Resposta de áudio e preços
Nesta página
Atualizado em 3 de novembro de 2026, com base nas páginas Pricing, Rate limits e Text to Speech da xAI. Fontes: Pricing · Rate limits · Text to Speech.
Gerir a resposta e controlar os custos
Quando a API TTS tem sucesso, devolve um fluxo de bytes de áudio diretamente no corpo da resposta HTTP. Saber como tratar essa resposta e antecipar os custos é essencial para operar o TTS em produção.
Anatomia da resposta HTTP
A resposta tem o estado 200 e o corpo contém apenas bytes de áudio. Não existe nenhum envelope JSON. Os cabeçalhos HTTP importantes são:
Content-Type: o formato de áudio (audio/mpegpara MP3,audio/wavpara WAV,audio/pcmpara PCM)Content-Length: o tamanho do ficheiro de áudio em 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")
Escrever num ficheiro
A abordagem mais simples consiste em escrever a resposta diretamente num ficheiro:
with open("output.mp3", "wb") as f:
f.write(response.content)
Transmitir a resposta (streaming)
Para ficheiros grandes, utilize o streaming da resposta para não carregar todo o áudio na memória:
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)
Reproduzir diretamente no navegador
Em JavaScript do lado do cliente (após retransmitir o áudio através do seu backend), pode criar um elemento de áudio dinamicamente:
const audioBlob = new Blob([audioBuffer], { type: "audio/mpeg" });
const audioUrl = URL.createObjectURL(audioBlob);
const audio = new Audio(audioUrl);
audio.play();
Lembre-se de libertar o URL do Blob após a reprodução para evitar fugas de memória (a lição de produção aborda este ponto em detalhe).
Mapeamento de Codec para Content-Type
| Codec solicitado | Content-Type recebido | Extensão do ficheiro |
|---|---|---|
mp3 | audio/mpeg | .mp3 |
wav | audio/wav | .wav |
pcm | audio/pcm | .pcm |
mulaw | audio/basic | .ul |
alaw | audio/alaw | .al |
Preços em detalhe
O TTS custa 15 USD por milhão de carateres (preços da xAI a 3 de novembro de 2026). A faturação incide sobre o conteúdo do campo text tal como o envia, incluindo as etiquetas expressivas.
Estimativas de custo
| Volume | Carateres | Custo estimado |
|---|---|---|
| 1 frase | ~100 | 0,0015 USD |
| 1 parágrafo | ~500 | 0,0075 USD |
| 1 página impressa | ~2 000 | 0,03 USD |
| 1 publicação de blogue | ~5 000 | 0,075 USD |
| 1 livro (200 páginas) | ~400 000 | 6 USD |
| 1 milhão de carateres | 1 000 000 | 15 USD |
Etiquetas e faturação
As etiquetas expressivas como [pause], <whisper> e <loud> contam para o total de carateres. Um texto de 1 000 carateres com 50 carateres de etiquetas é faturado como 1 050 carateres. Isso representa geralmente menos de 5% do texto total.
Limites de concorrência
De acordo com a página Rate limits da xAI, o TTS aceita 50 pedidos por segundo e 100 sessões simultâneas no nível de entrada; estes limites aumentam consoante o nível da sua equipa (até 500 e 500). A página Text to Speech menciona também 50 sessões WebSocket simultâneas por equipa. Para além desses valores, a API devolve um erro 429: para grandes volumes, espace os seus pedidos ou utilize uma fila.
Estimar a duração do áudio
A duração do áudio gerado depende do texto, da voz e da definição speed. A título indicativo, a fala lida ronda as 150 palavras por minuto, ou aproximadamente 850 carateres por minuto em inglês: meça isso com a sua voz antes de prometer uma duração. Para um valor exato, with_timestamps devolve a duração do áudio (duration) juntamente com as marcas temporais.
A esse ritmo, um texto de 60 000 carateres, o limite para um pedido, produz pouco mais de uma hora de áudio.
Pontos-chave
- A resposta TTS é um fluxo binário, não JSON
- O Content-Type indica o formato de áudio recebido
- Utilize streaming para ficheiros grandes
- Custa 15 USD por milhão de carateres, etiquetas incluídas
- No nível de entrada: 50 pedidos por segundo e 100 sessões simultâneas
- Um pedido de 60 000 carateres produz aproximadamente uma hora de áudio