Preskok na glavno vsebino
Slovenščina— Izberite jezik
Meni

Parametri zahteva TTS

Lekcija 2 od 14 Posodobljeno 3. november 2026 Razvijalec
Na tej strani
  1. Prilagajanje sinteze govora
  2. Parameter text
  3. Parameter voice_id
  4. Parameter language
  5. Parameter output_format
  6. Parameter speed
  7. Priporočene kombinacije
  8. Ključne ugotovitve

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:

KodaJezikKodaJezik
enangleščinakokorejščina
frfrancoščinahihindujščina
denemščinabnbengalščina
es-ESšpanščina (Španija)ar-EGarabščina (Egipt)
es-MXšpanščina (Mehika)ar-SAarabščina (Saudova Arabija)
pt-BRportugalščina (Brazilija)ar-AEarabščina (ZAE)
pt-PTportugalščina (Portugalska)trturščina
ititalijanščinaidindonezijščina
ruruščinavivietnamščina
zhkitajščinajajaponščina

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 pretakanje
  • wav: format brez izgub, boljša kakovost, a večje datoteke
  • pcm: surov zvok brez glave, za obdelovalne cevovode
  • mulaw / ulaw: kodek G.711 mu-law za telefonijo
  • alaw: 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 uporabecodecsample_ratebit_rate
Splet / pretakanjemp324000128000
Avdijska produkcijawav48000—
VoIP telefonijamulaw8000—
ML cevovodpcm16000—

Ključne ugotovitve

  • text in language sta edina obvezna parametra
  • voice_id je izbirn (privzeto: eve) in ne razlikuje med velikimi in malimi črkami
  • output_format nadzira kodek, frekvenco vzorčenja in bitno hitrost; speed nastavi hitrost (od 0,7 do 1,5)
  • MP3 pri 24 kHz / 128 kbps je dobro privzeto ravnovesje med kakovostjo in velikostjo
  • Za telefonijo uporabi mulaw ali alaw pri 8 kHz