Referência da API do Grok TTS

Com uma única chave de API da PopNow você chama o Grok TTS direto do seu código. Aqui estão os IDs de modelo a enviar, cada campo de entrada aceito, quantos créditos custa cada requisição e um exemplo que você cola no terminal e roda.

As descrições dos parâmetros vêm do schema de entrada do modelo e estão disponíveis só em inglês.

Resumo

Desenvolvedor: xAI
Resultado: Áudio
A partir de: 2.7 créditos a cada 1.000 caracteres ($0.027)
IDs de modelo: xai/grok-tts/text-to-speech

1 crédito = US$ 0,01. Ao ser aceita, a tarefa reserva o valor máximo possível e, no fim, cobra o uso real, arredondado para cima em créditos inteiros; o restante é liberado. Tarefas que falham não são cobradas. Para saber o valor exato antes de rodar, chame POST /api/v1/jobs/quote.

Texto para fala

xai/grok-tts/text-to-speech

Preço

Opção	Créditos (a cada 1.000 caracteres)	Dólares
`Padrão`	2.7	$0.027

Parâmetros

Campo	Tipo	Padrão	Valores aceitos	Para que serve
`text`Obrigatório	`string`	—	até 15.000 caracteres	The words to be spoken, with optional speech tags such as [laugh] or <whisper>…</whisper>. Billed per 1,000 characters, tags included.
`voice_id`Opcional	`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`Opcional	`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`Opcional	`number`	`1`	de 0.7 a 1.5	Speaking speed from 0.7 (slower) to 1.5 (faster).
`output_format`Opcional	`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`Opcional	`integer`	`24000`	8000, 16000, 22050, 24000, 44100, 48000	Sample rate in Hz. 8000 for phone lines, 44100 or 48000 for studio work.
`bitrate`Opcional	`integer`	`128000`	32000, 64000, 96000, 128000, 192000	MP3 bit rate in bits per second. Only applies to mp3.
`text_normalization`Opcional	`boolean`	`false`	—	Rewrite numbers, abbreviations and symbols as spoken words before reading.
`optimize_streaming_latency`Opcional	`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.

Exemplo de requisição

Esta requisição roda do jeito que está; os campos que você omitir usam o valor padrão. Antes, coloque sua chave em 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."
  }
}'

A resposta já traz um taskId. Busque o resultado com GET /api/v1/jobs/recordInfo ou inclua callBackUrl para ser avisado.

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"