Ir para o conteúdo principal
Português— Escolher um idioma
Menu

A ligação WebSocket TTS

Aula 9 de 14 Atualizada a 3 de novembro de 2026 Programador
Nesta página
  1. Síntese de fala em tempo real via WebSocket
  2. Endpoint WebSocket
  3. Estabelecer a ligação
  4. Gestão de sessão
  5. HTTP unário versus WebSocket
  6. Quando utilizar o WebSocket
  7. Pontos-chave

Atualizado a 3 de novembro de 2026, com base na página Text to Speech da xAI: deltas até 60.000 carateres, sem tempo limite de ligação e uma «autorização de sessão» de 600 segundos. Fonte: Text to Speech.

Síntese de fala em tempo real via WebSocket

A API Grok TTS oferece um modo WebSocket para transmissão de síntese de fala. Ao contrário do modo HTTP unário, que aguarda o fim do processamento para devolver o áudio completo, o WebSocket envia fragmentos de áudio à medida que são gerados. É ideal para aplicações interativas onde a latência percecionada deve ser a mais baixa possível.

wss://
Protocolo seguro
50
Sessões por equipa
600 s
Autorização de sessão
∞
Texto ilimitado

Endpoint WebSocket

Liga-se a wss://api.x.ai/v1/tts. Os parâmetros de configuração são inseridos na cadeia de consulta (query string) da ligação inicial.

Parâmetros de ligação

ParâmetroObrigatórioPredefiniçãoDescrição
languageSim—Código BCP-47 ou auto
voiceNão—ID de uma voz integrada ou personalizada
codecNãomp3mp3, wav, pcm, mulaw (ou ulaw), alaw
sample_rateNão24000Taxa de amostragem
bit_rateNão128000Taxa de bits (apenas MP3)

URL de ligação completa

wss://api.x.ai/v1/tts?language=en&voice=rex&codec=mp3&sample_rate=24000

Estabelecer a ligação

Em JavaScript (navegador ou 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("Ligação TTS estabelecida");
};

ws.onerror = (error) => {
  console.error("Erro WebSocket:", error);
};

Importante: num navegador, a API WebSocket nativa não suporta cabeçalhos personalizados. Terá de passar pelo seu backend para estabelecer a ligação (consulte a lição sobre produção).

Em Python com 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("Ligação TTS estabelecida")
        # Enviar texto e receber áudio...

Gestão de sessão

Duração

A página Text to Speech da xAI indica duas coisas que deve ler em conjunto: a ligação WebSocket não tem tempo limite de pedido (permanece aberta) e a «autorização de sessão» tem uma duração de 600 segundos, sem que a página explique o que acontece quando este tempo expira. Por precaução, a sua aplicação deve:

  1. Detetar quando a ligação é fechada
  2. Voltar a ligar automaticamente, se necessário
  3. Retomar o envio de texto a partir do ponto onde parou

Sessões simultâneas

De acordo com a página Text to Speech, a sua equipa está limitada a 50 sessões WebSocket simultâneas (a página Rate limits conta as sessões TTS por nível, começando em 100). Além desse limite, novas ligações são recusadas. Gere um pool de ligações para aplicações com tráfego elevado.

Vários textos numa única ligação

Ao contrário do modo HTTP unário, onde os pedidos expiram após 15 minutos, a ligação permanece aberta após cada audio.done: pode enviar um texto após outro sem voltar a ligar e cancelar o atual com text.clear (lição 10).

HTTP unário versus WebSocket

AspetoHTTP unárioWebSocket
LatênciaÁudio completo após processamentoPrimeiros bytes de imediato
Texto máx.60.000 carateres por pedidoIlimitado (deltas de máx. 60.000)
Tempo limite15 minutosNenhum; autorização de sessão de 600 segundos
SessõesN/A50 por equipa
Casos de usoLotes, ficheiros de áudioTempo real, transmissão

Quando utilizar o WebSocket

O WebSocket é a opção a escolher assim que estiver envolvido o tempo real. Quando um utilizador aguarda uma resposta falada imediata, seja de um chatbot ou de um assistente de voz, cada segundo de silêncio antes do primeiro som prejudica a experiência percecionada; o WebSocket permite iniciar a reprodução nos primeiros fragmentos de áudio, antes mesmo de a geração terminar. É também a arquitetura natural quando o próprio texto chega gradualmente: a saída transmitida de um LLM liga-se diretamente ao TTS, delta a delta, sem aguardar o texto completo. Além disso, remove a restrição de comprimento: não há limite global para o texto total, apenas os deltas individuais estão limitados a 60.000 carateres, o que é suficiente para vocalizar um documento inteiro como um fluxo contínuo.

O modo HTTP unário ainda tem o seu lugar sempre que o tempo real não acrescenta valor: geração de ficheiros de áudio em lotes, processos que necessitam do ficheiro completo antes de atuar (pós-processamento, armazenamento, envio) e, mais simplesmente, qualquer arquitetura que prefira uma ida e volta sem estado a uma ligação persistente para gerir.

Pontos-chave

  • O TTS WebSocket está disponível em wss://api.x.ai/v1/tts
  • Os parâmetros são inseridos na cadeia de consulta ao estabelecer a ligação
  • A ligação não expira por si só, mas a documentação menciona uma autorização de sessão de 600 segundos: planeie a religação
  • O limite é de 50 sessões simultâneas por equipa
  • O texto é ilimitado (enviado em deltas de até 60.000 carateres)
  • Utilize WebSocket para tempo real e HTTP para lotes