Il-konnessjoni WebSocket TTS
F'din il-paġna
Aġġornat fit-3 ta’ Novembru 2026, abbażi tal-paġna Text to Speech ta’ xAI: deltasi sa 60,000 karattru, l-ebda timeout tal-konnessjoni, u “permess tas-sessjoni” ta’ 600 sekonda. Sors: Text to Speech.
Sintesi tad-dħul f’ħin reali fuq WebSocket
L-API Grok TTS toffri modalità WebSocket għall-istreamjar tas-sintesi tad-dħul. Kuntrarjament għall-modalità HTTP unarja, li tistenna sakemm tispiċċa l-ipproċessar biex tirritorna l-awdjo sħiħ, WebSocket tibgħat biċċiet tal-awdjo hekk kif jiġu ġġenerati. Din hija ideali għal applikazzjonijiet interattivi fejn il-latenza perċepita trid tkun l-inqas possibbli.
Endpoint tal-WebSocket
Tikkonnettja ma’ wss://api.x.ai/v1/tts. Il-parametri tal-konfigurazzjoni jmorru fil-query string tal-konnessjoni inizjali.
Parametri tal-konnessjoni
| Parametru | Meħtieġ | Default | Deskrizzjoni |
|---|---|---|---|
language | Iva | — | Kodiċi BCP-47 jew auto |
voice | Le | — | ID ta’ vuċi integrata jew personalizzata |
codec | Le | mp3 | mp3, wav, pcm, mulaw (jew ulaw), alaw |
sample_rate | Le | 24000 | Rata tal-kampjunar |
bit_rate | Le | 128000 | Rata tal-bit (MP3 biss) |
URL sħiħ tal-konnessjoni
wss://api.x.ai/v1/tts?language=en&voice=rex&codec=mp3&sample_rate=24000
Iftaħ il-konnessjoni
F’JavaScript (browser jew Node.js)
const ws = new WebSocket(
"wss://api.x.ai/v1/tts?language=en&voice=rex&codec=mp3",
{
headers: {
"Authorization": `Bearer ${API_KEY}`
}
}
);
ws.onopen = () => {
console.log("TTS connection established");
};
ws.onerror = (error) => {
console.error("WebSocket error:", error);
};
Importanti: f’browser, l-API nativa WebSocket ma tappoġġjax headers personalizzati. Ikollok tgħaddi mill-backend tiegħek għall-konnessjoni (ara l-lezzjoni dwar il-produzzjoni).
F’Python b’websockets
import asyncio
import websockets
import json
async def connect_tts():
uri = "wss://api.x.ai/v1/tts?language=en&voice=rex&codec=mp3"
headers = {"Authorization": f"Bearer {api_key}"}
async with websockets.connect(uri, additional_headers=headers) as ws:
print("TTS connection established")
# Ibghat it-test u irċievi l-awdjo...
Ġestjoni tas-sessjoni
Tul tal-ħajja
Il-paġna Text to Speech ta’ xAI tgħid żewġ affarijiet li għandek taqra flimkien: il-konnessjoni WebSocket m’għandha l-ebda timeout tat-talba (tibqa’ miftuħa), u l-”permess tas-sessjoni” għandu tul ta’ ħajja ta’ 600 sekonda, mingħajr ma l-paġna tispjega x’jiġri meta jintemm. Biex tkun sikur, l-app tiegħek għandha:
- Tinduna meta l-konnessjoni tingħalaq
- Terġa’ tikkonnettja awtomatikament jekk ikun meħtieġ
- Tkompli tibgħat it-test minn fejn waqfet
Sessjonijiet konkorrenti
Skont il-paġna Text to Speech, it-tim tiegħek huwa limitat għal 50 sessjoni WebSocket konkorrenti (il-paġna Rate limits tgħodd is-sessjonijiet TTS skont il-livell, li jibda minn 100). Lil hinn minn hekk, konnessjonijiet ġodda jiġu miċħuda. Immaniġġja pool ta’ konnessjonijiet għal applikazzjonijiet b’traffiku għoli.
Diversi testi fuq konnessjoni waħda
Kuntrarjament għall-modalità HTTP unarja, fejn it-talbiet jiskadu wara 15-il minuta, il-konnessjoni tibqa’ miftuħa wara kull audio.done: tista’ tibgħat test wara ieħor mingħajr ma terġa’ tikkonnettja, u tikkanċella dak kurrenti b’text.clear (lezzjoni 10).
HTTP Unarju versus WebSocket
| Aspett | HTTP Unarju | WebSocket |
|---|---|---|
| Latenza | Awdjo sħiħ wara l-ipproċessar | L-ewwel bytes immedjatament |
| Test massimu | 60,000 karattru kull talba | Mingħajr limitu (deltasi ta’ 60,000 massimu) |
| Timeout | 15-il minuta | L-ebda; permess tas-sessjoni ta’ 600 sekonda |
| Sessjonijiet | M/A | 50 kull tim |
| Każijiet ta’ użu | Batch, fajls tal-awdjo | Ħin reali, istreamjar |
Meta tuża WebSocket
WebSocket huwa l-għażla korretta hekk kif ikun involut il-ħin reali. Meta utent ikun qed jistenna tweġiba mitkellma immedjata, minn chatbot jew assistent vokali, kull sekonda ta’ silenzju qabel l-ewwel ħoss tonqoslek fl-esperjenza perċepita, u WebSocket jippermetti li r-riproduzzjoni tibda fuq l-ewwel frammenti tal-awdjo, qabel ma tispiċċa l-ġenerazzjoni stess. Hija wkoll l-arkitettura naturali meta t-test innifsu jasla gradwalment: l-output istreamjat ta’ LLM jingħaqad direttament mat-TTS, delta b’delta, mingħajr ma tistenna t-test sħiħ. Barra minn hekk, itneħħi l-limitu tat-tul: m’hemm l-ebda limitu ġenerali fuq it-test totali, biss id-deltasi individwali huma limitati għal 60,000 karattru, biżżejjed biex tivvokalizza dokument sħiħ bħala fluss kontinwu.
Il-modalità HTTP unarja għadha postha kull fejn il-ħin reali ma jżid xejn: il-ġenerazzjoni ta’ fajls tal-awdjo f’batch, proċessi li jeħtieġu l-fajl sħiħ qabel ma jaġixxu (post-ipproċessar, ħażna, tibgħit), u, b’mod aktar sempliċi, kwalunkwe arkitettura li tippreferi round trip mingħajr stat għal konnessjoni persistenti biex timmaniġġja.
Punti Ewlenin
- TTS WebSocket huwa disponibbli f’
wss://api.x.ai/v1/tts - Il-parametri jmorru fil-query string meta tikkonnettja
- Il-konnessjoni ma tiskadix waħedha, iżda d-dokumentazzjoni ssemmi permess tas-sessjoni ta’ 600 sekonda: ippjana għal konnessjoni mill-ġdid
- Il-limitu huwa 50 sessjoni konkorrenti kull tim
- It-test huwa mingħajr limitu (mibgħut f’deltasi sa 60,000 karattru)
- Uża WebSocket għall-ħin reali, HTTP għall-batch