Vai al contenuto principale
Italiano— Scegli una lingua
Menu

Risposta audio e prezzi

Lezione 4 di 14 Aggiornata il 3 novembre 2026 Sviluppatore
In questa pagina
  1. Gestisci la risposta e tieni sotto controllo i costi
  2. Anatomia della risposta HTTP
  3. Mappatura da Codec a Content-Type
  4. Dettagli sui prezzi
  5. Stima della durata audio
  6. Punti chiave

Aggiornato il 3 novembre 2026, sulla base delle pagine Pricing, Rate limits e Text to Speech di xAI. Fonti: Pricing · Rate limits · Text to Speech.

Gestisci la risposta e tieni sotto controllo i costi

Quando l’API TTS ha successo, restituisce un flusso di byte audio direttamente nel corpo della risposta HTTP. Sapere come gestire questa risposta e anticipare i costi è essenziale per eseguire il TTS in produzione.

Anatomia della risposta HTTP

La risposta ha stato 200 e il corpo contiene esclusivamente byte audio. Non c’è alcun involucro JSON. Le intestazioni HTTP importanti sono:

  • Content-Type: il formato audio (audio/mpeg per MP3, audio/wav per WAV, audio/pcm per PCM)
  • Content-Length: la dimensione del file audio in byte
response = requests.post("https://api.x.ai/v1/tts", ...)

# Check for success
if response.status_code == 200:
    content_type = response.headers["Content-Type"]
    audio_size = len(response.content)
    print(f"Format: {content_type}, Size: {audio_size} bytes")

Scrittura su file

L’approccio più semplice consiste nello scrivere la risposta direttamente su un file:

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

Streaming della risposta

Per file di grandi dimensioni, esegui lo streaming della risposta per evitare di caricare tutto l’audio in memoria:

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)

Riproduzione diretta nel browser

In JavaScript lato client (dopo aver inoltrato l’audio tramite il tuo backend), puoi creare un elemento audio al volo:

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

Ricorda di rilasciare l’URL del Blob dopo la riproduzione per evitare perdite di memoria (la lezione di produzione tratta questo argomento in dettaglio).

Mappatura da Codec a Content-Type

Codec richiestoContent-Type ricevutoEstensione file
mp3audio/mpeg.mp3
wavaudio/wav.wav
pcmaudio/pcm.pcm
mulawaudio/basic.ul
alawaudio/alaw.al

Dettagli sui prezzi

Il TTS costa 15 $ per milione di caratteri (prezzi xAI al 3 novembre 2026). Ti viene addebitato il contenuto del campo text così come lo invii, tag espressivi inclusi.

Stime dei costi

VolumeCaratteriCosto stimato
1 frase~1000,0015 $
1 paragrafo~5000,0075 $
1 pagina stampata~2.0000,03 $
1 post sul blog~5.0000,075 $
1 libro (200 pagine)~400.0006 $
1 milione di caratteri1.000.00015 $

Tag e fatturazione

I tag espressivi come [pause], <whisper> e <loud> contano nel totale dei caratteri. Un testo di 1.000 caratteri con 50 caratteri di tag viene fatturato come 1.050 caratteri. Di solito si tratta di meno del 5% del testo totale.

Limiti di concorrenza

Secondo la pagina Rate limits di xAI, il TTS accetta 50 richieste al secondo e 100 sessioni concorrenti nel piano base; questi limiti aumentano con il livello del tuo team (fino a 500 e 500). La pagina Text to Speech menziona inoltre 50 sessioni WebSocket concorrenti per team. Oltre questi limiti, l’API restituisce un errore 429: per grandi volumi, distanzia le tue richieste o utilizza una coda.

Stima della durata audio

La durata dell’audio generato dipende dal testo, dalla voce e dall’impostazione speed. A titolo indicativo, la lettura scorre a circa 150 parole al minuto, ovvero circa 850 caratteri al minuto in inglese: misurala con la tua voce prima di promettere una durata specifica. Per una cifra esatta, with_timestamps restituisce la durata dell’audio (duration) insieme ai timestamp.

A questo ritmo, un testo di 60.000 caratteri, il limite per una singola richiesta, produce poco più di un’ora di audio.

Punti chiave

  • La risposta TTS è un flusso binario, non JSON
  • Il Content-Type ti indica quale formato audio hai ricevuto
  • Esegui lo streaming per i file di grandi dimensioni
  • Costa 15 $ per milione di caratteri, tag inclusi
  • Nel piano base: 50 richieste al secondo e 100 sessioni concorrenti
  • Una richiesta di 60.000 caratteri produce circa un’ora di audio