Grok TTS: dokumentacja API

Jednym kluczem API PopNow wywołasz Grok TTS z własnego kodu. Znajdziesz tu identyfikatory modelu, które trzeba wysłać, każde pole wejściowe, koszt zapytania w kredytach i gotowe zapytanie do wklejenia w terminalu.

Opisy parametrów pochodzą ze schematu wejściowego modelu i są dostępne tylko po angielsku.

W skrócie

Twórca: xAI
Wynik: Audio
Od: 2.7 kr. za 1000 znaków ($0.027)
Identyfikatory modelu: xai/grok-tts/text-to-speech

1 kredyt = 0,01 USD. Po przyjęciu zadanie blokuje najwyższą możliwą kwotę, a na koniec rozlicza faktyczne zużycie, zaokrąglone w górę do pełnych kredytów; resztę zwalnia. Za zadania zakończone błędem nie płacisz. Dokładną kwotę przed uruchomieniem poda POST /api/v1/jobs/quote.

Tekst na mowę

xai/grok-tts/text-to-speech

Cena

Opcja	Kredyty (za 1000 znaków)	Dolary USA
`Domyślnie`	2.7	$0.027

Parametry

Pole	Typ	Domyślnie	Dozwolone wartości	Do czego służy
`text`Wymagane	`string`	—	do 15 000 znaków	The words to be spoken, with optional speech tags such as [laugh] or <whisper>…</whisper>. Billed per 1,000 characters, tags included.
`voice_id`Opcjonalne	`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`Opcjonalne	`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`Opcjonalne	`number`	`1`	od 0.7 do 1.5	Speaking speed from 0.7 (slower) to 1.5 (faster).
`output_format`Opcjonalne	`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`Opcjonalne	`integer`	`24000`	8000, 16000, 22050, 24000, 44100, 48000	Sample rate in Hz. 8000 for phone lines, 44100 or 48000 for studio work.
`bitrate`Opcjonalne	`integer`	`128000`	32000, 64000, 96000, 128000, 192000	MP3 bit rate in bits per second. Only applies to mp3.
`text_normalization`Opcjonalne	`boolean`	`false`	—	Rewrite numbers, abbreviations and symbols as spoken words before reading.
`optimize_streaming_latency`Opcjonalne	`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.

Przykładowe zapytanie

To zapytanie działa w obecnej postaci; pominięte pola mają wartości domyślne. Najpierw zapisz klucz w zmiennej POPNOW_API_KEY.

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."
  }
}'

Odpowiedź od razu zawiera taskId. Wynik pobierzesz przez GET /api/v1/jobs/recordInfo albo dodaj callBackUrl, by dostać powiadomienie.

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"