TTS-pyynnön parametrit
Tällä sivulla
Päivitetty 3. marraskuuta 2026 xAI:n Text to Speech -sivun ja Voice API -viitteen perusteella. Lähteet: Text to Speech · Voice API.
Hienosäädä puheesynteesiäsi
POST /v1/tts -päätepiste pyörii neljän JSON-pyyntörunnon pääparametrin sekä muutaman valinnaisen asetuksen ympärillä. Jokainen niistä antaa sinulle tarkan hallinnan tuotetusta äänestä, ja niiden ymmärtäminen mahdollistaa synteesin räätälöinnin käyttötarkoitukseesi.
text-parametri
language-parametrin lisäksi text on ainoa pakollinen parametri. Se hyväksyy merkkijonon, jonka pituus on enintään 60 000 merkkiä ja joka voi sisältää pelkkää tekstiä tai ilmaisumerkkejä (käsitellään seuraavassa osiossa).
{
"text": "Hello and welcome. Today, we're going to talk about artificial intelligence."
}
Jos merkkimäärä ylittää 60 000, HTTP-pyyntö hylätään. Pidempiä tekstejä varten xAI suosittelee WebSocket-yhteyden käyttöä, jossa ei ole kokonaispituusrajoitusta (tunnit 9–12), tai tekstin jakamista osiin, joiden ääniraidat yhdistetään jälkikäteen. Jaa teksti luonteviin kohtiin (lauseiden tai kappaleiden loppuun) sujuvan lopputuloksen saavuttamiseksi.
voice_id-parametri
Tämä parametri määrittää synteesissä käytettävän äänen. Se on valinnainen, ja oletusarvo on eve. Tunnisteet eivät ole kirjainkokoherkkiä: Eve, EVE ja eve ovat samanarvoisia.
xAI tarjoaa 28 sisäänrakennettua ääntä (tilanne 3.11.2026), sama määrä kuin voice agentissa, sekä Custom Voices API:n avulla luotuja mukautettuja ääniä. xAI:n kuvailemat viisi alkuperäistä ääntä ovat:
- eve: energinen ja iloinen, brittiaksentti
- ara: lämmin ja ystävällinen
- rex: itsevarma ja selkeä
- sal: sujuva ja tasapainoinen
- leo: auktoriteettinen ja voimakas, brittiaksentti
Muut 23 ääntä (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 kuvattu käyttötarkoituksineen xAI:n Text to Speech -sivulla; GET /v1/tts/voices palauttaa nykyisen listan (tunti 3).
{
"text": "Welcome to this tutorial.",
"voice_id": "rex",
"language": "en"
}
xAI:n mukaan kaikki äänet puhuvat kaikkia tuettuja kieliä. Äänen valinta ei vaikuta hintaan, joka perustuu merkkien määrään.
language-parametri
Tämä parametri on pakollinen. Se hyväksyy BCP-47-koodin tai erityisarvon auto automaattista kielen tunnistusta varten.
Tuetut 20 kieltä ovat:
| Koodi | Kieli | Koodi | Kieli |
|---|---|---|---|
en | englanti | ko | korea |
fr | ranska | hi | hindi |
de | saksa | bn | bengali |
es-ES | espanja (Espanja) | ar-EG | arabia (Egypti) |
es-MX | espanja (Meksiko) | ar-SA | arabia (Saudi-Arabia) |
pt-BR | portugali (Brasilia) | ar-AE | arabia (Yhdistyneet arabiemiirikunnat) |
pt-PT | portugali (Portugali) | tr | turkki |
it | italia | id | indonesia |
ru | venäjä | vi | vietnam |
zh | kiina | ja | japani |
Automaattinen tunnistus (auto) toimii hyvin yksikielisissä teksteissä, mutta useampaa kieltä sekoittavissa teksteissä ilmoita pääkieli eksplisiittisesti.
output_format-parametri
Tämä valinnainen parametri on JSON-objekti, joka ohjaa äänen ulostuloformaattia. Siinä on kolme aliparametria.
codec
Codec määrittää koodausformaatin:
mp3(oletus): pakattu formaatti, ihanteellinen verkkoon ja suoratoistoonwav: häviötön formaatti, parempi laatu mutta suuremmat tiedostotpcm: raakaääni ilman otsikkoa, käsittelyputkia vartenmulaw/ulaw: G.711 mu-law -codec puhelinkäyttöönalaw: G.711 A-law -codec puhelinkäyttöön
sample_rate
Näytteenottotaajuus hertseinä. Hyväksytyt arvot: 8000, 16000, 22050, 24000 (oletus), 44100, 48000.
bit_rate
Bittinopeus bitteinä sekunnissa, vain MP3-codecia varten. Hyväksytyt arvot: 32000, 64000, 96000, 128000 (oletus), 192000.
{
"text": "High-quality audio for production.",
"voice_id": "ara",
"language": "en",
"output_format": {
"codec": "wav",
"sample_rate": 48000
}
}
speed-parametri
speed asettaa toistonopeuden: 1.0 on normaali nopeus (oletus), ja alue ulottuu välille 0.7–1.5 Hieman hitaampi tahti auttaa tiheässä oppisisällössä; yli 1.2 nopeuksilla kuuntele tulos aina uudelleen.
Suositellut yhdistelmät
| Käyttötarkoitus | codec | sample_rate | bit_rate |
|---|---|---|---|
| Web / suoratoisto | mp3 | 24000 | 128000 |
| Äänituotanto | wav | 48000 | — |
| VoIP-puhelinliikenne | mulaw | 8000 | — |
| ML-putki | pcm | 16000 | — |
Keskeiset asiat
textjalanguageovat ainoat pakolliset parametritvoice_idon valinnainen (oletus:eve) eikä ole kirjainkokoherkkäoutput_formatohjaa codecia, näytteenottotaajuutta ja bittinopeutta;speedasettaa nopeuden (0,7–1,5)- MP3 muodossa 24 kHz / 128 kbps on hyvä oletustasapaino laadun ja koon välillä
- Puhelinkäyttöä varten käytä
mulaw- taialaw-formaattia 8 kHz taajuudella