Grok TTS
Model text-to-speech Grok dari xAI. Menghasilkan audio ucapan berfidelitas tinggi dengan 5 suara ekspresif (eve, ara, rex, sal, leo) dan 20+ bahasa. Mendukung tag ucapan di dalam teks untuk tawa, bisikan, dan jeda.
Mulai cepat
# Inspect the price — a plain request returns the 402 challenge:
curl -i https://api.glianalabs.com/v1/infer \
-H "content-type: application/json" \
-d '{
"model": "xai/grok-tts",
"text": "<text to speak>"
}'
# Pay + run in one step with the mppx CLI (create a wallet: npx mppx account create):
npx mppx https://api.glianalabs.com/v1/infer \
-J '{"model": "xai/grok-tts", "text": "<text to speak>"}'Contoh
Parameter
Teks yang diubah menjadi suara. Maksimum 15.000 karakter. Mendukung tag ucapan di dalam teks: [pause], [laugh], <whisper>…</whisper>, dll.
Kode bahasa BCP-47 (misalnya "en", "zh", "pt-BR") atau "auto" untuk deteksi bahasa otomatis. Wajib — xAI mengembalikan 400 bila dikosongkan. Kode yang didukung: auto, en, ar-EG, ar-SA, ar-AE, bn, zh, fr, de, hi, id, it, ja, ko, pt-BR, pt-PT, ru, es-MX, es-ES, tr, vi.
Optimasi latensi untuk sintesis streaming. 0 (bawaan): tanpa optimasi, kualitas audio terbaik. 1: ukuran potongan pertama diperkecil supaya audio pertama lebih cepat terdengar, dengan sedikit penurunan kualitas.
Format audio keluaran. Bawaannya MP3 24 kHz / 128 kbps bila dikosongkan.
Pengali kecepatan bicara. 1.0 adalah kecepatan normal. Rentang: 0.7 hingga 1.5. Bawaannya 1.0. Hanya dipakai dalam mode WebSocket.
Bila true, teks bentuk tulisan dinormalisasi ke bentuk ucapan sebelum sintesis (misalnya "Dr." → "Doctor", "100" → "one hundred"). Bawaannya false.
Suara untuk sintesis. Bawaannya "eve". Suara bawaan: eve (energik), ara (hangat), rex (percaya diri), sal (seimbang), leo (berwibawa). Tidak peka huruf besar-kecil — "Eve", "EVE", dan "eve" sama saja.