TTS užklausos parametrai
Šiame puslapyje
Atnaujinta 2026 m. lapkričio 3 d., remiantis xAI Text to Speech puslapiu ir Voice API dokumentacija. Šaltiniai: Text to Speech · Voice API.
Derinkite savo kalbos sintezę
POST /v1/tts galinis taškas sukasi apie keturis pagrindinius JSON užklausos kūno parametrus ir keletą papildomų nustatymų. Kiekvienas jų suteikia tikslią generuojamo garso kontrolę, o juos suprasdami galėsite pritaikyti sintezę savo poreikiams.
Parametras text
Kartu su language, text yra vienintelis privalomas parametras. Jis priima iki 60 000 simbolių ilgio eilutę, kuri gali būti paprastas tekstas arba turėti išraiškingų žymų (apie jas kalbėsime kitame skyriuje).
{
"text": "Hello and welcome. Today, we're going to talk about artificial intelligence."
}
Viršijus 60 000 simbolių ribą, HTTP užklausa bus atmesta. Ilgesniems tekstams xAI rekomenduoja naudoti „WebSocket“, kuris neturi bendro ilgio apribojimo (9–12 pamokos), arba skaidyti tekstą į segmentus, kurių garso įrašus vėliau sujungsite. Skirstykite ties natūraliomis ribomis (sakinio pabaigomis, pastraipų pabaigomis), kad rezultatas būtų sklandus.
Parametras voice_id
Šis parametras nustato sintezei naudojamą balsą. Jis yra neprivalomas; numatytoji reikšmė – eve. ID nėra jautrūs didžiosioms ir mažosioms raidėms: Eve, EVE ir eve yra tas pats.
xAI siūlo 28 integruotus balsus (2026 m. lapkričio 3 d. duomenimis) – tiek pat, kiek ir balso agentui, – plius individualius balsus, sukurtus naudojant „Custom Voices API“. Štai penki originalūs balsai, kaip juos apibūdina xAI:
- eve: energingas ir linksmas, britų akcentas
- ara: šiltas ir draugiškas
- rex: pasitikintis savimi ir aiškus
- sal: glotnus ir subalansuotas
- leo: autoritetingas ir galingas, britų akcentas
Kiti 23 balsai (carina, zagan, helix, orion, luna, iris, altair, zenith, perseus, helios, lux, kepler, rigel, cosmo, celeste, ursa, sirius, lumen, castor, naksh, atlas, aurora ir liora) aprašyti kartu su jų naudojimo atvejais xAI Text to Speech puslapyje; GET /v1/tts/voices grąžina dabartinį sąrašą (3 pamoka).
{
"text": "Welcome to this tutorial.",
"voice_id": "rex",
"language": "en"
}
xAI teigimu, kiekvienas balsas kalba visomis palaikomomis kalbomis. Balso pasirinkimas neturi įtakos kainai, kuri skaičiuojama pagal simbolių skaičių.
Parametras language
Šis parametras yra privalomas. Jis priima BCP-47 kodą arba specialią reikšmę auto automatiniam kalbos nustatymui.
Palaikomos 20 kalbų:
| Kodas | Kalba | Kodas | Kalba |
|---|---|---|---|
en | Anglų | ko | Korėjiečių |
fr | Prancūzų | hi | Hindi |
de | Vokiečių | bn | Bengalų |
es-ES | Ispanų (Ispanija) | ar-EG | Arabų (Egiptas) |
es-MX | Ispanų (Meksika) | ar-SA | Arabų (Saudo Arabija) |
pt-BR | Portugalų (Brazilija) | ar-AE | Arabų (JAE) |
pt-PT | Portugalų (Portugalija) | tr | Turkų |
it | Italų | id | Indoneziečių |
ru | Rusų | vi | Vietnamiečių |
zh | Kinų | ja | Japonų |
Automatinis nustatymas (auto) gerai veikia vienkalbiams tekstams, tačiau tekstams, kuriuose maišomos kelios kalbos, pagrindinę kalbą nurodykite aiškiai.
Parametras output_format
Šis neprivalomas parametras yra JSON objektas, valdantis garso išvesties formatą. Jį sudaro trys subparametrai.
codec
Kodekas nustato kodavimo formatą:
mp3(numatyta): suspaustas formatas, idealus tinklui ir transliacijomswav: nuostolių neturintis formatas, geresnė kokybė, bet didesni failaipcm: žalias garsas be antraštės, skirtas apdorojimo grandinėmsmulaw/ulaw: G.711 mu-law kodekas telefonijaialaw: G.711 A-law kodekas telefonijai
sample_rate
Diskretizavimo dažnis hercais. Priimtinos reikšmės: 8000, 16000, 22050, 24000 (numatyta), 44100, 48000.
bit_rate
Bitų sparta bitais per sekundę, taikoma tik MP3 kodekui. Priimtinos reikšmės: 32000, 64000, 96000, 128000 (numatyta), 192000.
{
"text": "High-quality audio for production.",
"voice_id": "ara",
"language": "en",
"output_format": {
"codec": "wav",
"sample_rate": 48000
}
}
Parametras speed
speed nustato atkūrimo greitį: 1.0 yra normalus greitis (numatyta reikšmė), o diapazonas svyruoja nuo 0.7 iki 1.5. Šiek tiek lėtesnis tempas padeda dirbant su tankia edukacine medžiaga; viršijus 1.2, būtinai dar kartą perklausykite rezultatą.
Rekomenduojami deriniai
| Naudojimo atvejis | codec | sample_rate | bit_rate |
|---|---|---|---|
| Tinklas / transliacija | mp3 | 24000 | 128000 |
| Garso gamyba | wav | 48000 | — |
| VoIP telefonija | mulaw | 8000 | — |
| ML grandinė | pcm | 16000 | — |
Svarbiausi punktai
textirlanguageyra vieninteliai privalomi parametraivoice_idyra neprivalomas (numatyta:eve) ir nejautrus raidžių dydžiuioutput_formatvaldo kodeką, diskretizavimo dažnį ir bitų spartą;speednustato greitį (nuo 0,7 iki 1,5)- MP3 esant 24 kHz / 128 kbps yra geras numatytasis balansas tarp kokybės ir dydžio
- Telefonijai naudokite
mulawarbaalawesant 8 kHz