Risposta audio e prezzi
In questa pagina
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/mpegper MP3,audio/wavper WAV,audio/pcmper 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 richiesto | Content-Type ricevuto | Estensione file |
|---|---|---|
mp3 | audio/mpeg | .mp3 |
wav | audio/wav | .wav |
pcm | audio/pcm | .pcm |
mulaw | audio/basic | .ul |
alaw | audio/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
| Volume | Caratteri | Costo stimato |
|---|---|---|
| 1 frase | ~100 | 0,0015 $ |
| 1 paragrafo | ~500 | 0,0075 $ |
| 1 pagina stampata | ~2.000 | 0,03 $ |
| 1 post sul blog | ~5.000 | 0,075 $ |
| 1 libro (200 pagine) | ~400.000 | 6 $ |
| 1 milione di caratteri | 1.000.000 | 15 $ |
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