Grok TTS API WebSocket-ühendus
Sellel lehel
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.
WebSocketi lõpp-punkt
Sa ühendud aadressiga wss://api.x.ai/v1/tts. Konfigureerimisparameetrid lisad esialgse ühenduse päringureale.
Ühenduse parameetrid
| Parameeter | Kohustuslik | Vaikimisi | Kirjeldus |
|---|---|---|---|
language | Jah | — | BCP-47 kood või auto |
voice | Ei | — | Sisseehitatud või kohandatud hääle ID |
codec | Ei | mp3 | mp3, wav, pcm, mulaw (või ulaw), alaw |
sample_rate | Ei | 24000 | Diskreetimissagedus |
bit_rate | Ei | 128000 | Bitikiirus (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:
- Tuvastama, millal ühendus sulgub
- Vajadusel automaatselt uuesti ühenduma
- 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
| Aspekt | Ühekordne HTTP | WebSocket |
|---|---|---|
| Latentsus | Terve heli pärast töötlemist | Esimesed bitid kohe |
| Maks. tekst | 60 000 märki päringu kohta | Piiramatu (deltad maksimaalselt 60 000) |
| Aegumine | 15 minutit | Puudub; sessiooniluba 600 sekundit |
| Sessioonid | Pole kohaldatav | 50 meeskonna kohta |
| Kasutusjuhud | Partii töö, helifailid | Reaalaeg, 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