TTS-päringu parameetrid
Sellel lehel
Uuendatud 3. novembril 2026, tuginedes xAI Text to Speech lehele ja Voice API referentsdokumentatsioonile. Allikad: Text to Speech · Voice API.
Häälesünteesi täpsustamine
POST /v1/tts lõpp-punkt põhineb JSON-päringu kehas neljal peamisel parameetril, millele lisandub mõned valikulised sätted. Igaüks neist annab sulle täpse kontrolli genereeritava heli üle ning nende mõistmine võimaldab sul sünteesi oma kasutusjuhtumile kohandada.
Parameeter text
Koos parameetriga language on text ainus kohustuslik parameeter. See aktsepteerib kuni 60 000 märgi pikkust stringi, mis võib sisaldada lihtteksti või väljendusrikkaid sildid (neid käsitleme järgmises osas).
{
"text": "Hello and welcome. Today, we're going to talk about artificial intelligence."
}
Üle 60 000 märgi HTTP-päring lükatakse tagasi. Pikemate tekstide puhul soovitab xAI kasutada WebSocketi, millel puudub üldine pikkusepiirang (tunnid 9–12), või jagada tekst segmentideks, mille helifailid hiljem ühendad. Jagamine tasub teha loomulikes kohtades (lausetelõppudes, lõigu lõppudes), et tulemus oleks sujuv.
Parameeter voice_id
See parameeter määrab sünteesiks kasutatava hääle. See on valikuline ja vaikimisi väärtus on eve. ID-d ei erista suur- ja väiketähti: Eve, EVE ja eve on samaväärsed.
xAI pakub (seisuga 3. november 2026) 28 sisseehitatud häält – sama palju kui hääleagendi puhul – ning lisaks kohandatud hääli, mis on loodud Custom Voices API abil. Viis algset häält kirjeldab xAI nii:
- eve: energiline ja rõõmus, briti aktsendiga
- ara: soe ja sõbralik
- rex: enesekindel ja selge
- sal: sujuv ja tasakaalukas
- leo: autoriteetne ja võimas, briti aktsendiga
Ülejäänud 23 häält (carina, zagan, helix, orion, luna, iris, altair, zenith, perseus, helios, lux, kepler, rigel, cosmo, celeste, ursa, sirius, lumen, castor, naksh, atlas, aurora ja liora) on koos nende kasutusvaldkondadega kirjeldatud xAI Text to Speech lehel; GET /v1/tts/voices tagastab praeguse nimekirja (tund 3).
{
"text": "Welcome to this tutorial.",
"voice_id": "rex",
"language": "en"
}
xAI sõnul räägib iga hääl kõiki toetatud keeli. Hääle valik ei mõjuta hinda, mis põhineb märkide arvul.
Parameeter language
See parameeter on kohustuslik. See aktsepteerib BCP-47 koodi või eriväärtust auto automaatseks keeletuvastuseks.
Toetatud on 20 keelt:
| Kood | Keel | Kood | Keel |
|---|---|---|---|
en | inglise | ko | korea |
fr | prantsuse | hi | hindi |
de | saksa | bn | bengali |
es-ES | hispaania (Hispaania) | ar-EG | araabia (Egiptus) |
es-MX | hispaania (Mehhiko) | ar-SA | araabia (Saudi Araabia) |
pt-BR | portugali (Brasiilia) | ar-AE | araabia (AÜE) |
pt-PT | portugali (Portugal) | tr | türgi |
it | itaalia | id | indoneesia |
ru | vene | vi | vietnami |
zh | hiina | ja | jaapani |
Automaatne tuvastus (auto) toimib hästi ühekeelsete tekstide puhul, kuid mitut keelt segavate tekstide korral märgi põhikeel selgelt ära.
Parameeter output_format
See valikuline parameeter on JSON-objekt, mis juhib heliväljundi formaati. Sellel on kolm alam-parameetrit.
codec
Koodek määrab kodeeringu formaadi:
mp3(vaikimisi): tihendatud formaat, ideaalne veebi ja voogedastuse jaokswav: kadudeta formaat, parem kvaliteet, kuid suuremad failidpcm: toores heli ilma päiseta, mõeldud töötlemistorustike jaoksmulaw/ulaw: G.711 mu-law koodek telefonside jaoksalaw: G.711 A-law koodek telefonside jaoks
sample_rate
Diskreetimissagedus hertsides. Lubatud väärtused: 8000, 16000, 22050, 24000 (vaikimisi), 44100, 48000.
bit_rate
Bitikiirus bittides sekundis, ainult MP3-koodeki jaoks. Lubatud väärtused: 32000, 64000, 96000, 128000 (vaikimisi), 192000.
{
"text": "High-quality audio for production.",
"voice_id": "ara",
"language": "en",
"output_format": {
"codec": "wav",
"sample_rate": 48000
}
}
Parameeter speed
speed määrab taasesituse kiiruse: 1.0 on normaalne kiirus (vaikimisi) ja vahemik ulatub 0.7-st 1.5-ni. Veidi aeglasem tempo sobib tiheda haridussisu jaoks; üle 1.2 kuula tulemust kindlasti uuesti üle.
Soovitatud kombinatsioonid
| Kasutusjuhtum | codec | sample_rate | bit_rate |
|---|---|---|---|
| Veeb / voogedastus | mp3 | 24000 | 128000 |
| Helitootmine | wav | 48000 | — |
| VoIP-telefonia | mulaw | 8000 | — |
| Masinõppe torustik | pcm | 16000 | — |
Peamised punktid
textjalanguageon ainsad kohustuslikud parameetridvoice_idon valikuline (vaikimisi:eve) ja ei erista suur- ja väiketähtioutput_formatjuhib koodekit, diskreetimissagedust ja bitikiirust;speedmäärab kiiruse (0,7–1,5)- MP3 sagedusega 24 kHz ja bitikiirusega 128 kbps on hea vaikimisi tasakaal kvaliteedi ja failisuuruse vahel
- Telefonside jaoks kasuta
mulawvõialawsagedusega 8 kHz