Parametri zahteva TTS
Na tej strani
Posodobljeno 3. novembra 2026 na podlagi strani xAI Text to Speech in referenčne dokumentacije Voice API. Viri: Text to Speech · Voice API.
Prilagajanje sinteze govora
Končna točka POST /v1/tts temelji na štirih glavnih parametrih v telesu zahteva JSON, poleg nekaj izbirnih nastavitev. Vsak ti omogoča natančen nadzor nad ustvarjenim zvokom, razumevanje teh parametrov pa ti pomaga prilagoditi sintezo tvojim potrebam.
Parameter text
Skupaj s parametrom language je text edini obvezen parameter. Sprejme niz do 60.000 znakov, ki lahko vsebuje navadno besedilo ali izrazne oznake (obreavljene v naslednjem razdelku).
{
"text": "Hello and welcome. Today, we're going to talk about artificial intelligence."
}
Če presežeš 60.000 znakov, bo HTTP zahtevek zavrnjen. Za daljša besedila xAI priporoča uporabo protokola WebSocket, ki nima omejitve skupne dolžine (lekcije 9 do 12), ali pa razdelitev besedila na segmente, katerih zvoke nato združiš. Razdeli jih na naravnih mejah (konec stavkov, konec odstavkov) za gladek rezultat.
Parameter voice_id
Ta parameter določa glas, uporabljen za sintezo. Je izbirn in privzeto nastavljen na eve. ID-ji ne razlikujejo med velikimi in malimi črkami: Eve, EVE in eve so enakovredni.
xAI ponuja 28 vgrajenih glasov (stanje na dan 3. novembra 2026), enako kot za glasovnega agenta, poleg prilagojenih glasov, ustvarjenih z API-jem Custom Voices. Pet originalnih glasov, kot jih opisuje xAI:
- eve: energičen in vedr, britanski naglas
- ara: topel in prijazen
- rex: samozavesten in jasen
- sal: gladek in uravnotežen
- leo: avtoritativen in mogočen, britanski naglas
Preostalih 23 glasov (carina, zagan, helix, orion, luna, iris, altair, zenith, perseus, helios, lux, kepler, rigel, cosmo, celeste, ursa, sirius, lumen, castor, naksh, atlas, aurora in liora) je opisanih skupaj s primeri uporabe na strani xAI Text to Speech; klic GET /v1/tts/voices vrne trenutni seznam (lekcija 3).
{
"text": "Welcome to this tutorial.",
"voice_id": "rex",
"language": "en"
}
Po navedbah xAI vsak glas govori vse podprte jezike. Izbira glasa ne vpliva na ceno, ki temelji na številu znakov.
Parameter language
Ta parameter je obvezen. Sprejme kodo BCP-47 ali posebno vrednost auto za samodejno zaznavanje jezika.
Podprtih je 20 jezikov:
| Koda | Jezik | Koda | Jezik |
|---|---|---|---|
en | angleščina | ko | korejščina |
fr | francoščina | hi | hindujščina |
de | nemščina | bn | bengalščina |
es-ES | španščina (Španija) | ar-EG | arabščina (Egipt) |
es-MX | španščina (Mehika) | ar-SA | arabščina (Saudova Arabija) |
pt-BR | portugalščina (Brazilija) | ar-AE | arabščina (ZAE) |
pt-PT | portugalščina (Portugalska) | tr | turščina |
it | italijanščina | id | indonezijščina |
ru | ruščina | vi | vietnamščina |
zh | kitajščina | ja | japonščina |
Samodejno zaznavanje (auto) dobro deluje za besedila v enem jeziku, pri besedilih, ki mešajo več jezikov, pa eksplicitno navedi glavni jezik.
Parameter output_format
Ta izbirni parameter je objekt JSON, ki nadzira format izhodnega zvoka. Vsebuje tri podparametre.
codec
Kodek določa format kodiranja:
mp3(privzeto): stisnjen format, idealen za splet in pretakanjewav: format brez izgub, boljša kakovost, a večje datotekepcm: surov zvok brez glave, za obdelovalne cevovodemulaw/ulaw: kodek G.711 mu-law za telefonijoalaw: kodek G.711 A-law za telefonijo
sample_rate
Frekvenca vzorčenja v hertzih. Dovoljene vrednosti: 8000, 16000, 22050, 24000 (privzeto), 44100, 48000.
bit_rate
Bitna hitrost v bitih na sekundo, samo za kodek MP3. Dovoljene vrednosti: 32000, 64000, 96000, 128000 (privzeto), 192000.
{
"text": "High-quality audio for production.",
"voice_id": "ara",
"language": "en",
"output_format": {
"codec": "wav",
"sample_rate": 48000
}
}
Parameter speed
speed nastavi hitrost predvajanja: 1.0 je normalna hitrost (privzeto), razpon pa sega od 0.7 do 1.5. Nekoliko počasnejši tempo pomaga pri gostih izobraževalnih vsebinah; nad 1.2 rezultat vedno ponovno poslušaj.
Priporočene kombinacije
| Primer uporabe | codec | sample_rate | bit_rate |
|---|---|---|---|
| Splet / pretakanje | mp3 | 24000 | 128000 |
| Avdijska produkcija | wav | 48000 | — |
| VoIP telefonija | mulaw | 8000 | — |
| ML cevovod | pcm | 16000 | — |
Ključne ugotovitve
textinlanguagesta edina obvezna parametravoice_idje izbirn (privzeto:eve) in ne razlikuje med velikimi in malimi črkamioutput_formatnadzira kodek, frekvenco vzorčenja in bitno hitrost;speednastavi hitrost (od 0,7 do 1,5)- MP3 pri 24 kHz / 128 kbps je dobro privzeto ravnovesje med kakovostjo in velikostjo
- Za telefonijo uporabi
mulawalialawpri 8 kHz