Končna točka POST /v1/tts
Na tej strani
Posodobljeno 3. novembra 2026 na podlagi strani xAI Text to Speech, referenčne dokumentacije Voice API in strani Pricing. Viri: Text to Speech · Voice API · Pricing.
Pretvorba besedila v zvok z API-jem Grok
API xAI Text-to-Speech pretvori poljubno besedilo v naravno zveneč zvok z enim samim klicem HTTP. Glavna vstopna točka je POST /v1/tts, ki sprejme tvoje besedilo in neposredno vrne binarno zvočno datoteko.
Struktura zahteve
Pošlješ zahtevo POST na naslov https://api.x.ai/v1/tts s telesom JSON. Tukaj je minimalen primer z orodjem curl:
curl -X POST "https://api.x.ai/v1/tts" \
-H "Authorization: Bearer $XAI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"text": "Hello, and welcome to Corsen Academy.",
"voice_id": "eve",
"language": "en"
}' \
--output audio.mp3
Strežnik neposredno v telesu odgovora vrne binarno zvočno datoteko. Okoli nje ni ovoja JSON: dobiš surove bajte zvočne datoteke.
Avtentikacija
Kot pri vsaki končni točki API-ja xAI vključi svoj ključ API v glavo Authorization v formatu Bearer:
Authorization: Bearer xai-your-api-key
Telo zahteve
Telo JSON se vrti okoli štirih glavnih parametrov:
text(obvezno): besedilo za pretvorbo, do 60.000 znakov. Podpira ekspresivne oznake, o katerih se boš naučil v naslednjih lekcijah.voice_id(izbirno): ID glasu. Privzeta vrednost jeeve. Vrednosti ne razlikujejo med velikimi in malimi črkami.language(obvezno): koda jezika v formatu BCP-47 (en,fr,de, …) aliautoza samodejno zaznavanje.output_format(izbirno): predmet, ki konfigurira kodek, vzorčno frekvenco in bitno hitrost.
Zahtevo dopolnjujejo še druge nastavitve, vse izbirne: speed (hitrost predvajanja, od 0,7 do 1,5, privzeto 1,0), replace (tabela nadomestitev, ki popravi izgovorjavo besede brez spremembe poslanega besedila), with_timestamps (časovni žigi za vsak znak), text_normalization (črkovanje števil, okrajšav in simbolov pred sintezo) ter optimize_streaming_latency ("1" za skrajšanje čakanja pred prvim kosom zvoka, na račun rahle izgube kakovosti na spojih).
Odgovor HTTP
Ob uspehu (stanje 200) strežnik vrne zvočno datoteko z vrsto vsebine, ki ustreza zahtevanemu formatu:
audio/mpegza MP3 (privzeto)audio/wavza WAVaudio/pcmza surov PCMaudio/basicza G.711 μ-law (mulaw)audio/alawza G.711 A-law (alaw)
Odgovor ne vsebuje metapodatkov, le zvočne bajte. Edina izjema je with_timestamps: odgovor takrat postane predmet JSON, ki v base64 hrani zvok, njegovo trajanje in časovni žig vsakega znaka. Odgovor lahko neposredno zapišeš v datoteko ali ga pretočiš v zvočni predvajalnik.
Primer v Pythonu
import requests
response = requests.post(
"https://api.x.ai/v1/tts",
headers={"Authorization": f"Bearer {api_key}"},
json={
"text": "Here's an example of speech synthesis.",
"voice_id": "rex",
"language": "en"
}
)
with open("output.mp3", "wb") as f:
f.write(response.content)
Primer v JavaScriptu (Node.js)
const response = await fetch("https://api.x.ai/v1/tts", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.XAI_API_KEY}`,
"Content-Type": "application/json"
},
body: JSON.stringify({
text: "Here's an example of speech synthesis.",
voice_id: "rex",
language: "en"
})
});
const buffer = await response.arrayBuffer();
fs.writeFileSync("output.mp3", Buffer.from(buffer));
Cenik
Storitev TTS stane 15 $ na milijon znakov (cena xAI z dne 3. novembra 2026). Zaračunajo se znaki, ki jih pošlješ v polju text, vključno z ekspresivnimi oznakami; tabela replace tega števila ne spremeni. Ob povprečju 1.000 znakov na zahtevo to znaša približno 0,015 $ na klic.
Ključne ugotovitve
- Končna točka
POST /v1/ttsje glavna vstopna točka za sintezo govora. - Odgovor je binarna zvočna datoteka, ne JSON.
- Besedilo je omejeno na 60.000 znakov na zahtevo HTTP; WebSocket nima skupne omejitve.
- Avtentikacijo opraviš z glavo
Authorization: Bearer. - Cena znaša 15 $ na milijon znakov.