Lõpp-punkt POST /v1/tts
Sellel lehel
Uuendatud 3. novembril 2026, tuginedes xAi Text to Speech lehele, Voice API referentsile ja Pricing lehele. Allikad: Text to Speech · Voice API · Pricing.
Muuda tekst heliks Grok API abil
xAi Text-to-Speech API muudab üksiku HTTP-päringuga suvalise teksti loomulikult kõlavaks heliks. Peamine sisenemispunkt on POST /v1/tts, mis võtab sinu teksti ja tagab otseselt binaarse helifaili.
Päringu struktuur
Saadad POST-päringu aadressile https://api.x.ai/v1/tts koos JSON-kehandiga. Siin on minimaalne näide curliga:
curl -X POST "https://api.x.ai/v1/tts" \
-H "Authorization: Bearer $XAI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"text": "Hello, and welcome to Corsen Academy.",
"voice_id": "eve",
"language": "en"
}' \
--output audio.mp3
Server vastab binaarse helifailiga otse vastuse kehas. Selle ümber puudub JSON-ümbris: saad kätte helifaili toored bitid.
Autentimine
Nagu iga xAi API lõpp-punkti puhul, lisa oma API-võti päisesse Authorization formaadis Bearer:
Authorization: Bearer xai-your-api-key
Päringu keha
JSON-keha põhineb neljal peamisel parameetril:
text(kohustuslik): teisendatav tekst, kuni 60 000 märki. See toetab väljendusrikkaid sildid, mida õpid tundma järgmistes tundides.voice_id(valikuline): hääle ID. Vaikimisi on seeeve. Väärtused ei erista suur- ja väiketähti.language(kohustuslik): keelekood BCP-47 formaadis (en,fr,de, …) võiautoautomaatseks tuvastamiseks.output_format(valikuline): objekt, mis konfigureerib koodeki, diskreetimissageduse ja bitikiiruse.
Muu valikuline säte täiendab päringut: speed (taasesituse kiirus vahemikus 0,7–1,5, vaikimisi 1,0), replace (asendustabel, mis parandab sõna hääldust ilma saadetavat teksti muutmata), with_timestamps (märkide kaupa ajatemplid), text_normalization (numbrite, lühendite ja sümbolite väljakirjutamine enne sünteesi) ja optimize_streaming_latency (väärtus "1" lühendab ooteaega enne esimest helilõiku, ohverdades seejuures veidi kvaliteeti liitekohtades).
HTTP-vastus
Õnnestumisel (olekukood 200) tagastab server helifaili sisutüübiga, mis vastab taotletud formaadile:
audio/mpegMP3 jaoks (vaikimisi)audio/wavWAV jaoksaudio/pcmtoore PCM-i jaoksaudio/basicG.711 μ-seaduse (mulaw) jaoksaudio/alawG.711 A-seaduse (alaw) jaoks
Vastus ei sisalda metaandmeid, ainult helibitte. Erandiks on with_timestamps: sel juhul muutub vastus JSON-objektiks, mis sisaldab heli base64-kodeeringus, selle kestust ja iga märgi ajatemplit. Saad vastuse otse faili kirjutada või voogedastada helimängijasse.
Pythoni näide
import requests
response = requests.post(
"https://api.x.ai/v1/tts",
headers={"Authorization": f"Bearer {api_key}"},
json={
"text": "Here's an example of speech synthesis.",
"voice_id": "rex",
"language": "en"
}
)
with open("output.mp3", "wb") as f:
f.write(response.content)
JavaScripti näide (Node.js)
const response = await fetch("https://api.x.ai/v1/tts", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.XAI_API_KEY}`,
"Content-Type": "application/json"
},
body: JSON.stringify({
text: "Here's an example of speech synthesis.",
voice_id: "rex",
language: "en"
})
});
const buffer = await response.arrayBuffer();
fs.writeFileSync("output.mp3", Buffer.from(buffer));
Hinnakujundus
TTS maksab 15 dollarit miljoni märgi kohta (xAi hinnad seisuga 3. november 2026). Sinult arvestatakse tasu text-väljal saadetud märkide eest, kaasates väljendusrikkad sildid; replace-tabel seda arvu ei muuda. Keskmiselt 1000 märgiga päringu kohta tähendab see umbes 0,015 dollarit kõne eest.
Peamised punktid
- Lõpp-punkt
POST /v1/ttson kõnesünteesi peamine sisenemispunkt - Vastuseks on binaarne helifail, mitte JSON
- Tekst on piiratud 60 000 märgiga HTTP-päringu kohta; WebSocketil kogupiirang puudub
- Autenditakse päise
Authorization: Bearerabil - Hind on 15 dollarit miljoni märgi kohta