Μετάβαση στο περιεχόμενο

Grok Voice

Ενσωμάτωση

id μοντέλου 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"

Έως 1,494 $ ανά εκτέλεση χρέωση βάσει της πραγματικής χρήσης, το υπόλοιπο επιστρέφεται Εκτέλεση σε αυτήν τη σελίδα

Λήψη κλειδιού API
xAI Ήχος #xai#grok#voice#agent

Πράκτορας φωνής που ακούει ένα ηχογραφημένο κλιπ ήχου και απαντά με ομιλία και απομαγνητοφώνηση

xAI · Ήχος

Το πρώτο σας αποτέλεσμα θα εμφανιστεί εδώ

Δημιουργήστε ένα αίτημα παρακάτω και εκτελέστε το με το κλειδί API σας. Οι έξοδοι αντιγράφονται στην αποθήκευσή μας και διατηρούνται για πάντα ή 7 ημέρες δωρεάν.

Δημιουργία αιτήματος

Τα στοιχεία ελέγχου δημιουργούνται από το σχήμα του μοντέλου. Ο κώδικας και η τιμή ενημερώνονται καθώς τα αλλάζετε.

0 / 20000

Προαιρετικές οδηγίες συστήματος που παρέχουν πλαίσιο συνομιλίας και καθορίζουν persona αντί της προεπιλεγμένης του Grok· η παράλειψή τους διατηρεί την προεπιλεγμένη persona.

•απαιτείται audio_url
Αποθέστε ένα αρχείο ή

URL ήχου της ομιλίας του χρήστη, έως 10 λεπτά και 50 MB. Μπορούν να παρασχεθούν οι συνηθέστερες μορφές ήχου· πριν το Grok λάβει τον ήχο, μετατρέπεται σε mono PCM με δείγματα 16-bit στα 24 kHz. Ο πράκτορας απαντά στην ηχογράφηση με ομιλία.

Για προχωρημένους voice · enable_safety_checker · tools

Επιλέξτε ενσωματωμένη φωνή xAI για αντικατάσταση της προεπιλεγμένης φωνής του Grok στην απάντηση του πράκτορα· αν δεν οριστεί, διατηρείται η προεπιλεγμένη φωνή.

προεπιλογή {"mcp_servers":[],"we...

Διαμόρφωση εργαλείων πράκτορα για χρήση από τον διακομιστή, με εξαίρεση των file_search/collections από την τυποποιημένη διαμόρφωση λόγω ZDR. Όλα τα εργαλεία ξεκινούν απενεργοποιημένα· υποστηρίζονται απομακρυσμένα εργαλεία MCP, εργαλεία ιστού και εργαλεία X.

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

Εκτέλεση αυτού του αιτήματος

Το κλειδί σας παραμένει σε αυτό το πρόγραμμα περιήγησης: αποστέλλεται μόνο στο Doitong API και αποθηκεύεται (localStorage) μόνο αν ενεργοποιήσετε την επιλογή «Να απομνημονεύεται». Λήψη κλειδιού API

Σχετικά με το Grok Voice

Στείλτε μια ηχογράφηση μέσω του `audio_url` και ο πράκτορας απαντά με ομιλούμενο ήχο, ο οποίος επιστρέφεται ως μονοφωνικό WAV 24 kHz μαζί με τη διάρκειά του και απομαγνητοφώνηση, όταν είναι διαθέσιμη. Το προαιρετικό `prompt` (έως 20000 χαρακτήρες) ορίζει την περσόνα και το πλαίσιο, ενώ το `voice` επιλέγει ενσωματωμένη φωνή. Το αντικείμενο `tools` μπορεί να ενεργοποιήσει αναζήτηση στον ιστό, αναζήτηση στο X ή απομακρυσμένους διακομιστές MCP, όλα απενεργοποιημένα από προεπιλογή.

Παράμετροι

Στείλτε είτε το κανονικό όνομα είτε το εγγενές όνομα, όχι και τα δύο. Κανονικά ονόματα

ΌνομαΤύπος ΠροεπιλογήΕπιτρεπόμενο Περιγραφή
audio_urlαπαιτείται audio
Τύποςurl · audio
URL ήχου της ομιλίας του χρήστη, έως 10 λεπτά και 50 MB. Μπορούν να παρασχεθούν οι συνηθέστερες μορφές ήχου· πριν το Grok λάβει τον ήχο, μετατρέπεται σε mono PCM με δείγματα 16-bit στα 24 kHz. Ο πράκτορας απαντά στην ηχογράφηση με ομιλία.
promptπροαιρετικό
Τύποςstring | null
≤ 20.000 χαρακτήρες
Προαιρετικές οδηγίες συστήματος που παρέχουν πλαίσιο συνομιλίας και καθορίζουν persona αντί της προεπιλεγμένης του Grok· η παράλειψή τους διατηρεί την προεπιλεγμένη persona.
voiceπροαιρετικό
Τύποςenum
carinazaganhelixorionlunairisaltairzenithperseusheliosluxkeplerrigelcosmocelesteursa
+12 ακόμηsiriuslumencastornakshatlasauroralioraaraeveleorexsal
Επιλέξτε ενσωματωμένη φωνή xAI για αντικατάσταση της προεπιλεγμένης φωνής του Grok στην απάντηση του πράκτορα· αν δεν οριστεί, διατηρείται η προεπιλεγμένη φωνή.
toolsπροαιρετικό
Τύποςobject
Προεπιλογή{"mcp_servers":[],"web_search":{"enabled":false},"x_search":{"enabled":false}}
Διαμόρφωση εργαλείων πράκτορα για χρήση από τον διακομιστή, με εξαίρεση των file_search/collections από την τυποποιημένη διαμόρφωση λόγω ZDR. Όλα τα εργαλεία ξεκινούν απενεργοποιημένα· υποστηρίζονται απομακρυσμένα εργαλεία MCP, εργαλεία ιστού και εργαλεία X.
tools.mcp_serversπροαιρετικό
Τύποςobject[]
Απομακρυσμένοι διακομιστές MCP στους οποίους συνδέεται ο πάροχος μοντέλου για εκτέλεση εργαλείων.
tools.mcp_servers[].allowed_toolsπροαιρετικό
Τύποςstring[]
≥ 1 items
Προαιρετική λίστα που καθορίζει ποια ονόματα εργαλείων εκθέτει ο διακομιστής.
tools.mcp_servers[].authorizationπροαιρετικό
Τύποςstring | null
Ευαίσθητη τιμή εξουσιοδότησης που αποστέλλεται αποκλειστικά στον πάροχο μοντέλου.
tools.mcp_servers[].enabledπροαιρετικό
Τύποςboolean
Προεπιλογήtrue
Σημαία συμπερίληψης διακομιστή· το false αποκλείει τον διακομιστή.
tools.mcp_servers[].headersπροαιρετικό
Τύποςobject | null
Ευαίσθητες κεφαλίδες για αιτήματα MCP, που αποστέλλονται αποκλειστικά στον πάροχο μοντέλου.
tools.mcp_servers[].server_descriptionπροαιρετικό
Τύποςstring | null
≤ 2000 characters
Περιγραφή των δυνατοτήτων που διαθέτει ο διακομιστής.
tools.mcp_servers[].server_labelαπαιτείται
Τύποςstring
1 – 128 characters
Ετικέτα διακομιστή που χρησιμοποιεί ο πάροχος μοντέλου για την αναγνώριση των εργαλείων του και την προσθήκη προθέματος στα ονόματά τους.
tools.mcp_servers[].server_urlαπαιτείται
Τύποςstring
≥ 1 characters
Διεύθυνση HTTP(S) που παρέχει ο καλών για διακομιστή MCP στον οποίο συνδέεται απομακρυσμένα το Grok μέσω μεταφορών Streaming HTTP/SSE.
tools.web_search.allowed_domainsπροαιρετικό
Τύποςstring[]
1 – 5 items
Περιορισμός τομέων για αποτελέσματα αναζήτησης: καθορίστε έως πέντε τομείς, χωρίς πρωτόκολλα και διαδρομές.
tools.web_search.enable_image_understandingπροαιρετικό
Τύποςboolean | null
Άδεια του πράκτορα να εξετάζει εικόνες που εντοπίζονται μέσω αναζητήσεων ιστού.
tools.web_search.enabledπροαιρετικό
Τύποςboolean
Προεπιλογήfalse
Πρόσβαση του πράκτορα σε αναζήτηση ιστού: το true προσθέτει το web_search στο session.tools και επιτρέπει αναζητήσεις ιστού· η προεπιλογή το αφήνει απενεργοποιημένο.
tools.web_search.excluded_domainsπροαιρετικό
Τύποςstring[]
1 – 5 items
Τομείς που εξαιρούνται από τα αποτελέσματα αναζήτησης, έως πέντε καταχωρίσεις χωρίς πρωτόκολλα και διαδρομές.
tools.web_search.locationπροαιρετικό
Τύποςobject
Προαιρετική τοποθεσία για γεωγραφική προσαρμογή των αποτελεσμάτων αναζήτησης.
tools.x_search.allowed_x_handlesπροαιρετικό
Τύποςstring[]
1 – 20 items
Χειριστήρια X των οποίων οι αναρτήσεις ενδέχεται να εμφανίζονται στα αποτελέσματα, έως 20 χειριστήρια.
tools.x_search.enable_image_understandingπροαιρετικό
Τύποςboolean | null
Άδεια του πράκτορα να εξετάζει εικόνες που εντοπίζονται στο X.
tools.x_search.enable_video_understandingπροαιρετικό
Τύποςboolean | null
Άδεια του πράκτορα να εξετάζει βίντεο που εντοπίζονται στο X.
tools.x_search.enabledπροαιρετικό
Τύποςboolean
Προεπιλογήfalse
Πρόσβαση σε αναρτήσεις X μέσω αναζήτησης: το true προσθέτει το x_search στο session.tools ώστε ο πράκτορας να αναζητά αυτές τις αναρτήσεις· η προεπιλογή το αφήνει απενεργοποιημένο.
tools.x_search.excluded_x_handlesπροαιρετικό
Τύποςstring[]
1 – 20 items
Χειριστήρια X των οποίων οι αναρτήσεις εξαιρούνται, έως 20 χειριστήρια.
tools.x_search.from_dateπροαιρετικό
Τύποςstring | null
Πρώιμη ημερομηνία για αναρτήσεις, σε μορφή ISO YYYY-MM-DD.
tools.x_search.to_dateπροαιρετικό
Τύποςstring | null
Τελευταία ημερομηνία για αναρτήσεις, σε μορφή ISO YYYY-MM-DD.
enable_safety_checkerπροαιρετικό
Τύποςboolean
Προεπιλογήtrue
Ο έλεγχος μπορεί να χαλαρώσει με τη ρύθμιση false, εφόσον ο καλών είναι εξουσιοδοτημένος.
απαιτείται Κανονικό όνομα, επίσης αποδεκτό

Οι παράμετροι αρχείων δέχονται ένα δημόσιο URL https://, ένα URI data: έως 10 MB ή το file_url μιας μεταφόρτωσης. Αρχεία

Έξοδος

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"
  }
}
Τα αρχεία σας, η επιλογή σαςΚάθε outputs[].url είναι ένα αντίγραφο στην αποθήκευσή μας: διατηρείται για πάντα (χρέωση ανά GB-μήνα) ή 7 ημέρες δωρεάν, σύμφωνα με τη ρύθμιση του λογαριασμού σας ή ?storage=.
Ίδια μορφή σε κάθε μοντέλοtype, url, content_type, width, height και duration, τόσο για εικόνες όσο και για βίντεο και ήχο. Το output είναι το αντικείμενο αποτελέσματος του ίδιου του μοντέλου.
Πεδία εξόδου
audio
object {url, content_type, file_name, file_size}Ηχητική απάντηση από τον πράκτορα Grok, σε μονοφωνικό WAV στα 24 kHz.
text
stringΚείμενο που συνοδεύει την ομιλία του πράκτορα: μια κενή συμβολοσειρά υποδεικνύει ότι το Grok δεν παρείχε απομαγνητοφώνηση· διαφορετικά, περιέχει την απομαγνητοφώνηση.
duration
numberΔιάρκεια του παραγόμενου ήχου, μετρημένη σε δευτερόλεπτα.

Περισσότερα μοντέλα: Ήχος

Για πράκτορες AI: αυτή η σελίδα σε Markdown βρίσκεται στη διεύθυνση https://doitong.com/el/developers/models/xai/grok-voice.md. Όλα τα μοντέλα και οι οδηγοί: https://doitong.com/developers/llms.txt