Aqbeż għall-kontenut ewlieni
Malti— Agħżel lingwa
Menu

Ir-rispons awdjo u l-ipprezzar

Lezzjoni 4 / 14 Aġġornat 3 ta’ Novembru 2026 Zviluppatur
F'din il-paġna
  1. Immaniġġja r-rispons u żomm l-ispejjeż taħt kontroll
  2. L-anatomija tar-rispons HTTP
  3. Mappatura tal-Codec għal Content-Type
  4. L-ipprezzar fid-dettall
  5. Stima t-tul tal-awdjo
  6. Punti Ewlenin

Aġġornat fit-3 ta’ Novembru, 2026, ibbażat fuq il-paġni Pricing, Rate limits, u Text to Speech ta’ xAI. Sorsi: Pricing · Rate limits · Text to Speech.

Immaniġġja r-rispons u żomm l-ispejjeż taħt kontroll

Meta l-API TTS tirnexxi, tirritorna fluss (stream) ta’ bytes awdjo direttament fil-korp HTTP. Li tkun taf kif timmaniġġja dak ir-rispons u tbassar l-ispejjeż huwa essenzjali biex tħaddem it-TTS fil-produzzjoni.

L-anatomija tar-rispons HTTP

Ir-rispons għandu status 200, u l-korp fih biss bytes awdjo. M’hemm l-ebda involukru JSON. L-intestazzjonijiet HTTP importanti huma:

  • Content-Type: il-format awdjo (audio/mpeg għal MP3, audio/wav għal WAV, audio/pcm għal PCM)
  • Content-Length: id-daqs tal-fajl awdjo f’bytes
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")

Ikteb f’fajl

L-aktar approċċ sempliċi huwa li tikteb ir-rispons direttament f’fajl:

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

Ixandar (Stream) ir-rispons

Għal fajlijiet kbar, ixandar ir-rispons biex ma ttellax l-awdjo kollu fil-memorja:

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)

Doqq direttament fil-browser

F’JavaScript fuq in-naħa tal-klijent (wara li tgħaddi l-awdjo permezz tal-backend tiegħek), tista’ toħloq element awdjo malajr:

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

Ftakar li tirrilaxxa l-URL tal-Blob wara d-doqq biex tevita tnixxijiet tal-memorja (il-lezzjoni tal-produzzjoni tkopri dan fid-dettall).

Mappatura tal-Codec għal Content-Type

Codec mitlubContent-Type riċevutEstensjoni tal-fajl
mp3audio/mpeg.mp3
wavaudio/wav.wav
pcmaudio/pcm.pcm
mulawaudio/basic.ul
alawaudio/alaw.al

L-ipprezzar fid-dettall

It-TTS jiswa $15 għal kull miljun karattru (ipprezzar ta’ xAI sal-3 ta’ Novembru, 2026). Inti tiġi fatturat għall-kontenut tal-qasam text hekk kif tibgħatu, inklużi t-tags espressivi.

Stimi tal-ispejjeż

VolumKarattriSpiża stmata
1 sentenza~100$0.0015
1 paragrafu~500$0.0075
1 paġna stampata~2,000$0.03
1 artiklu ta’ blog~5,000$0.075
1 ktieb (200 paġna)~400,000$6
1 miljun karattru1,000,000$15

Tags u fatturazzjoni

Tags espressivi bħal [pause], <whisper>, u <loud> jgħoddu għat-total tal-karattri. Test ta’ 1,000 karattru b’50 karattru ta’ tags jiġi fatturat bħala 1,050 karattru. Dan ġeneralment ikun inqas minn 5% tat-test totali.

Limiti ta’ konkurrenza

Skont il-paġna Rate limits ta’ xAI, it-TTS jaċċetta 50 talba kull sekonda u 100 sessjoni konkurrenti fil-livell tad-dħul, limiti li jikbru mat-tim tiegħek (sa 500 u 500). Il-paġna Text to Speech issemmi wkoll 50 sessjoni WebSocket konkurrenti għal kull tim. Lil hinn minn hekk, l-API tirritorna żball 429: għal volumi kbar, ibgħid it-talbiet tiegħek jew uża queue.

Stima t-tul tal-awdjo

It-tul tal-awdjo ġġenerat jiddependi mit-test, mill-vuċi, u mill-impostazzjoni speed. Bħala stima ġenerali, il-kliem moqri jgħaddi b’madwar 150 kelma kull minuta, jew madwar 850 karattru kull minuta bl-Ingliż: kejjel dan bil-vuċi tiegħek qabel ma twiegħed durata. Għal figura eżatta, with_timestamps tirritorna d-durata tal-awdjo (duration) flimkien mat-timestamps.

F’dik il-veloċità, test ta’ 60,000 karattru, il-limitu għal talba waħda, jipproduċi ftit aktar minn siegħa awdjo.

Punti Ewlenin

  • Ir-rispons TTS huwa fluss binarju, mhux JSON
  • Il-Content-Type jgħidlek liema format awdjo rċevejt
  • Ixandar (Stream) fajlijiet kbar
  • Jiswa $15 għal kull miljun karattru, tags inklużi
  • Fil-livell tad-dħul: 50 talba kull sekonda u 100 sessjoni konkurrenti
  • Talba ta’ 60,000 karattru tipproduċi madwar siegħa awdjo