xAI: Grok Voice TTS
grok-voice-tts- 输入 / 输出
- $15.00 / $0.00
- 模态
- 音频
Grok Voice TTS 简介
Grok Voice TTS 是 xAI 的语音合成模型，用选定的声音和语言把书面文字渲染成语音。停顿、笑声、耳语等行内标签可以调整表达方式。文本已经写好、不需要实时对话的旁白、语音通知和本地化音频回答，可以用它。
擅长的任务
- [pause]、[laugh] 等行内语音标签，以及 whisper 这类包裹式标签，让你在文本内部控制表达。
- 内置声音都能说支持的语言，所以同一内容的各本地化版本可以沿用同一个声音形象。
- 可以用一小段参考音频克隆自定义声音，用作品牌或角色的声音。
- 可以返回字符级时间戳，用来让字幕或口型与音频同步。
什么情况换别的模型
- 它朗读固定的文本；来电者要打断或回话的场景，需要用对话式语音模型。
- 长脚本的输出质量取决于源文本中的标点和标签，未经编辑的机器文本听起来可能平淡。
快速上手
创建 API 密钥
在 Console 生成一把密钥，平台上的模型都能用。
发送第一个请求
复制你所用语言的示例代码，向该端点发起请求。
文本转语音TokenLab 端点POST/v1/audio/speechcurl -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." }'
价格
官方价格是模型厂商公开的基线价，TokenLab 价格是用这个模型时实际的计费价。
价格
每百万字符- Official
- 输入$15.00/百万字符输出$0.00/百万字符
- 官方价格
- 输入$15.00/百万字符输出$0.00/百万字符
| 官方价格每百万字符 | Official每百万字符 | 折扣 | |
|---|---|---|---|
| 输入 | $15.00 | $15.00 | — |
| 输出 | $0.00 | $0.00 | — |
用量与动态
成功率是请求完成的比例；延迟是拿到一次完整响应要花的时间，P95 表示 95% 的请求都在这个时间内完成。
用量与可用性
最近 24 小时- 请求
- 成功率
- P95 延迟
- 总 token 数
数据来自汇总的用户请求，不含状态检查。
直接在 Console 里试
Grok Voice TTS 已在 Console 备好，提示词已填好，可以直接修改或发送。
帮我用 grok-voice-tts 发起一条简短的音频请求，接口是 /v1/audio/speech。返回结果和费用。
使用场景
文章与课程旁白
把写好的文章或课程脚本转成音轨，用停顿分隔各个章节。
语音提醒
通过电话编解码器，用用户的语言朗读订单更新或安全通知。
本地化产品视频
用选定的同一种声音配音多种语言的同一份脚本，再用时间戳对齐字幕。
提示词示例
用温暖、平稳的声音朗读这一段，每句话后加一个短的 [pause]。
先用法语播报下面的通知，再用德语重复一遍，使用同一个声音。
<whisper>您的包裹已发出。</whisper> [pause] 预计周四送达。
FAQ
Grok Voice TTS 是做什么的？
它把文字转成语音音频。你选择声音，可选语言代码，再选输出格式，它就返回该文本的音频，包括你在行内写的各种表达标签。
它能输出哪些音频格式？
MP3、WAV 和原始 PCM，以及电话编解码器 mu-law 和 A-law，采样率 8 kHz 到 48 kHz。电话编解码器适合电话系统；MP3 适合网页和移动端播放。
它能说多少种语言？
xAI 文档标明有二十种语言，通过 BCP-47 代码选择，也可以改用自动语言检测。每种内置声音都能说所有支持的语言，所以切换语言不需要换声音。
文字还在陆续到达时，能同时流式输出音频吗？
能。WebSocket 端点会在文字发送过来的同时实时生成音频，当另一个模型还在写要朗读的回复时，这很有用。
可以纠正读错的词吗？
可以。发音替换让你把书面术语映射为它应有的读音，所以品牌名和缩写能读对，而不必修改显示的文本。
Grok Voice TTS 的费用是多少？
在 TokenLab 上，Grok Voice TTS 的价格为 输入 $15.00 / 输出 $0.00 每百万字符。完整明细见上方价格表。
Grok Voice TTS 应该使用哪个端点？
Grok Voice TTS 使用 https://api.tokenlab.sh/v1/audio/speech。代码写法见下方的请求示例。
Grok Voice TTS 支持哪些操作？
Grok Voice TTS 支持 文本转语音。选了操作，上面会显示对应的端点和请求示例。
Grok Voice TTS 对比
资料来源
审阅于 2026年10月2日
