Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Grok TTS API WebSocket-ühendus

Õppetund 9 / 14 Värskendatud 3. november 2026 Arendajatele
Sellel lehel
  1. Reaalaegne kõnesüntees WebSocketi kaudu
  2. WebSocketi lõpp-punkt
  3. Ühenduse avamine
  4. Sessiooni haldamine
  5. Ühekordne HTTP versus WebSocket
  6. Millal kasutada WebSocketi
  7. Peamised punktid

Uuendatud 3. novembril 2026, tuginedes xAI Text to Speech lehele: kuni 60 000 märgi suurused deltad, ühenduse aegumist ei ole ja „sessiooniluba“ kehtib 600 sekundit. Allikas: Text to Speech.

Reaalaegne kõnesüntees WebSocketi kaudu

Grok TTS API pakub kõnesünteesi voogedastuseks WebSocketi režiimi. Erinevalt ühekordsest HTTP-režiimist, mis ootab töötlemise lõppu, et tagastada terve helifail, saadab WebSocket helilõike kohe nende genereerimisel. See on ideaalne interaktiivsete rakenduste jaoks, kus tajutav latentsus peab olema võimalikult väike.

wss://
Turvaline protokoll
50
Sessiooni meeskonna kohta
600 s
Sessiooniluba
∞
Piiramatu tekst

WebSocketi lõpp-punkt

Sa ühendud aadressiga wss://api.x.ai/v1/tts. Konfigureerimisparameetrid lisad esialgse ühenduse päringureale.

Ühenduse parameetrid

ParameeterKohustuslikVaikimisiKirjeldus
languageJah—BCP-47 kood või auto
voiceEi—Sisseehitatud või kohandatud hääle ID
codecEimp3mp3, wav, pcm, mulaw (või ulaw), alaw
sample_rateEi24000Diskreetimissagedus
bit_rateEi128000Bitikiirus (ainult MP3 puhul)

Täielik ühenduse URL

wss://api.x.ai/v1/tts?language=en&voice=rex&codec=mp3&sample_rate=24000

Ühenduse avamine

JavaScriptis (brauseris või Node.js-is)

const ws = new WebSocket(
  "wss://api.x.ai/v1/tts?language=en&voice=rex&codec=mp3",
  {
    headers: {
      "Authorization": `Bearer ${API_KEY}`
    }
  }
);

ws.onopen = () => {
  console.log("TTS connection established");
};

ws.onerror = (error) => {
  console.error("WebSocket error:", error);
};

Tähtis: brauseris ei toeta nativne WebSocketi API kohandatud päiseid. Pead ühenduse loomiseks kasutama oma taustasüsteemi (vt tootmise tund).

Pythonis teegiga websockets

import asyncio
import websockets
import json

async def connect_tts():
    uri = "wss://api.x.ai/v1/tts?language=en&voice=rex&codec=mp3"
    headers = {"Authorization": f"Bearer {api_key}"}

    async with websockets.connect(uri, additional_headers=headers) as ws:
        print("TTS connection established")
        # Saada tekst ja võta vastu heli...

Sessiooni haldamine

Eluiga

xAI Text to Speech lehel on kaks olulist väidet, mida tuleb koos lugeda: WebSocketi ühendusel puudub päringu aegumine (see püsib avatuna) ja „sessiooniloal“ on eluiga 600 sekundit, kusjuures lehel ei selgitata, mis juhtub selle lõppedes. Ohutuse mõttes peaks sinu rakendus:

  1. Tuvastama, millal ühendus sulgub
  2. Vajadusel automaatselt uuesti ühenduma
  3. Jätkama teksti saatmist sealt, kus pooleli jäi

Samaaegsed sessioonid

Vastavalt Text to Speech lehele on sinu meeskonnal piirang 50 samaaegsele WebSocketi sessioonile (Rate limits lehel loendatakse TTS sessioone tasemete kaupa, alates 100-st). Üle selle piiri lükatakse uued ühendused tagasi. Suure liiklusega rakenduste jaoks halda ühenduste kogumit.

Mitu teksti ühel ühendusel

Erinevalt ühekordsest HTTP-režiimist, kus päringud aeguvad 15 minuti pärast, püsib ühendus avatuna ka pärast iga audio.done sõnumit: saad saata ühe teksti teise järel ilma uuesti ühendumatata ja tühistada käimasoleva käsuga text.clear (tund 10).

Ühekordne HTTP versus WebSocket

AspektÜhekordne HTTPWebSocket
LatentsusTerve heli pärast töötlemistEsimesed bitid kohe
Maks. tekst60 000 märki päringu kohtaPiiramatu (deltad maksimaalselt 60 000)
Aegumine15 minutitPuudub; sessiooniluba 600 sekundit
SessioonidPole kohaldatav50 meeskonna kohta
KasutusjuhudPartii töö, helifailidReaalaeg, voogedastus

Millal kasutada WebSocketi

WebSocket on õige valik alati, kui tegemist on reaalaegse tööga. Kui kasutaja ootab vestlusrobotilt või häälassistendilt viivitamatut vastust, maksab iga vaikuse sekund enne esimest heli tajutava kasutajakogemuse arvelt. WebSocket võimaldab taasesitust alustada juba esimeste helilõikude saabumisel, enne kui genereerimine on lõppenud. See on ka loomulik arhitektuur juhuks, kui tekst ise saabub järk-järgult: LLM-i voogedastatud väljund ühendub otse TTS-iga, delta haaval, ootamata tervet teksti valmimist. See kaotab ka pikkusepiirangu: kogu tekstile puudub üldine limiit, ainult üksikuid deltaid piirab 60 000 märki, mis on piisav terve dokumendi häälde lugemiseks pideva voona.

Ühekordsel HTTP-režiimil on oma koht seal, kus reaalaegsus midagi ei lisa: helifailide partii genereerimine, protsessid, mis vajavad enne tegutsemist tervet faili (järeltöötlus, salvestamine, saatmine) ja lihtsalt iga arhitektuur, mis eelistab olekutut päringut püsiva ühenduse haldamisele.

Peamised punktid

  • TTS WebSocket on saadaval aadressil wss://api.x.ai/v1/tts
  • Parameetrid lisad ühenduse loomisel päringureale
  • Ühendus ei aegu iseenesest, kuid dokumentatsioon mainib 600-sekundilist sessiooniluba: planeeri uuesti ühendumine
  • Piirang on 50 samaaegset sessiooni meeskonna kohta
  • Tekst on piiramatu (saadetakse deltadena kuni 60 000 märki)
  • Kasuta WebSocketi reaalaegseks tööks ja HTTP-d partii tööks