Parametri tat-talba TTS
F'din il-paġna
Aġġornat fit-3 ta’ Novembru 2026, ibbażat fuq il-paġna Text to Speech ta’ xAI u r-referenza tal-API tal-Vuċi. Sorsi: Text to Speech · Voice API.
Irraffina s-sinteżi tal-kliem tiegħek
L-endpoint POST /v1/tts idur madwar erba’ parametri ewlenin fil-korp tat-talba JSON, flimkien ma’ ftit impostazzjonijiet fakultattivi. Kull wieħed jagħtik kontroll preċiż fuq l-awdjo ġġenerat, u li tifhimhom jippermettilek tadatta s-sinteżi għall-każ ta’ użu tiegħek.
Il-parametru text
Flimkien ma’ language, text huwa l-uniku parametru meħtieġ. Jaċċetta stringa sa 60,000 karattru, li tista’ fiha test sempliċi jew tags espressivi (koperti fit-taqsima li jmiss).
{
"text": "Hello and welcome. Today, we're going to talk about artificial intelligence."
}
Lil hinn minn 60,000 karattru, it-talba HTTP tiġi miċħuda. Għal testi itwal, xAI jirrakkomanda l-użu ta’ WebSocket, li m’għandux limitu ta’ tul totali (lezzjonijiet 9 sa 12), jew li taqsam it-test f’segmenti li l-awdjo tagħhom tikkonkatena. Aqsam f’limiti naturali (tmiem frażijiet, tmiem paragrafi) għal riżultat fluwidu.
Il-parametru voice_id
Dan il-parametru jistabbilixxi l-vuċi użata għas-sinteżi. Huwa fakultattiv u default huwa eve. L-IDs mhumiex sensittivi għall-kaxxa: Eve, EVE, u eve huma ekwivalenti.
xAI joffri 28 vuċi integrati (sal-3 ta’ Novembru 2026), l-istess bħall-aġent tal-vuċi, flimkien ma’ vuċijiet personalizzati maħluqa bl-API Custom Voices. Il-ħames vuċijiet oriġinali, kif jiddeskrivihom xAI:
- eve: enerġetika u b’ton pożittiv, aċċent Brittaniku
- ara: sħuna u ħbiba
- rex: kunfidenti u ċara
- sal: lixxa u bbilanċjata
- leo: awtoritarja u qawwija, aċċent Brittaniku
L-oħrajn 23 (carina, zagan, helix, orion, luna, iris, altair, zenith, perseus, helios, lux, kepler, rigel, cosmo, celeste, ursa, sirius, lumen, castor, naksh, atlas, aurora, u liora) huma deskritti, flimkien mal-każijiet ta’ użu tagħhom, fil-paġna Text to Speech ta’ xAI; GET /v1/tts/voices tirritorna l-lista attwali (lezzjoni 3).
{
"text": "Welcome to this tutorial.",
"voice_id": "rex",
"language": "en"
}
Skont xAI, kull vuċi titkellem il-lingwi kollha appoġġjati. L-għażla tal-vuċi tiegħek ma taffettwax il-prezz, li huwa bbażat fuq in-numru ta’ karattri.
Il-parametru language
Dan il-parametru huwa meħtieġ. Jaċċetta kodiċi BCP-47 jew il-valur speċjali auto għad-detezzjoni awtomatika tal-lingwa.
Il-20 lingwa appoġġjata huma:
| Code | Language | Code | Language |
|---|---|---|---|
en | English | ko | Korean |
fr | French | hi | Hindi |
de | German | bn | Bengali |
es-ES | Spanish (Spain) | ar-EG | Arabic (Egypt) |
es-MX | Spanish (Mexico) | ar-SA | Arabic (Saudi Arabia) |
pt-BR | Portuguese (Brazil) | ar-AE | Arabic (UAE) |
pt-PT | Portuguese (Portugal) | tr | Turkish |
it | Italian | id | Indonesian |
ru | Russian | vi | Vietnamese |
zh | Chinese | ja | Japanese |
Id-detezzjoni awtomatika (auto) taħdem tajjeb għal testi b’lingwa waħda, iżda għal testi li jħalltu diversi lingwi, indika l-lingwa prinċipali b’mod espliċitu.
Il-parametru output_format
Dan il-parametru fakultattiv huwa oġġett JSON li jikkontrolla l-format tal-output tal-awdjo. Għandu tliet sub-parametri.
codec
Il-codec jistabbilixxi l-format tal-kodifika:
mp3(default): format ikkompressat, ideali għall-web u l-istreamingwav: format mingħajr telf (lossless), kwalità aħjar iżda fajls akbarpcm: awdjo raw mingħajr header, għal pipelines tal-ipproċessarmulaw/ulaw: il-codec G.711 mu-law għat-telefonijaalaw: il-codec G.711 A-law għat-telefonija
sample_rate
Ir-rata tal-kampjun f’hertz. Valuri aċċettati: 8000, 16000, 22050, 24000 (default), 44100, 48000.
bit_rate
Ir-rata tal-bit f’bits kull sekonda, għall-codec MP3 biss. Valuri aċċettati: 32000, 64000, 96000, 128000 (default), 192000.
{
"text": "High-quality audio for production.",
"voice_id": "ara",
"language": "en",
"output_format": {
"codec": "wav",
"sample_rate": 48000
}
}
Il-parametru speed
speed jistabbilixxi l-veloċità tal-plejbek: 1.0 hija l-veloċità normali (id-default), u l-firxa tmixxi minn 0.7 sa 1.5. Pass kemxejn aktar bil-mod jgħin ma’ kontenut edukattiv dens; ‘il fuq minn 1.2, dejjem erġa’ semma’ r-riżultat.
Kombinazzjonijiet irrakkomandati
| Use case | codec | sample_rate | bit_rate |
|---|---|---|---|
| Web / streaming | mp3 | 24000 | 128000 |
| Audio production | wav | 48000 | — |
| VoIP telephony | mulaw | 8000 | — |
| ML pipeline | pcm | 16000 | — |
Punti Ewlenin
textulanguagehuma l-uniki parametri meħtieġavoice_idhuwa fakultattiv (default:eve) u mhux sensittiv għall-kaxxaoutput_formatjikkontrolla l-codec, ir-rata tal-kampjun, u r-rata tal-bit;speedjistabbilixxi l-veloċità (0.7 sa 1.5)- MP3 f’24 kHz / 128 kbps huwa default tajjeb li jibbilanċja l-kwalità u d-daqs
- Għat-telefonija, uża
mulawjewalawf’8 kHz