Povezava WebSocket za TTS
Na tej strani
Posodobljeno 3. novembra 2026 na podlagi strani xAI Text to Speech: razlike (deltas) do 60.000 znakov, brez časovne omejitve povezave in „dovoljenje za sejo” v trajanju 600 sekund. Vir: Text to Speech.
Sinteza govora v realnem času prek protokola WebSocket
API Grok TTS ponuja način WebSocket za pretakanje sinteze govora. Za razliko od enkratnega načina HTTP, ki počaka na konec obdelave, preden vrne celoten zvok, WebSocket pošilja zvočne dele, ko ti nastajajo. To je idealno za interaktivne aplikacije, kjer mora biti zaznavna zakasnitev čim manjša.
Končna točka WebSocket
Povežeš se na wss://api.x.ai/v1/tts. Parametre konfiguracije določiš v niz poizvedbe ob začetni povezavi.
Parametri povezave
| Parameter | Obvezno | Privzeto | Opis |
|---|---|---|---|
language | Da | — | Koda BCP-47 ali auto |
voice | Ne | — | ID vgrajenega ali prilagojenega glasu |
codec | Ne | mp3 | mp3, wav, pcm, mulaw (ali ulaw), alaw |
sample_rate | Ne | 24000 | Vzorčna frekvenca |
bit_rate | Ne | 128000 | Bitna hitrost (samo MP3) |
Celoten URL povezave
wss://api.x.ai/v1/tts?language=en&voice=rex&codec=mp3&sample_rate=24000
Vzpostavitev povezave
V JavaScriptu (brskalnik ali 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("TTS connection established");
};
ws.onerror = (error) => {
console.error("WebSocket error:", error);
};
Pomembno: v brskalniku izvorni API WebSocket ne podpira prilagojenih glav. Za povezavo boš moral uporabiti svoje zaledje (glej lekcijo o proizvodnem okolju).
V Pythonu s knjižnico 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("TTS connection established")
# Pošlji besedilo in prejmi zvok...
Upravljanje seje
Življenjska doba
Stran xAI Text to Speech navaja dve stvari, ki ju moraš brati skupaj: povezava WebSocket nima časovne omejitve zahteve (ostane odprta), „dovoljenje za sejo” pa ima življenjsko dobo 600 sekund, pri čemer stran ne pojasni, kaj se zgodi, ko ta poteče. Zaradi varnosti naj tvoja aplikacija:
- Zazna, kdaj se povezava zapre
- Po potrebi samodejno vzpostavi ponovno povezavo
- Nadaljuje pošiljanje besedila tam, kjer je zastalo
Sočasne seje
Glede na stran Text to Speech je tvoja ekipa omejena na 50 sočasnih sej WebSocket (stran Rate limits šteje seje TTS po ravneh, začenši s 100). Poleg tega števila so nove povezave zavrnjene. Za aplikacije z velikim prometom upravljaj skupino povezav.
Več besedil na eni povezavi
Za razliko od enkratnega načina HTTP, kjer zahteve potečejo po 15 minutah, povezava ostane odprta tudi po vsakem audio.done: zaporedoma lahko pošlješ več besedil brez ponovne vzpostavitve povezave, trenutno pa prekineš z text.clear (lekcija 10).
Enkratni HTTP proti WebSocketu
| Vidik | Enkratni HTTP | WebSocket |
|---|---|---|
| Zakasnitev | Celoten zvok po obdelavi | Prvi bajti takoj |
| Največ besedila | 60.000 znakov na zahtevo | Neomejeno (razlike do največ 60.000) |
| Časovna omejitev | 15 minut | Brez; dovoljenje za sejo 600 sekund |
| Seje | Ni relevantno | 50 na ekipo |
| Primeri uporabe | Serijska obdelava, zvočne datoteke | Realni čas, pretakanje |
Kdaj uporabiti WebSocket
WebSocket je prava izbira takoj, ko je vključen realni čas. Ko uporabnik čaka na takojšen govorni odgovor, bodisi od klepetalnega robota ali glasovnega pomočnika, ti vsaka sekunda tišine pred prvim zvokom poslabša zaznano izkušnjo. WebSocket omogoča, da se predvajanje začne ob prvih zvočnih delcih, še preden je generiranje končano. To je tudi naravna arhitektura, ko samo besedilo prihaja postopoma: pretokani izhod modela LLM se neposredno priklopi na TTS, delček za delčkom, brez čakanja na celotno besedilo. Poleg tega odpravlja omejitev dolžine: ni splošne omejitve skupnega besedila, omejeni so le posamezni delci na 60.000 znakov, kar zadostuje za govorno pretvorbo celotnega dokumenta kot neprekinjenega toka.
Način enkratnega HTTP ima še vedno svoje mesto povsod tam, kjer realni čas ne prinaša koristi: generiranje zvočnih datotek v serijah, procesi, ki potrebujejo celotno datoteko pred nadaljnjim delovanjem (naknadna obdelava, shranjevanje, pošiljanje) in preprosto vsaka arhitektura, ki raje upravlja z brezstanjskim krogom kot s trajno povezavo.
Ključne ugotovitve
- TTS WebSocket je na voljo na
wss://api.x.ai/v1/tts - Parametri gredo v niz poizvedbe ob vzpostavitvi povezave
- Povezava sama od sebe ne poteče, vendar dokumentacija omenja 600-sekundno dovoljenje za sejo: načrtuj ponovno povezavo
- Omejitev je 50 sočasnih sej na ekipo
- Besedilo je neomejeno (poslano v delcih do 60.000 znakov)
- Uporabi WebSocket za realni čas, HTTP za serijsko obdelavo