Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Válaszkezelés és árazás

4. lecke 14 közül Frissítve 2026. november 3. Fejlesztő
Ezen az oldalon
  1. A válasz kezelése és a költségek kordában tartása
  2. A HTTP válasz felépítése
  3. Kodek és Content-Type leképezés
  4. Részletes árazás
  5. Audiohossz becslése
  6. Főbb megállapítások

Frissítve: 2026. november 3., az xAI Árazás, Sebességkorlátok és Szövegből beszéd oldalai alapján. Források: Árazás · Sebességkorlátok · Szövegből beszéd.

A válasz kezelése és a költségek kordában tartása

Ha a TTS API sikeresen végrehajtódik, a HTTP törzsében közvetlenül audio bájtok folyamát kapod vissza. A produkciós környezetben történő üzemeltetéshez elengedhetetlen, hogy tudd, hogyan kezeld ezt a választ, és hogyan anticipáld a költségeket.

A HTTP válasz felépítése

A válasz státuszkódja 200, a törzs pedig kizárólag audio bájtokat tartalmaz. Nincs JSON burkoló. A fontos HTTP fejlécek a következők:

  • Content-Type: az audio formátum (audio/mpeg MP3 esetén, audio/wav WAV esetén, audio/pcm PCM esetén)
  • Content-Length: az audiofájl mérete bájtokban
response = requests.post("https://api.x.ai/v1/tts", ...)

# Sikeres végrehajtás ellenőrzése
if response.status_code == 200:
    content_type = response.headers["Content-Type"]
    audio_size = len(response.content)
    print(f"Formátum: {content_type}, Méret: {audio_size} bájt")

Írás fájlba

A legegyszerűbb megoldás, ha a választ közvetlenül fájlba írod:

with open("output.mp3", "wb") as f:
    f.write(response.content)

A válasz streamelése

Nagy fájlok esetén streameld a választ, hogy ne kelljen az összes audiót a memóriába betöltened:

response = requests.post(
    "https://api.x.ai/v1/tts",
    headers={"Authorization": f"Bearer {api_key}"},
    json={"text": long_text, "voice_id": "eve", "language": "en"},
    stream=True
)

with open("output.mp3", "wb") as f:
    for chunk in response.iter_content(chunk_size=8192):
        f.write(chunk)

Közvetített lejátszás böngészőben

Kliensoldali JavaScriptben (miután az audiót továbbítottad a backendeden keresztül) dinamikusan létrehozhatsz egy audio elemet:

const audioBlob = new Blob([audioBuffer], { type: "audio/mpeg" });
const audioUrl = URL.createObjectURL(audioBlob);
const audio = new Audio(audioUrl);
audio.play();

Ne felejtsd el felszabadítani a Blob URL-t lejátszás után a memóriaszivárgás elkerülése érdekében (a produkciós lecke ezt részletesen tárgyalja).

Kodek és Content-Type leképezés

Kért kodekFogadott Content-TypeFájlkiterjesztés
mp3audio/mpeg.mp3
wavaudio/wav.wav
pcmaudio/pcm.pcm
mulawaudio/basic.ul
alawaudio/alaw.al

Részletes árazás

A TTS költsége millió karakterenként 15 USD (xAI árazás, 2026. november 3. szerint). A beküldött text mező tartalmáért számolnak fel díjat, beleértve a kifejező címkéket is.

Költségbecslések

MennyiségKarakterekBecsült költség
1 mondat~1000,0015 USD
1 bekezdés~5000,0075 USD
1 nyomtatott oldal~2 0000,03 USD
1 blogbejegyzés~5 0000,075 USD
1 könyv (200 oldal)~400 0006 USD
1 millió karakter1 000 00015 USD

Címkék és számlázás

Az olyan kifejező címkék, mint a [pause], <whisper> és <loud>, beleszámítanak a karakterek teljes számába. Egy 1000 karakteres szöveg 50 karakternyi címkével 1050 karakterként kerül számlázásra. Ez általában a teljes szöveg kevesebb mint 5%-a.

Egyidejűségi korlátok

Az xAI Sebességkorlátok oldala szerint a TTS az alapcsomagban másodpercenként 50 kérést és 100 egyidejű munkamenetet fogad el; ezek a korlátok a csapatod szintjével növekednek (akár 500-ig és 500-ig). A Szövegből beszéd oldal említi még csapatonként az 50 egyidejű WebSocket munkamenetet is. Ezen felül az API 429-es hibát ad vissza: nagy mennyiségek esetén időzítsd el a kéréseidet, vagy használj várósort.

Audiohossz becslése

A generált audio hossza a szövegtől, a hangtól és a speed beállítástól függ. Durva becslésként a beszélt nyelv sebessége percenként körülbelül 150 szó, ami angolul nagyjából percenként 850 karaktert jelent: mielőtt időtartamot ígérsz, mérd le ezt a saját hangoddal. Pontos értékhez a with_timestamps paraméter visszaadja az audio időtartamát (duration) az időbélyegekkel együtt.

Ezzel a tempóval egy 60 000 karakteres szöveg, ami egy kérés maximális limitje, kicsit több mint egy óra audiót eredményez.

Főbb megállapítások

  • A TTS válasz bináris folyam, nem JSON
  • A Content-Type megmondja, milyen audioformátumot kaptál
  • Streameld a nagy fájlokat
  • A költség millió karakterenként 15 USD, címkékkel együtt
  • Alapcsomagban: másodpercenként 50 kérés és 100 egyidejű munkamenet
  • Egy 60 000 karakteres kérés körülbelül egy óra audiót generál