À propos de Grok TTS
La synthèse vocale Grok de xAI, disponible pour tous depuis mars 2026 : 71 voix prédéfinies dans 20 langues, rires, souffles et chuchotements écrits directement dans le script, et un curseur de vitesse.
Appelez-le avec le nom de modèle xai/grok-tts/text-to-speech sur POST /jobs/createTask, à partir de 3 crédits pour 1 000 caractères (0,03 $US). Les nouveaux comptes reçoivent 30 crédits gratuits pour l’essayer d’abord dans le Playground.
Ce guide n'est disponible qu'en anglais pour le moment. →
Paramètres de requête
| Paramètre | Requis | Description |
|---|---|---|
text | Oui | The words to be spoken, with optional speech tags such as [laugh] or <whisper>…</whisper>. Billed per 1,000 characters, tags included. |
speed | Non | Le débit de parole. ≥ 0.7 · ≤ 1.5 · Par défaut: 1 |
bitrate | Non | MP3 bit rate in bits per second. Only applies to mp3. 32000 · 64000 · 96000 · 128000 · 192000 · Par défaut: 128000 |
language | Non | La langue de la voix. auto · en · zh · ar-EG · ar-SA · ar-AE · bn · fr · de · hi · id · it · ja · ko · pt-BR · pt-PT · ru · es-MX · es-ES · tr · vi · Par défaut: auto |
voice_id | Non | Choisissez parmi les voix disponibles. ara · eve · leo · rex · sal · jpi39icg · d18jlf6v · 33g9t0jl · 26w6ihxi · dr8gqysu · wy0m9l5w · om17cury · x7avnu1k · bcs7l2c3 · hqxr4yub · h27ltdnz · 89q2pnko · 73xd5dum · 0p0rt7o1 · hbxkrnwm · 69smp8rm · yis75yfp · ekhwx401 · jupvcf34 · 0hhfxxqq · 0ih5oi34 · gwnexu6y · 97zmdc6s · fc7de6afcf6c · 7a9ee820b342 · 0895a5b8ce5c · f8cf5c2c78d4 · 96819d0bd28d · 79f3a8b96d43 · 78a495fdbb39 · e22152e06fd8 · 490ea3be50b1 · 1f046a033914 · dfe7b9e7d217 · c3a2c594479e · 83c6f4fea98e · 34fd4dce1ba3 · d634b6da3d3b · 670a0c3ac005 · 182a91893636 · d0cb9ff07d95 · b1a7441b97a1 · bf9fe5b5f981 · b5ae17439907 · a0401c9101f8 · 23be42535a45 · abfbdf26f115 · 6da5baee46d0 · 3d030bc92a87 · a13662ba951c · 58d27475085e · 247783ebdd51 · 244e27b39200 · 97fabd54445f · 37329fd8895a · 2badb5f46b1e · 1b12d5daee6b · 908c4626660f · 4ff93971bfdc · 70013edeb8e8 · 35c8d7f60dc8 · 23468361b4ef · 458705c07139 · 41321eb41295 · 40f31906b23d · 3a7889066fa2 · Par défaut: eve |
sample_rate | Non | Sample rate in Hz. 8000 for phone lines, 44100 or 48000 for studio work. 8000 · 16000 · 22050 · 24000 · 44100 · 48000 · Par défaut: 24000 |
output_format | Non | Le type de fichier du résultat. mp3 · wav · pcm · mulaw · alaw · Par défaut: mp3 |
text_normalization | Non | Rewrite numbers, abbreviations and symbols as spoken words before reading. Par défaut: false |
optimize_streaming_latency | Non | Streaming latency level: 0 best quality, 1 smaller first chunk, 2 smallest first chunk with more quality trade-off at chunk boundaries. 0 · 1 · 2 · Par défaut: 0 |
Tarifs
Les prix sont en crédits, les mêmes que ceux que vous utilisez sur le site (1 crédit = 0,01 $). Le montant est réservé à l'acceptation de la tâche, puis réglé au coût réel à la fin ; les tâches en échec sont remboursées.
| Option | Crédits pour 1 000 caractères | ≈ USD |
|---|---|---|
| Standard | 2,7 | 0,027 $US |
Chaque tâche est arrondie au crédit entier supérieur : une exécution au palier le plus bas coûte donc 3 crédits pour 1 000 caractères (0,03 $US).
Pour obtenir un montant exact avant de lancer, envoyez le même corps à POST /jobs/quote.
Démarrage rapide de l'API
Appeler l’API Grok TTS en trois étapes
- Créer une clé API. Connectez-vous à PopNow et créez une clé dans la console API. Les clés commencent par sk-popnow- et utilisent les mêmes crédits que le site.
- Envoyer la requête. Envoyez POST /jobs/createTask avec model xai/grok-tts/text-to-speech et un objet input conforme au tableau des paramètres. La réponse renvoie aussitôt un ID de tâche.
- Récupérer le résultat. Interrogez GET /jobs/recordInfo avec l’ID de tâche, ou passez une callBackUrl et nous y envoyons le résultat. Téléchargez les liens de sortie quand la tâche réussit.
# 1. Create the task. Keep the Idempotency-Key if you retry after a network error.
export IDEMPOTENCY_KEY="$(uuidgen)"
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: $IDEMPOTENCY_KEY" \
-d '{
"model": "xai/grok-tts/text-to-speech",
"input": {
"text": "Welcome back. Your files finished rendering a minute ago and are ready to download.",
"voice_id": "eve",
"language": "auto"
}
}'
# 2. Copy data.taskId from the response, then poll until state is succeeded, failed, canceled or expired.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.popnow.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $POPNOW_API_KEY"Remplacez le prompt et les liens par les vôtres. L'onglet API contient la référence pour la réponse, le polling et le callback.
Questions sur l’API Grok TTS
Combien coûte l’API Grok TTS ?
Grok TTS coûte 3 crédits (0,03 $US) pour 1 000 caractères. Les crédits sont les mêmes que sur le site (1 crédit = 0,01 $), les nouveaux comptes reçoivent 30 crédits offerts et les tâches échouées sont remboursées.
Quel est le nom de modèle de Grok TTS dans l’API ?
Indiquez xai/grok-tts/text-to-speech pour Synthèse vocale dans le champ model de POST /jobs/createTask.
Comment ajouter des rires, des pauses ou des chuchotements ?
Écrivez-les dans le texte. Les balises ponctuelles comme [pause], [laugh], [breath] ou [sigh] produisent un son à cet endroit ; les balises englobantes comme <whisper>…</whisper>, <slow>…</slow> ou <build-intensity>…</build-intensity> changent la façon dont les mots qu’elles entourent sont dits. Les balises sont jouées et non lues — aucune de celles que nous avons utilisées n’est apparue dans une transcription de l’audio — et elles comptent dans le total de caractères.
Quelles langues et quelles voix puis-je utiliser ?
Eve, Ara, Leo, Rex et Sal parlent toutes les langues prises en charge ; les 66 autres voix sont chacune réglées pour une langue, choisissez donc une voix dont la langue correspond au script. language accepte auto ou l’un des 20 codes. Les voix néerlandaises, polonaises, suédoises, finnoises, danoises et thaïes n’ont pas de code propre : laissez language sur auto pour elles.
Peut-il imiter la voix d’une personne réelle ?
Non. Cet endpoint propose uniquement les 71 voix prédéfinies ; il n’y a ni clonage ni envoi d’une voix de référence.
Quelles sont les limites de l’API Grok TTS ?
Longueur du texte (caractères): 15,000; Voix: 71; Langues: 20. Les requêtes hors de ces limites sont refusées avant tout débit.
Puis-je essayer Grok TTS sans écrire de code ?
Oui. Le Playground lance Grok TTS avec vos crédits PopNow, sans clé API, et affiche le code correspondant à chaque génération.