Grok TTS API syntezy mowy — 71 głosów, tagi mowy

Name: Grok TTS API
SKU: xai/grok-tts/text-to-speech
Price: 0.03 USD
Availability: InStock

O modelu Grok TTS

Synteza mowy Grok od xAI, ogólnie dostępna od marca 2026 roku: 71 gotowych głosów w 20 językach, śmiech, oddech i szept wpisywane wprost do scenariusza oraz suwak tempa.

Wywołujesz go nazwą modelu xai/grok-tts/text-to-speech w POST /jobs/createTask, od 3 kredyty za 1000 znaków (0,03 USD). Nowe konta dostają 30 darmowych kredytów, więc możesz najpierw przetestować go w Playgroundzie.

Parametry żądania

Parametr	Wymagany	Opis
`text`	Tak	The words to be spoken, with optional speech tags such as [laugh] or <whisper>…</whisper>. Billed per 1,000 characters, tags included.
`speed`	Nie	Tempo mówienia. ≥ 0.7 · ≤ 1.5 · Domyślnie: 1
`bitrate`	Nie	MP3 bit rate in bits per second. Only applies to mp3. 32000 · 64000 · 96000 · 128000 · 192000 · Domyślnie: 128000
`language`	Nie	Język wypowiedzi. 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 · Domyślnie: auto
`voice_id`	Nie	Wybierz jeden z dostępnych głosów. 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 · Domyślnie: eve
`sample_rate`	Nie	Sample rate in Hz. 8000 for phone lines, 44100 or 48000 for studio work. 8000 · 16000 · 22050 · 24000 · 44100 · 48000 · Domyślnie: 24000
`output_format`	Nie	Format pliku wyniku. mp3 · wav · pcm · mulaw · alaw · Domyślnie: mp3
`text_normalization`	Nie	Rewrite numbers, abbreviations and symbols as spoken words before reading. Domyślnie: false
`optimize_streaming_latency`	Nie	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 · Domyślnie: 0

Ceny

Ceny podajemy w kredytach, tych samych, których używasz na stronie (1 kredyt = 0,01 $). Kwota jest rezerwowana, gdy zadanie zostaje przyjęte, a po zakończeniu rozliczana według rzeczywistego kosztu; za nieudane zadania kredyty wracają.

Opcja	Kredyty za 1000 znaków	≈ USD
Standard	2,7	0,027 USD

Każde zadanie jest zaokrąglane w górę do pełnych kredytów, więc jedno uruchomienie na najniższym poziomie kosztuje 3 kredyty za 1000 znaków (0,03 USD).

Żeby poznać dokładną kwotę przed uruchomieniem, wyślij to samo body na POST /jobs/quote.

Szybki start z API

Wywołaj API Grok TTS w trzech krokach

Utwórz klucz API. Zaloguj się do PopNow i utwórz klucz w konsoli API. Klucze zaczynają się od sk-popnow- i korzystają z tych samych kredytów co strona.
Wyślij żądanie. Wyślij POST /jobs/createTask z model xai/grok-tts/text-to-speech i obiektem input zgodnym z tabelą parametrów. Odpowiedź od razu zwraca ID zadania.
Odbierz wynik. Odpytuj GET /jobs/recordInfo po ID zadania albo podaj callBackUrl, a wyślemy tam wynik. Gdy zadanie się powiedzie, pobierz pliki z linków wyjściowych.

# 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"

Podmień prompt i linki na własne. Odniesienie do odpowiedzi, odpytywania i callbacku znajdziesz na karcie API.

Pytania o API Grok TTS

Ile kosztuje API Grok TTS?

Grok TTS kosztuje 3 kredyty (0,03 USD) za 1000 znaków. Kredyty są te same co na stronie (1 kredyt = 0,01 USD), nowe konta dostają 30 darmowych kredytów, a nieudane zadania są zwracane.

Jaka jest nazwa modelu Grok TTS w API?

Wpisz xai/grok-tts/text-to-speech do zadania Tekst na mowę w polu model żądania POST /jobs/createTask.

Jak dodać śmiech, pauzy albo szept?

Wpisz je w tekst. Pojedyncze tagi, np. [pause], [laugh], [breath] czy [sigh], dają jeden dźwięk w danym miejscu; tagi obejmujące tekst, np. <whisper>…</whisper>, <slow>…</slow> czy <build-intensity>…</build-intensity>, zmieniają sposób wypowiedzenia słów w środku. Tagi są odgrywane, a nie czytane — żaden z użytych przez nas nie pojawił się w transkrypcji nagrania — i wliczają się do liczby znaków.

Jakich języków i głosów mogę używać?

Eve, Ara, Leo, Rex i Sal mówią we wszystkich obsługiwanych językach; pozostałe 66 głosów jest dostrojonych każdy do jednego języka, więc wybierz głos w języku scenariusza. language przyjmuje auto albo jeden z 20 kodów. Głosy niderlandzkie, polskie, szwedzkie, fińskie, duńskie i tajskie nie mają własnego kodu: dla nich zostaw language na auto.