇、報價或費用。實際計費採用所選 Ailoot 方法的費率。
SpaceXAI: Grok Voice TTS 1.0
各設定的價格
| 設定 | 計費條件 | 費用 |
|---|---|---|
| 設定SpaceXAI: Grok Voice TTS 1.0 · 預設設定 | 計費條件預設設定 | 費用 輸入 · 輸入字元數 US$0.00003 每個輸入字元 |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
請求範例
Ailoot Ultra · 語音合成
set -eu
: "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o speech.mp3
接收並儲存結果
Ailoot Ultra · 語音合成
mp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
其他內容讀取方式
set -eu
: "${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
保留所有已完成的結果
請保留所有完整傳回的回應、檔案與內容區塊。
保留完整的二進位結果與標頭。若回傳 JSON 或多個輸出，請保留所有資料項目，並透過每個實際回傳的已簽署資產 URL 取得內容。
需要檢查原始回應時
保留原始 operation_id/X-Client-Request-ID 以供核對，請勿重新提交；沒有專用的音訊輪詢路由。
回應欄位
| 欄位 | 類型 |
|---|---|
欄位binary audio | 類型bytes |
欄位response headers | 類型headers |
錯誤與後續步驟
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
回應server_error | 條件回傳的回應表示該作業或結果需要檢查 | 下一步保留原始回傳的作業／任務 ID、請求標頭與回應；繼續以支援的方式讀取該原始作業。請勿重新提交建立請求。 |
別名
模型別名
Ailoot Ultra x-ai/grok-voice-tts-1.0
方法路徑別名
請使用上方列出的 API 方法路徑。
相關呼叫用 ID
FAQ · SpaceXAI: Grok Voice TTS 1.0
- 可以使用哪些輸入與結果？
POST /v1/audio/speech·x-ai/grok-voice-tts-1.0:text→audio- 請求使用哪些欄位？
POST /v1/audio/speech·x-ai/grok-voice-tts-1.0:model,input,voice,response_format- 適用哪些限制？
POST /v1/audio/speech·x-ai/grok-voice-tts-1.0:input.maximum_length:15000