Grok TTS: справочник по API

С одним ключом PopNow API вы вызываете Grok TTS прямо из своего кода. Здесь собраны ID модели, которые нужно передать, все поля, которые она принимает, стоимость запроса в кредитах и готовый запрос — его можно вставить в терминал и запустить.

Описания параметров взяты из входной схемы модели и пока доступны только на английском.

Кратко

Разработчик: xAI
Результат: Аудио
От: 2.7 кр. за 1000 символов ($0.027)
ID модели: xai/grok-tts/text-to-speech

1 кредит = 0,01 $. При приёме задачи резервируется максимально возможная сумма, а после завершения списывается фактический расход с округлением вверх до целого кредита; остаток возвращается. За задачи, завершившиеся ошибкой, плата не взимается. Точную сумму до запуска покажет POST /api/v1/jobs/quote.

Озвучка текста

xai/grok-tts/text-to-speech

Цена

Вариант	Кредиты (за 1000 символов)	Доллары США
`По умолчанию`	2.7	$0.027

Параметры

Поле	Тип	По умолчанию	Допустимые значения	Назначение
`text`Обязательно	`string`	—	до 15 000 символов	The words to be spoken, with optional speech tags such as [laugh] or <whisper>…</whisper>. Billed per 1,000 characters, tags included.
`voice_id`Необязательно	`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`Необязательно	`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`Необязательно	`number`	`1`	от 0.7 до 1.5	Speaking speed from 0.7 (slower) to 1.5 (faster).
`output_format`Необязательно	`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`Необязательно	`integer`	`24000`	8000, 16000, 22050, 24000, 44100, 48000	Sample rate in Hz. 8000 for phone lines, 44100 or 48000 for studio work.
`bitrate`Необязательно	`integer`	`128000`	32000, 64000, 96000, 128000, 192000	MP3 bit rate in bits per second. Only applies to mp3.
`text_normalization`Необязательно	`boolean`	`false`	—	Rewrite numbers, abbreviations and symbols as spoken words before reading.
`optimize_streaming_latency`Необязательно	`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.

Пример запроса

Запрос работает как есть; поля, которые вы не указали, берут значения по умолчанию. Сначала положите ключ в переменную 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."
  }
}'

В ответе сразу приходит taskId. Результат забирайте через GET /api/v1/jobs/recordInfo или передайте callBackUrl, чтобы получить уведомление.

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"