Zum Inhalt springen

Grok Voice

Integrieren

Modell-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"

Bis zu 1,494 $ pro Ausführung Nach tatsächlicher Nutzung abgerechnet, der Rest wird erstattet Auf dieser Seite ausführen

API-Schlüssel abrufen
xAI Audio #xai#grok#voice#agent

Sprachagent, der einen aufgezeichneten Audioclip anhört und mit Sprache sowie einem Transkript antwortet

xAI · Audio

Dein erstes Ergebnis erscheint hier

Erstelle unten eine Anfrage und führe sie mit deinem API-Schlüssel aus. Ausgaben werden in unseren Speicher kopiert und dauerhaft oder 7 Tage kostenlos aufbewahrt.

Anfrage erstellen

Die Steuerelemente werden aus dem Modellschema generiert. Code und Preis werden aktualisiert, während du sie änderst.

0 / 20000

Optionale Systemanweisungen, die Gesprächskontext bereitstellen und anstelle von Groks Standardpersona eine Persona festlegen; bei Weglassen bleibt die Standardpersona erhalten.

•erforderlich audio_url
Datei ablegen oder

Audio-URL für die Sprache des Benutzers, begrenzt auf 10 Minuten und 50 MB. Die gängigsten Audioformate können angegeben werden; bevor Grok das Audio erhält, wird es in Mono-PCM mit 16-Bit-Samples bei 24 kHz konvertiert. Der Agent antwortet auf die Aufnahme mit Sprache.

Erweitert voice · enable_safety_checker · tools

Integrierte xAI-Stimme auswählen, die Groks Standardstimme für die Antwort des Agenten überschreibt; ohne Auswahl bleibt die Standardstimme erhalten.

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

Agent-Toolkonfiguration für die serverseitige Nutzung; file_search/collections sind wegen ZDR von der typisierten Konfiguration ausgeschlossen. Alle Tools sind zunächst deaktiviert; unterstützte Optionen umfassen Remote-MCP-Tools, Web-Tools und X-Tools.

POST /run/xai/grok-voice?wait=20 Preis → 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"

Diese Anfrage ausführen

Dein Schlüssel bleibt in diesem Browser: Er wird nur an die Doitong API gesendet und nur gespeichert (localStorage), wenn du „Merken“ aktivierst. API-Schlüssel abrufen

Über Grok Voice

Senden Sie über `audio_url` eine Aufnahme; der Agent antwortet mit gesprochenem Audio, das als Mono-WAV mit 24 kHz zusammen mit seiner Dauer und, sofern verfügbar, einem Transkript zurückgegeben wird. Der optionale `prompt` (bis zu 20000 Zeichen) legt Persona und Kontext fest, und `voice` wählt eine integrierte Stimme. Das Objekt `tools` kann Websuche, X-Suche oder Remote-MCP-Server aktivieren; standardmäßig sind alle deaktiviert.

Parameter

Sende entweder den kanonischen Namen oder den nativen Namen, nicht beide. Kanonische Namen

NameTyp StandardZulässig Beschreibung
audio_urlerforderlich audio
Typurl · audio
Audio-URL für die Sprache des Benutzers, begrenzt auf 10 Minuten und 50 MB. Die gängigsten Audioformate können angegeben werden; bevor Grok das Audio erhält, wird es in Mono-PCM mit 16-Bit-Samples bei 24 kHz konvertiert. Der Agent antwortet auf die Aufnahme mit Sprache.
promptoptional
Typstring | null
≤ 20.000 Zeichen
Optionale Systemanweisungen, die Gesprächskontext bereitstellen und anstelle von Groks Standardpersona eine Persona festlegen; bei Weglassen bleibt die Standardpersona erhalten.
voiceoptional
Typenum
carinazaganhelixorionlunairisaltairzenithperseusheliosluxkeplerrigelcosmocelesteursa
+12 weiteresiriuslumencastornakshatlasauroralioraaraeveleorexsal
Integrierte xAI-Stimme auswählen, die Groks Standardstimme für die Antwort des Agenten überschreibt; ohne Auswahl bleibt die Standardstimme erhalten.
toolsoptional
Typobject
Standard{"mcp_servers":[],"web_search":{"enabled":false},"x_search":{"enabled":false}}
Agent-Toolkonfiguration für die serverseitige Nutzung; file_search/collections sind wegen ZDR von der typisierten Konfiguration ausgeschlossen. Alle Tools sind zunächst deaktiviert; unterstützte Optionen umfassen Remote-MCP-Tools, Web-Tools und X-Tools.
tools.mcp_serversoptional
Typobject[]
Remote-MCP-Server, mit denen der Modellanbieter zur Toolausführung verbunden wird.
tools.mcp_servers[].allowed_toolsoptional
Typstring[]
≥ 1 items
Optionale Liste mit den Toolnamen, die dieser Server bereitstellt.
tools.mcp_servers[].authorizationoptional
Typstring | null
Sensibler Autorisierungswert, der ausschließlich an den Modellanbieter gesendet wird.
tools.mcp_servers[].enabledoptional
Typboolean
Standardtrue
Server-Einschlussflag; false schließt den Server aus.
tools.mcp_servers[].headersoptional
Typobject | null
Sensible Header für MCP-Anfragen, die ausschließlich an den Modellanbieter gesendet werden.
tools.mcp_servers[].server_descriptionoptional
Typstring | null
≤ 2000 characters
Beschreibung der Fähigkeiten, die dieser Server bereitstellt.
tools.mcp_servers[].server_labelerforderlich
Typstring
1 – 128 characters
Serverbezeichnung, anhand derer der Modellanbieter seine Tools identifiziert und ihre Namen mit einem Präfix versieht.
tools.mcp_servers[].server_urlerforderlich
Typstring
≥ 1 characters
Vom Aufrufer bereitgestellte HTTP(S)-Adresse eines MCP-Servers, mit dem Grok remote über Streaming-HTTP/SSE-Transporte verbunden wird.
tools.web_search.allowed_domainsoptional
Typstring[]
1 – 5 items
Domänenbeschränkung für Suchergebnisse: bis zu fünf Domänen ohne Protokolle und Pfade angeben.
tools.web_search.enable_image_understandingoptional
Typboolean | null
Berechtigung des Agenten, über Websuchen gefundene Bilder zu untersuchen.
tools.web_search.enabledoptional
Typboolean
Standardfalse
Websuchzugriff für den Agenten: true fügt web_search zu session.tools hinzu und erlaubt Websuchen; der Standardwert lässt ihn deaktiviert.
tools.web_search.excluded_domainsoptional
Typstring[]
1 – 5 items
Domänen, die aus den Suchergebnissen ausgeschlossen werden, begrenzt auf fünf Einträge ohne Protokolle und Pfade.
tools.web_search.locationoptional
Typobject
Optionaler Standort zur geografischen Anpassung der Suchergebnisse.
tools.x_search.allowed_x_handlesoptional
Typstring[]
1 – 20 items
X-Handles, deren Beiträge in den Ergebnissen erscheinen dürfen, begrenzt auf 20 Handles.
tools.x_search.enable_image_understandingoptional
Typboolean | null
Berechtigung des Agenten, auf X gefundene Bilder zu untersuchen.
tools.x_search.enable_video_understandingoptional
Typboolean | null
Berechtigung des Agenten, auf X gefundene Videos zu untersuchen.
tools.x_search.enabledoptional
Typboolean
Standardfalse
Zugriff auf X-Beiträge über die Suche: true fügt x_search zu session.tools hinzu, sodass der Agent diese Beiträge durchsuchen kann; der Standardwert lässt dies deaktiviert.
tools.x_search.excluded_x_handlesoptional
Typstring[]
1 – 20 items
X-Handles, deren Beiträge ausgeschlossen werden, begrenzt auf 20 Handles.
tools.x_search.from_dateoptional
Typstring | null
Frühestes Datum für Beiträge im ISO-Format YYYY-MM-DD.
tools.x_search.to_dateoptional
Typstring | null
Spätestes Datum für Beiträge im ISO-Format YYYY-MM-DD.
enable_safety_checkeroptional
Typboolean
Standardtrue
Die Prüfung kann durch Setzen auf false gelockert werden, sofern der Aufrufer dazu berechtigt ist.
erforderlich Kanonischer Name, ebenfalls akzeptiert

Dateiparameter akzeptieren eine öffentliche https://-URL, eine data:-URI bis 10 MB oder die file_url eines Uploads. Dateien

Ausgabe

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"
  }
}
Deine Dateien, deine EntscheidungJede outputs[].url ist eine Kopie in unserem Speicher: dauerhaft aufbewahrt (Abrechnung pro GB-Monat) oder 7 Tage kostenlos – je nach Kontoeinstellung oder ?storage=.
Gleiche Struktur bei jedem Modelltype, url, content_type, width, height und duration – für Bilder, Video und Audio gleichermaßen. output ist das Ergebnisobjekt des Modells.
Ausgabefelder
audio
object {url, content_type, file_name, file_size}Gesprochene Antwort des Grok-Agenten, ausgegeben als Mono-WAV mit 24 kHz.
text
stringText, der die Sprache des Agenten begleitet: Eine leere Zeichenfolge bedeutet, dass Grok kein Transkript bereitgestellt hat; andernfalls enthält sie das Transkript.
duration
numberLänge des generierten Audios, gemessen in Sekunden.

Weitere Modelle: Audio

Für KI-Agenten: Diese Seite ist als Markdown verfügbar unter https://doitong.com/de/developers/models/xai/grok-voice.md. Alle Modelle und Anleitungen: https://doitong.com/developers/llms.txt