Informazioni su Grok TTS
La sintesi vocale Grok di xAI, disponibile per tutti da marzo 2026: 71 voci predefinite in 20 lingue, risate, respiri e sussurri scritti direttamente nel copione e un cursore per la velocità.
Lo chiami con il nome di modello xai/grok-tts/text-to-speech su POST /jobs/createTask, da 3 crediti ogni 1.000 caratteri (0,03 USD). I nuovi account ricevono 30 crediti gratuiti per provarlo prima nel Playground.
Per ora questa guida è solo in inglese. →
Parametri della richiesta
| Parametro | Obbligatorio | Descrizione |
|---|---|---|
text | Sì | The words to be spoken, with optional speech tags such as [laugh] or <whisper>…</whisper>. Billed per 1,000 characters, tags included. |
speed | No | Velocità del parlato. ≥ 0.7 · ≤ 1.5 · Predefinito: 1 |
bitrate | No | MP3 bit rate in bits per second. Only applies to mp3. 32000 · 64000 · 96000 · 128000 · 192000 · Predefinito: 128000 |
language | No | La lingua del parlato. 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 · Predefinito: auto |
voice_id | No | Scegli tra le voci disponibili. 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 · Predefinito: eve |
sample_rate | No | Sample rate in Hz. 8000 for phone lines, 44100 or 48000 for studio work. 8000 · 16000 · 22050 · 24000 · 44100 · 48000 · Predefinito: 24000 |
output_format | No | Tipo di file del risultato. mp3 · wav · pcm · mulaw · alaw · Predefinito: mp3 |
text_normalization | No | Rewrite numbers, abbreviations and symbols as spoken words before reading. Predefinito: false |
optimize_streaming_latency | No | 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 · Predefinito: 0 |
Prezzi
I prezzi sono in crediti, gli stessi che usi sul sito (1 credito = 0,01 $). L'importo viene trattenuto quando il task è accettato e regolato sul costo reale al termine; i task falliti vengono rimborsati.
| Opzione | Crediti ogni 1.000 caratteri | ≈ USD |
|---|---|---|
| Standard | 2,7 | 0,027 USD |
Ogni attività è arrotondata per eccesso ai crediti interi, quindi un'esecuzione al livello più basso costa 3 crediti ogni 1.000 caratteri (0,03 USD).
Per avere la cifra esatta prima di eseguire, invia lo stesso body a POST /jobs/quote.
Guida rapida all'API
Chiama l'API di Grok TTS in tre passaggi
- Crea una chiave API. Accedi a PopNow e crea una chiave nella console API. Le chiavi iniziano con sk-popnow- e usano gli stessi crediti del sito.
- Invia la richiesta. Invia POST /jobs/createTask con model xai/grok-tts/text-to-speech e un oggetto input secondo la tabella dei parametri. La risposta restituisce subito un ID attività.
- Recupera il risultato. Interroga GET /jobs/recordInfo con l'ID attività, oppure passa una callBackUrl e ti inviamo lì il risultato. Scarica i link di output quando l'attività riesce.
# 1. Create the task. Keep the Idempotency-Key if you retry after a network error.
export IDEMPOTENCY_KEY="$(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"Sostituisci il prompt e gli eventuali link con i tuoi. La scheda API contiene il riferimento per risposta, polling e callback.
Domande sull’API di Grok TTS
Quanto costa l’API di Grok TTS?
Grok TTS costa 3 crediti (0,03 USD) ogni 1.000 caratteri. I crediti sono gli stessi del sito (1 credito = 0,01 $), i nuovi account ricevono 30 crediti gratuiti e i task falliti vengono rimborsati.
Qual è il nome del modello di Grok TTS nell’API?
Inserisci xai/grok-tts/text-to-speech per Sintesi vocale nel campo model di POST /jobs/createTask.
Come aggiungo risate, pause o sussurri?
Scrivili nel testo. I tag singoli come [pause], [laugh], [breath] o [sigh] producono un suono in quel punto; i tag che racchiudono il testo come <whisper>…</whisper>, <slow>…</slow> o <build-intensity>…</build-intensity> cambiano il modo in cui vengono dette le parole al loro interno. I tag vengono interpretati invece che letti — nessuno di quelli che abbiamo usato è comparso in una trascrizione dell'audio — e contano nel totale dei caratteri.
Quali lingue e voci posso usare?
Eve, Ara, Leo, Rex e Sal parlano tutte le lingue supportate; le altre 66 voci sono tarate ciascuna su una lingua, quindi scegline una la cui lingua corrisponda al copione. language accetta auto o uno dei 20 codici. Le voci olandesi, polacche, svedesi, finlandesi, danesi e thailandesi non hanno un codice proprio: per loro lascia language su auto.
Può imitare la voce di una persona reale?
No. Questo endpoint offre solo le 71 voci predefinite; non ci sono clonazione né caricamento di una voce di riferimento.
Quali sono i limiti dell’API di Grok TTS?
Lunghezza del testo (caratteri): 15,000; Voci: 71; Lingue: 20. Le richieste fuori da questi limiti vengono rifiutate prima di qualsiasi addebito.
Posso provare Grok TTS senza scrivere codice?
Sì. Il Playground esegue Grok TTS con i tuoi crediti PopNow, non richiede una chiave API e mostra il codice di ogni generazione.