Léim go dtí an príomhábhar
Gaeilge— Roghnaigh teanga
Roghchlár

Paraiméadair iarratais TTS

Ceacht 2 as 14 Nuashonraithe 3 Samhain 2026 Forbróir
Ar an leathanach seo
  1. Do shintéis cainte a mhionchoigeartú
  2. An paraiméadar text
  3. An paraiméadar voice_id
  4. An paraiméadar language
  5. An paraiméadar output_format
  6. An paraiméadar speed
  7. Comhcheangail mholta
  8. Príomhphointí

Nuashonraithe an 3 Samhain 2026, bunaithe ar leathanach Text to Speech xAI agus ar thagairt an API Gutha. Foinse: Text to Speech · Voice API.

Do shintéis cainte a mhionchoigeartú

Baineann an t-ionchurphointe POST /v1/tts le ceithre phríomhpharaiméadar sa chorp iarratais JSON, chomh maith le roinnt socruithe roghnacha. Tugann gach ceann acu smacht cruinn duit ar an bhfuaim ghinte, agus má thuigeann tú iad, is féidir leat an tsintéis a oiriúnú do do chás úsáide.

An paraiméadar text

In éineacht le language, is é text an t-aon pharaiméadar éigeantach. Glacann sé le teaghrán de suas le 60,000 carachtar, ar féidir gnáth-théacs nó clibeanna sloinnte (a phléitear sa chéad chuid eile) a bheith ann.

{
  "text": "Hello and welcome. Today, we're going to talk about artificial intelligence."
}

Diúltaítear don iarratas HTTP má théann sé thar 60,000 carachtar. I gcás téacsanna níos faide, molann xAI WebSocket a úsáid, nach bhfuil aon teorainn faid iomlán air (ceachtanna 9 go 12), nó an téacs a roinnt ina mhíreanna agus an fhuaim a chónascadh ina dhiaidh sin. Déan an roinnt ag teorainneacha nádúrtha (deireadh abairtí, deireadh míreanna) chun toradh réidh a fháil.

An paraiméadar voice_id

Socraíonn an paraiméadar seo an ghuth a úsáidtear don tsintéis. Is paraiméadar roghnach é agus is é eve an luach réamhshocraithe. Níl IDanna íogair ó thaobh cás de: tá Eve, EVE, agus eve coibhéiseach.

Tá 28 ghuth ionsuite ar fáil ag xAI (faoi láthair an 3 Samhain 2026), mar an gcéanna leis an ngníomhaire gutha, chomh maith le guthanna saincheaptha a chruthaítear leis an API Custom Voices. Seo iad an cúig ghuth bunaidh, mar a dhéanann xAI cur síos orthu:

  • eve: fuinniúil agus dearfach, blas Briotanach
  • ara: te agus cairdiúil
  • rex: muiníneach agus soiléir
  • sal: mín agus cothromaithe
  • leo: údarásach agus cumhachtach, blas Briotanach

Déantar cur síos ar an 23 ghuth eile (carina, zagan, helix, orion, luna, iris, altair, zenith, perseus, helios, lux, kepler, rigel, cosmo, celeste, ursa, sirius, lumen, castor, naksh, atlas, aurora, agus liora), lena gcásanna úsáide, ar leathanach Text to Speech xAI; filleann GET /v1/tts/voices an liosta reatha (ceacht 3).

{
  "text": "Welcome to this tutorial.",
  "voice_id": "rex",
  "language": "en"
}

De réir xAI, labhraíonn gach guth gach teanga a dtacaítear léi. Ní dhéanann do rogha gutha difear don phraghas, atá bunaithe ar líon na gcarachtar.

An paraiméadar language

Tá an paraiméadar seo éigeantach. Glacann sé le cód BCP-47 nó an luach speisialta auto chun teanga a bhrath go huathoibríoch.

Seo iad an 20 teanga a dtacaítear leo:

CódTeangaCódTeanga
enBéarlakoCóiréis
frFraincishiHiondúis
deGearmáinisbnBeangáilis
es-ESSpáinnis (an Spáinn)ar-EGAraibis (an Éigipt)
es-MXSpáinnis (Meicsiceo)ar-SAAraibis (an Araib Shádach)
pt-BRPortaingéilis (an Bhrasaíl)ar-AEAraibis (AÉA)
pt-PTPortaingéilis (an Phortaingéil)trTuircis
itIodáilisidIndinéisis
ruRúisisviVítneaimis
zhSíneachjaSeapáinis

Oibríonn brath uathoibríoch (auto) go maith le haghaidh téacsanna aonteangacha, ach i gcás téacsanna a mheascann roinnt teangacha, luaigh an phríomhtheanga go sainráite.

An paraiméadar output_format

Is oibiacht JSON é an paraiméadar roghnach seo a rialaíonn formáid aschurtha na fuaime. Tá trí fho-pharaiméadar aige.

codec

Socraíonn an codec an formáid ionchódaithe:

  • mp3 (réamhshocraithe): formáid chomhbhrúite, idéalach don ghréasán agus do shruthú
  • wav: formáid gan chaillteanas, cáilíocht níos fearr ach comhaid níos mó
  • pcm: fuaim amh gan ceanntásc, le haghaidh píblínte próiseála
  • mulaw / ulaw: an codec G.711 mu-law le haghaidh teileafóinia
  • alaw: an codec G.711 A-law le haghaidh teileafóinia

sample_rate

An ráta samplála i heirts. Luachanna inghlactha: 8000, 16000, 22050, 24000 (réamhshocraithe), 44100, 48000.

bit_rate

An ráta giotáin i ngiotáin in aghaidh an tsoicind, don codec MP3 amháin. Luachanna inghlactha: 32000, 64000, 96000, 128000 (réamhshocraithe), 192000.

{
  "text": "High-quality audio for production.",
  "voice_id": "ara",
  "language": "en",
  "output_format": {
    "codec": "wav",
    "sample_rate": 48000
  }
}

An paraiméadar speed

Socraíonn speed luas na seinnte: is é 1.0 an gnáthluas (an réamhshocrú), agus ritheann an raon ó 0.7 go 1.5. Cuidíonn luas beagán níos moille le hábhar oideachais dlúth; os cionn 1.2, éist leis an toradh arís i gcónaí.

Comhcheangail mholta

Cás úsáidecodecsample_ratebit_rate
Gréasán / sruthúmp324000128000
Léiriú fuaimewav48000—
Teileafóinia VoIPmulaw8000—
Píblíne MLpcm16000—

Príomhphointí

  • Ní paraiméadair éigeantacha ach text agus language
  • Is paraiméadar roghnach é voice_id (réamhshocrú: eve) agus níl sé íogair ó thaobh cás de
  • Rialaíonn output_format an codec, an ráta samplála, agus an ráta giotáin; socraíonn speed an luas (0.7 go 1.5)
  • Is dea-chothromaíocht idir cáilíocht agus méid é MP3 ag 24 kHz / 128 kbps mar réamhshocrú
  • Le haghaidh teileafóinia, úsáid mulaw nó alaw ag 8 kHz