為每個請求選擇 Auto、TokenLab Verified 或 Official,並預先顯示價格。 查看最新動態

xAI: Grok Voice TTS

Grok Voice TTS 使用選定的語音與語言將書面文字轉換為語音。它適合在地化旁白、語音通知以及需要將準備好的文字呈現為音訊回應的應用程式。
比較模型
grok-voice-tts
可用xAI文字轉語音同步
輸入 / 輸出
$15.00 / $0.00
模態
音訊

關於 Grok Voice TTS

Grok Voice TTS 是 xAI 的文字轉語音模型,能將書面文字以選定的聲音與語言渲染為語音音訊。內嵌標籤(如暫停、笑聲與耳語)可塑造表達方式。適用於旁白、語音通知以及無需即時對話的在地化音訊回答。

適用場景

  • 內嵌語音標籤(如 [pause] 和 [laugh])以及包裹標籤(如 whisper)可在文字內部控制表達方式。
  • 所有內建聲音均支援所提供的語言,因此單一聲音識別碼可用於同一內容的在地化版本。
  • 自訂聲音可從簡短的參考片段中複製,以用於品牌或角色配音。
  • 可回傳字元級時間戳記,用於將字幕或唇形同步至音訊。

其他選擇建議

  • 它朗讀的是固定文字;若來電者需要中斷或回應,則需使用對話式語音模型。
  • 長篇講稿的輸出品質取決於原始文字中的標點符號與標籤,未經編輯的機器文字聽起來可能會較為平淡。

入門指南

  1. 建立 API 金鑰

    請至 Console 建立金鑰,即可在平台上使用各類模型。

  2. 發送您的第一個請求

    複製您所選語言的範例,並針對端點執行它。

    文字轉語音TokenLab 端點
    POST/v1/audio/speech
    curl -X POST "https://api.tokenlab.sh/v1/audio/speech" \
      -H "Authorization: Bearer sk-xxx" \
      -H "Content-Type: application/json" \
      -d '{
      "language_code": "en",
      "operation": "tts",
      "response_format": "mp3",
      "voice": "eve",
      "model": "grok-voice-tts",
      "input": "Hello from TokenLab."
    }'

參數設定

文字轉語音

參數可選值與限制預設值說明
input未提供未提供未提供
language_code未提供未提供This field is accepted. The current public contract does not specify a complete value range or list. No additional values are promised. The omitted-field default is not verified.
operation未提供未提供未提供
response_formatmp3, wav, pcm未提供未提供
speed≥ 0.7, ≤ 1.5未提供The gateway accepts numbers from 0.25 to 4.0. The selected supplier can impose a narrower range. A uniform omitted-field default is not verified.
voicecarina, zagan, helix, orion, luna, iris, altair, zenith, perseus, helios, lux, kepler, rigel, cosmo, celeste, ursa, sirius, lumen, castor, naksh, atlas, aurora, liora, ara, eve, leo, rex, sal未提供未提供
voice_id未提供未提供This field is accepted. The current public contract does not specify a complete value range or list. No additional values are promised. The omitted-field default is not verified.

定價

Verified 價格用於 Verified,多數模型更便宜;Official 價格是模型廠商公布的價格,用於更穩定的 Official。Auto 按最終完成請求的線路計價。

定價

每百萬字元
Verified 價格
—
Official 價格
輸入$15.00/百萬字元輸出$0.00/百萬字元

使用量與活動

成功率是請求完成的比例;延遲是一次完整回應所需的時間,P95 表示 95% 的請求在該時間內完成。

用量與可用性

過去 24 小時
請求數
成功率
P95 延遲
總 Token 用量
模型效能
當達到隱私權與資料量的門檻後,指標才會顯示。

資料基於彙總的使用者請求,不包含狀態檢查。

直接在 Console 裡試

在 Console 中開啟 Grok Voice TTS,並準備好編輯或發送提示詞。

協助我使用 grok-voice-tts 透過 /v1/audio/speech 進行音訊請求,並顯示結果與成本。

應用情境

  • 旁白文章與課程

    將完成的文章或課程講稿轉為音軌,並使用暫停來區隔章節。

  • 語音快訊

    透過電話編解碼器以使用者的語言朗讀訂單更新或安全通知。

  • 在地化產品影片

    使用同一種聲音以多種語言為同一講稿配音,然後利用時間戳記對齊字幕。

提示詞範例

用溫暖、穩定的聲音朗讀這段文字,並在每個句子後加入短暫的 [pause]。

用法語朗讀以下通知,然後用德語重複,並使用相同的聲音。

<whisper>您的包裹已寄出。</whisper> [pause] 預計將於週四送達。

FAQ

Grok Voice TTS 的功能是什麼?

它將文字轉換為語音音訊。您選擇聲音、語言代碼(選填)與輸出格式,它會回傳該文字的音訊,包含您內嵌編寫的任何表達標籤。

它可以產生哪些音訊格式?

MP3、WAV 與原始 PCM,以及電話編解碼器 mu-law 與 A-law,取樣率從 8 kHz 到 48 kHz。電話編解碼器適用於電話系統;MP3 適用於網頁與行動裝置播放。

它可以說多少種語言?

xAI 支援二十種由 BCP-47 代碼選定的語言,並提供自動語言偵測作為替代方案。每個內建聲音皆能說所有支援的語言,因此切換語言時無需更換聲音。

我可以在文字尚未傳輸完畢時串流音訊嗎?

可以。WebSocket 端點會在文字傳送時即時產生音訊,這在另一個模型仍在撰寫即將朗讀的回覆時特別有用。

我可以修正發音錯誤的單字嗎?

可以。發音替換功能讓您能將書面術語對應至其正確讀音,確保品牌名稱與縮寫詞在不編輯顯示文字的情況下也能正確發音。

Grok Voice TTS 的費用是多少?

在 TokenLab 上,Grok Voice TTS 價格為 輸入 $15.00 / 輸出 $0.00 每百萬字元。完整明細見上方價格表。

Grok Voice TTS 應該使用哪一個端點?

請使用 https://api.tokenlab.sh/v1/audio/speech 進行 Grok Voice TTS 的呼叫。下方的請求範例展示了對應的程式碼格式。

Grok Voice TTS 支援哪些操作?

Grok Voice TTS 支援 文字轉語音。請在上方選擇一項操作以查看其端點與請求範例。

比較 Grok Voice TTS

來源

更新於 2026年10月2日

更多來自 Grok Voice 的模型

相關模型