Odozva zvuku a ceny
Na tejto strane
Aktualizované 3. novembra 2026 na základe stránok xAI Pricing, Rate limits a Text to Speech. Zdroje: Pricing · Rate limits · Text to Speech.
Spracovanie odozvy a kontrola nákladov
Keď API pre TTS uspeje, vráti priamo v tele HTTP požiadavky prúd zvukových bajtov. Aby si mohol prevádzkovať TTS v produkčnom prostredí, musíš vedieť, ako túto odozvu spracovať a predvídať náklady.
Anatómia HTTP odozvy
Odozva má stavový kód 200 a telo obsahuje výlučne zvukové bajty. Žiadny obal JSON sa nepoužíva. Dôležité hlavičky HTTP sú:
Content-Type: formát zvuku (audio/mpegpre MP3,audio/wavpre WAV,audio/pcmpre PCM)Content-Length: veľkosť zvukového súboru v bajtoch
response = requests.post("https://api.x.ai/v1/tts", ...)
# Kontrola úspechu
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")
Zápis do súboru
Najjednoduchší prístup spočíva v priamom zápise odozvy do súboru:
with open("output.mp3", "wb") as f:
f.write(response.content)
Streamovanie odozvy
Pri veľkých súboroch streamuj odozvu, aby si nemusel načítať celý zvuk do pamäte:
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)
Priame prehrávanie v prehliadači
V JavaScripte na strane klienta (po preposlaní zvuku cez tvoj backend) môžeš dynamicky vytvoriť zvukový element:
const audioBlob = new Blob([audioBuffer], { type: "audio/mpeg" });
const audioUrl = URL.createObjectURL(audioBlob);
const audio = new Audio(audioUrl);
audio.play();
Nezabudni po prehratí uvoľniť URL adresu Blobu, aby sa predišlo únikom pamäte (produkčná lekcia toto podrobne rozoberá).
Mapovanie kodeku na Content-Type
| Požadovaný kodek | Prijatý Content-Type | Prípona súboru |
|---|---|---|
mp3 | audio/mpeg | .mp3 |
wav | audio/wav | .wav |
pcm | audio/pcm | .pcm |
mulaw | audio/basic | .ul |
alaw | audio/alaw | .al |
Podrobnosti o cenách
TTS stojí 15 USD za milión znakov (cenník xAI k 3. novembru 2026). Fakturujeme ti obsah poľa text, ktorý odosielaš, vrátane expresívnych tagov.
Odhady nákladov
| Objem | Znakov | Odhadované náklady |
|---|---|---|
| 1 veta | ~100 | 0,0015 $ |
| 1 odsek | ~500 | 0,0075 $ |
| 1 tlačená strana | ~2 000 | 0,03 $ |
| 1 blogový príspevok | ~5 000 | 0,075 $ |
| 1 kniha (200 strán) | ~400 000 | 6 $ |
| 1 milión znakov | 1 000 000 | 15 $ |
Tagy a fakturácia
Expresívne tagy ako [pause], <whisper> a <loud> sa započítavajú do celkového počtu znakov. Text s 1 000 znakmi a 50 znakmi tagov sa fakturuje ako 1 050 znakov. To zvyčajne predstavuje menej ako 5 % celkového textu.
Limity súbežnosti
Podľa stránky xAI Rate limits prijíma TTS na vstupnej úrovni 50 požiadaviek za sekundu a 100 súbežných relácií. Tieto limity rastú s úrovňou tvojho tímu (až na 500 a 500). Stránka Text to Speech tiež spomína 50 súbežných WebSocket relácií na tím. Ak tieto limity prekročíš, API vráti chybu 429: pri veľkých objemoch rozlož svoje požiadavky v čase alebo použi frontu.
Odhad dĺžky zvuku
Dĺžka vygenerovaného zvuku závisí od textu, hlasu a nastavenia speed. Orientačne beží čítaná reč rýchlosťou okolo 150 slov za minútu, čo je v angličtine približne 850 znakov za minútu: over si to so svojím hlasom skôr, než sľúbiš konkrétnu dĺžku. Pre presnú hodnotu vráti parameter with_timestamps spolu s časovými pečiatkami aj dĺžku zvuku (duration).
Týmto tempom vytvorí text s 60 000 znakmi, čo je limit pre jednu požiadavku, niečo vyše hodiny zvuku.
Kľúčové poznatky
- Odozva TTS je binárny prúd, nie JSON
- Content-Type ti povie, aký formát zvuku si dostal
- Veľké súbory streamuj
- Cena je 15 USD za milión znakov vrátane tagov
- Na vstupnej úrovni: 50 požiadaviek za sekundu a 100 súbežných relácií
- Požiadavka s 60 000 znakmi vygeneruje približne hodinu zvuku