Gå til indhold

Grok Voice

Integrer

Model-id xai/grok-voice
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/xai/grok-voice?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Op til 1,494 $ pr. kørsel du betaler efter det faktiske forbrug, resten tilbagebetales Kør den på denne side

Hent API-nøgle
xAI Lyd #xai#grok#voice#agent

Stemmeagent, der lytter til et optaget lydklip og svarer med tale samt en transskription

xAI · Lyd

Dit første resultat kommer her

Opret en anmodning nedenfor, og kør den med din API-nøgle. Output kopieres til vores lagring, gemt for altid eller 7 dage gratis.

Opret en anmodning

Kontrollerne genereres fra modellens skema. Koden og prisen opdateres, når du ændrer dem.

0 / 20000

Valgfrie systeminstruktioner, der leverer samtalekontekst og angiver en persona i stedet for Groks standardpersona; hvis de udelades, bevares standardpersonaen.

•påkrævet audio_url
Slip en fil, eller

Lyd-URL til brugerens tale, begrænset til 10 minutter og 50 MB. De fleste almindelige lydformater kan angives; før Grok modtager lyden, konverteres den til mono PCM med 16-bit-samples ved 24 kHz. Agenten svarer på optagelsen med tale.

Avanceret voice · enable_safety_checker · tools

Vælg en indbygget xAI-stemme for at tilsidesætte Groks standardstemme i agentens svar; hvis den ikke angives, bevares standardstemmen.

standard {"mcp_servers":[],"we...

Agentværktøjskonfiguration til brug på serversiden, eksklusive file_search/collections fra den typede konfiguration på grund af ZDR. Alle værktøjer starter deaktiveret; understøttede indstillinger omfatter remote MCP-værktøjer, webværktøjer og X-værktøjer.

POST /run/xai/grok-voice?wait=20 pris → 1,494 $
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/xai/grok-voice?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Kør denne anmodning

Din nøgle forbliver i denne browser: Den sendes kun til Doitong API og gemmes kun i localStorage, hvis du markerer Husk. Hent en API-nøgle

Om Grok Voice

Send en optagelse via `audio_url`, hvorefter agenten svarer med tale, returneret som 24 kHz mono-WAV sammen med varigheden og en transskription, når den er tilgængelig. Valgfri `prompt` (op til 20000 tegn) angiver persona og kontekst, og `voice` vælger en indbygget stemme. Objektet `tools` kan aktivere websøgning, X-søgning eller eksterne MCP-servere, som alle er deaktiveret som standard.

Parametre

Send enten det kanoniske navn eller det oprindelige navn, ikke begge. Kanoniske navne

NavnType StandardTilladt Beskrivelse
audio_urlpåkrævet audio
Typeurl · audio
Lyd-URL til brugerens tale, begrænset til 10 minutter og 50 MB. De fleste almindelige lydformater kan angives; før Grok modtager lyden, konverteres den til mono PCM med 16-bit-samples ved 24 kHz. Agenten svarer på optagelsen med tale.
promptvalgfri
Typestring | null
≤ 20.000 tegn
Valgfrie systeminstruktioner, der leverer samtalekontekst og angiver en persona i stedet for Groks standardpersona; hvis de udelades, bevares standardpersonaen.
voicevalgfri
Typeenum
carinazaganhelixorionlunairisaltairzenithperseusheliosluxkeplerrigelcosmocelesteursa
+12 fleresiriuslumencastornakshatlasauroralioraaraeveleorexsal
Vælg en indbygget xAI-stemme for at tilsidesætte Groks standardstemme i agentens svar; hvis den ikke angives, bevares standardstemmen.
toolsvalgfri
Typeobject
Standard{"mcp_servers":[],"web_search":{"enabled":false},"x_search":{"enabled":false}}
Agentværktøjskonfiguration til brug på serversiden, eksklusive file_search/collections fra den typede konfiguration på grund af ZDR. Alle værktøjer starter deaktiveret; understøttede indstillinger omfatter remote MCP-værktøjer, webværktøjer og X-værktøjer.
tools.mcp_serversvalgfri
Typeobject[]
Remote MCP-servere, som modeludbyderen opretter forbindelse til for værktøjsudførelse.
tools.mcp_servers[].allowed_toolsvalgfri
Typestring[]
≥ 1 items
Valgfri liste, der angiver, hvilke værktøjsnavne denne server eksponerer.
tools.mcp_servers[].authorizationvalgfri
Typestring | null
Følsom autorisationsværdi, der udelukkende sendes til modeludbyderen.
tools.mcp_servers[].enabledvalgfri
Typeboolean
Standardtrue
Flag for serverinkludering; false udelukker serveren.
tools.mcp_servers[].headersvalgfri
Typeobject | null
Følsomme headers til MCP-anmodninger, der udelukkende sendes til modeludbyderen.
tools.mcp_servers[].server_descriptionvalgfri
Typestring | null
≤ 2000 characters
Beskrivelse af de funktioner, som denne server stiller til rådighed.
tools.mcp_servers[].server_labelpåkrævet
Typestring
1 – 128 characters
Serveretiket, som modeludbyderen bruger til at identificere dens værktøjer og sætte deres navne som præfiks.
tools.mcp_servers[].server_urlpåkrævet
Typestring
≥ 1 characters
HTTP(S)-adresse angivet af kalderen til en MCP-server, som Grok opretter fjernforbindelse til via Streaming HTTP/SSE-transport.
tools.web_search.allowed_domainsvalgfri
Typestring[]
1 – 5 items
Domænebegrænsning for søgeresultater: angiv op til fem domæner uden protokoller og stier.
tools.web_search.enable_image_understandingvalgfri
Typeboolean | null
Tilladelse til, at agenten undersøger billeder, der opdages gennem websøgninger.
tools.web_search.enabledvalgfri
Typeboolean
Standardfalse
Websøgeadgang for agenten: true tilføjer web_search til session.tools og tillader websøgninger; standarden lader det være deaktiveret.
tools.web_search.excluded_domainsvalgfri
Typestring[]
1 – 5 items
Domæner, der skal udelukkes fra søgeresultater, begrænset til fem poster uden protokoller og stier.
tools.web_search.locationvalgfri
Typeobject
Valgfri placering til geografisk tilpasning af søgeresultater.
tools.x_search.allowed_x_handlesvalgfri
Typestring[]
1 – 20 items
X-handles, hvis opslag kan vises i resultaterne, begrænset til 20 handles.
tools.x_search.enable_image_understandingvalgfri
Typeboolean | null
Tilladelse til, at agenten undersøger billeder, der opdages på X.
tools.x_search.enable_video_understandingvalgfri
Typeboolean | null
Tilladelse til, at agenten undersøger videoer, der opdages på X.
tools.x_search.enabledvalgfri
Typeboolean
Standardfalse
Adgang til X-opslag via søgning: true tilføjer x_search til session.tools, så agenten kan søge i disse opslag; standarden lader det være deaktiveret.
tools.x_search.excluded_x_handlesvalgfri
Typestring[]
1 – 20 items
X-handles, hvis opslag udelukkes, begrænset til 20 handles.
tools.x_search.from_datevalgfri
Typestring | null
Tidligste dato for opslag, angivet i ISO-formatet YYYY-MM-DD.
tools.x_search.to_datevalgfri
Typestring | null
Seneste dato for opslag, angivet i ISO-formatet YYYY-MM-DD.
enable_safety_checkervalgfri
Typeboolean
Standardtrue
Screening kan lempes ved at angive false, hvis den kaldende part er autoriseret.
påkrævet Kanonisk navn, også accepteret

Filparametre accepterer en offentlig https://-URL, en data:-URI på op til 10 MB eller file_url fra en upload. Filer

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "xai/grok-voice",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 1494,
    "usd": "1.494",
    "charged": 1494,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "audio": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_name": "0-output.mp3",
      "file_size": 1843200
    },
    "text": "",
    "duration": 5
  },
  "outputs": [
    {
      "type": "audio",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_size": 1843200,
      "duration": 12,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Dine filer, dit valgHver outputs[].url er en kopi på vores lagring: gemt for altid (betales pr. GB-måned) eller 7 dage gratis, afhængigt af din kontoindstilling eller ?storage=.
Samme struktur for alle modellertype, url, content_type, width, height og duration for billeder, video og lyd. output er modellens eget resultatobjekt.
Outputfelter
audio
object {url, content_type, file_name, file_size}Talt svar fra Grok-agenten leveret som mono-WAV ved 24 kHz.
text
stringTekst, der ledsager agentens tale: en tom streng angiver, at Grok ikke leverede en transskription; ellers indeholder den transskriptionen.
duration
numberLængden af den genererede lyd målt i sekunder.

Flere modeller: Lyd

Til AI-agenter: Denne side som Markdown findes på https://doitong.com/da/developers/models/xai/grok-voice.md. Alle modeller og vejledninger: https://doitong.com/developers/llms.txt