Grok TTS API-Referenz

Mit einem einzigen PopNow-API-Schlüssel rufst du Grok TTS aus deinem eigenen Code auf. Hier findest du die Modell-IDs, jedes Eingabefeld, die Kosten pro Anfrage in Credits und eine Anfrage, die du direkt ins Terminal kopieren kannst.

Die Parameterbeschreibungen stammen aus dem Eingabeschema des Modells und sind nur auf Englisch verfügbar.

Auf einen Blick

Hersteller: xAI
Ergebnis: Audio
Ab: 2.7 Credits pro 1.000 Zeichen ($0.027)
Modell-IDs: xai/grok-tts/text-to-speech

1 Credit = 0,01 $. Bei Annahme reserviert ein Task den höchstmöglichen Betrag und rechnet am Ende den tatsächlichen Verbrauch ab, auf ganze Credits aufgerundet; der Rest wird freigegeben. Fehlgeschlagene Tasks kosten nichts. Den genauen Betrag vorab liefert POST /api/v1/jobs/quote.

Text zu Sprache

xai/grok-tts/text-to-speech

Preis

Option	Credits (pro 1.000 Zeichen)	US-Dollar
`Standard`	2.7	$0.027

Parameter

Feld	Typ	Standardwert	Erlaubt	Bedeutung
`text`Pflicht	`string`	—	bis zu 15.000 Zeichen	The words to be spoken, with optional speech tags such as [laugh] or <whisper>…</whisper>. Billed per 1,000 characters, tags included.
`voice_id`Optional	`string`	`eve`	ara, eve, leo, rex, sal, jpi39icg, d18jlf6v, 33g9t0jl, 26w6ihxi, dr8gqysu, wy0m9l5w, om17cury, x7avnu1k, bcs7l2c3, … (+57)	Preset voice. Eve, Ara, Leo, Rex and Sal speak every supported language; the others are tuned for one language.
`language`Optional	`string`	`auto`	auto, en, zh, ar-EG, ar-SA, ar-AE, bn, fr, de, hi, id, it, ja, ko, … (+7)	Reading language, or auto to detect it from the text.
`speed`Optional	`number`	`1`	0.7 bis 1.5	Speaking speed from 0.7 (slower) to 1.5 (faster).
`output_format`Optional	`string`	`mp3`	mp3, wav, pcm, mulaw, alaw	Audio encoding. pcm, mulaw and alaw are raw streams without a file header, for phone systems.
`sample_rate`Optional	`integer`	`24000`	8000, 16000, 22050, 24000, 44100, 48000	Sample rate in Hz. 8000 for phone lines, 44100 or 48000 for studio work.
`bitrate`Optional	`integer`	`128000`	32000, 64000, 96000, 128000, 192000	MP3 bit rate in bits per second. Only applies to mp3.
`text_normalization`Optional	`boolean`	`false`	—	Rewrite numbers, abbreviations and symbols as spoken words before reading.
`optimize_streaming_latency`Optional	`integer`	`0`	0, 1, 2	Streaming latency level: 0 best quality, 1 smaller first chunk, 2 smallest first chunk with more quality trade-off at chunk boundaries.

Beispielanfrage

Diese Anfrage läuft so, wie sie ist; weggelassene Felder behalten ihren Standardwert. Leg deinen Schlüssel vorher in POPNOW_API_KEY ab.

POST /api/v1/jobs/createTask

curl -X POST "https://api.popnow.ai/api/v1/jobs/createTask" \
  -H "Authorization: Bearer $POPNOW_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: $(uuidgen)" \
  -d '{
  "model": "xai/grok-tts/text-to-speech",
  "input": {
    "text": "Hi there! This voice was created with the PopNow API in just a few seconds."
  }
}'

Die Antwort enthält sofort eine taskId. Das Ergebnis holst du mit GET /api/v1/jobs/recordInfo ab – oder du gibst callBackUrl mit und wirst benachrichtigt.

GET /api/v1/jobs/recordInfo

curl "https://api.popnow.ai/api/v1/jobs/recordInfo?taskId=TASK_ID_FROM_CREATE_TASK" \
  -H "Authorization: Bearer $POPNOW_API_KEY"