Aan de slag met de Text-to-Speech API
Op deze pagina
Bijgewerkt op 3 november 2026, gebaseerd op de xAI-pagina’s Text to Speech en Pricing. Bronnen: Text to Speech · Pricing.
Tekst erin, audio eruit
De Grok Text-to-Speech API doet één ding en doet dat goed: tekst omzetten in hoogwaardige audio. Waar de Voice Agent een dialoog beheert met beurtwisseling en onderbrekingen, werkt TTS strikt eenrichtingsverkeer: u stuurt tekst en ontvangt geluid terug. Die eenvoud maakt het tot het instrument bij uitstek voor situaties waarin niemand terugpraat tegen de machine: voorgelezen artikelen, telefoonbegroetingen, voice-overs voor e-learningmodules en audiomeldingen.
HTTP of WebSocket: twee manieren om de service aan te roepen
De HTTP-modus is het meest direct. U stuurt een POST-verzoek met uw tekst en het antwoord bevat het volledige audiobestand, standaard in MP3-indeling:
curl -X POST "https://api.x.ai/v1/tts" \
-H "Authorization: Bearer $XAI_API_KEY" \
-H "Content-Type: application/json" \
-o output.mp3 \
-d '{
"text": "Hello and welcome to Corsen Academy.",
"voice_id": "ara",
"language": "en"
}'
Let op -o output.mp3: de antwoordtekst is ruwe audio, geen JSON die een link omhult. Deze modus is ideaal voor achtergrondgeneratie, zoals een nachtelijke batch die audioversies van uw artikelen produceert, aangezien niemand wachtend voor een scherm zit.
De WebSocket-modus vervult een andere behoefte: het geluid horen voordat de volledige tekst is gesynthetiseerd. U opent een verbinding en geeft de parameters door in de URL:
wss://api.x.ai/v1/tts?language=en&voice=ara&codec=mp3
Vervolgens stuurt u de tekst in delen met text.delta, signaleert u het einde met text.done, en komt de audio terug als base64-blokken op audio.delta. Streaming heft de lengtelimiet van de HTTP-modus op en laat u vooral synthetiseren terwijl de tekst nog wordt gegenereerd door een model, wat essentieel is in die scenario’s.
HTTP-verzoekparameters
| Parameter | Type | Verplicht | Beschrijving |
|---|---|---|---|
text | string | Ja | De te converteren tekst, tot 60.000 tekens |
voice_id | string | Nee | De te gebruiken stem (standaard: eve) |
language | string | Ja | BCP-47-code (en, fr, de, …) of auto |
output_format | object | Nee | Codec, sample rate en bitrate |
speed | number | Nee | Afspeelsnelheid, van 0,7 tot 1,5 (standaard: 1,0) |
Twee punten verdienen aandacht. language is verplicht, wat vaak verrassend komt: de service raadt de taal van uw tekst niet, tenzij u dit expliciet vraagt met de waarde auto. En voice_id gebruikt exact dezelfde stemmen als de Voice Agent (28 ingebouwde stemmen per 3 november 2026, waaronder eve, ara, rex, sal en leo, plus uw aangepaste stemmen) en is hoofdlettergevoelig. Dezelfde stempersoonlijkheid kan dus zowel uw conversatieagent als uw opgenomen content aandrijven, wat de moeite waard is voor merkconsistentie.
Kies het uitvoerformaat
Het veld output_format bepaalt de codec en de kwaliteit:
{
"text": "Text to convert.",
"voice_id": "rex",
"language": "en",
"output_format": {
"codec": "wav",
"sample_rate": 44100
}
}
Kies de codec op basis van wat er vervolgens met het bestand gebeurt. mp3 is geschikt voor algemeen gebruik: goed gecomprimeerd en overal afspeelbaar, het is de verstandige standaardkeuze voor een website of podcast. wav is verliesvrij, dus zwaarder, maar dit is wat u nodig heeft wanneer een editor het spoor gaat bewerken. pcm levert ruwe audio, voor verwerkingspipelines die geen container nodig hebben. Tot slot zijn mulaw en alaw de G.711-telefoniecodecs, voor telecommunicatiesystemen die deze vereisen.
Sample rates variëren van 8000 tot 48000 Hz, met een standaardwaarde van 24000 Hz, wat het overgrote deel van de use-cases dekt. Voor MP3 loopt de bitrate van 32000 tot 192000 bps, met een standaardwaarde van 128000. Voor gesproken taal tot 192000 gaan, voegt nauwelijks iets toe aan de luisterervaring en maakt uw bestanden een derde groter: bewaar die ruimte voor content die muziek en stem mengt.
De stemmencatalogus raadplegen
De API biedt twee read-only endpoints die de generatie aanvullen. GET /v1/tts/voices retourneert alle beschikbare stemmen met hun metadata, en GET /v1/tts/voices/{voice_id} retourneert dezelfde velden (voice_id, name, language) voor één enkele stem; de toon en use-cases van elke stem worden beschreven op de xAI-pagina Text to Speech. Hardcodeer geen stemnamen in uw interface, maar vul uw stemkiezer vanuit deze endpoints; zo blijft uw app correct op de dag dat de catalogus wijzigt.
Belangrijkste punten
- TTS zet tekst om in audio via HTTP (eenvoudig) of WebSocket (streaming)
- De kosten bedragen $15 per miljoen tekens, met een maximum van 60.000 tekens per HTTP-verzoek
- 28 ingebouwde stemmen, vijf codecs en zes sample rates bieden veel flexibiliteit
- De WebSocket-modus kent geen limiet voor de totale tekstlengte (elk delta is beperkt tot 60.000 tekens)
- Een BCP-47-code is verplicht om de taal op te geven (of
autovoor automatische detectie)