Ir al contenido

xAI Text to Speech

Integrar

Id del modelo xai/tts/v1
# 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/tts/v1?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Doitong. This is a short test sentence."
  }'

# 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"

Esta solicitud: 0,001 $ 1 crédito de API Ejecutar en esta página

Obtener clave de API

Texto a voz con voces integradas, selección de idioma y etiquetas expresivas de voz insertadas en línea

xAI · Audio

Tu primer resultado aparecerá aquí

Crea una solicitud abajo y ejecútala con tu clave de API. Las salidas se copian en nuestro almacenamiento, conservadas para siempre o 7 días gratis.

Crear una solicitud

Los controles se generan a partir del esquema del modelo. El código y el precio se actualizan al modificarlos.

•obligatorio 50 / 15000

Texto para la síntesis de voz, con una interpretación expresiva controlada mediante etiquetas insertadas ([laugh], [pause], [sigh]) o etiquetas envolventes (<whisper>text</whisper>, <slow>text</slow>). La entrada no puede superar los 15,000 caracteres.

Avanzado voice · language · enable_safety_checker · output_format
predeterminado eve

Voz integrada seleccionada para la síntesis de voz.

predeterminado auto

Selección de idioma entre estos códigos BCP-47: en, zh, fr, de, hi, id, it, ja, ko, pt-BR, pt-PT, ru, es-MX, es-ES, tr, vi, bn, ar-EG, ar-SA, ar-AE. Para la detección automática, proporciona 'auto'.

Configuración del formato de audio generado; el predeterminado es MP3 con una frecuencia de muestreo de 24 kHz y una tasa de bits de 128 kbps.

POST /run/xai/tts/v1?wait=20 cotización → 0,001 $
# 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/tts/v1?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Doitong. This is a short test sentence."
  }'

# 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"

Ejecutar esta solicitud

Tu clave permanece en este navegador: solo se envía a la Doitong API y se guarda (localStorage) únicamente si marcas Recordar. Obtener una clave de API

Acerca de xAI Text to Speech

Convierte hasta 15,000 caracteres de texto en voz. Elige entre 28 voces integradas y un código de idioma o detección automática. El texto puede incluir etiquetas como [laugh], [pause] y [sigh], o etiquetas envolventes como <whisper> y <slow>, para una locución expresiva. `output_format` configura el archivo de audio.

Parámetros

NombreTipo PredeterminadoPermitido Descripción
textobligatorio
Tipostring
≤ 15.000 caracteres
Texto para la síntesis de voz, con una interpretación expresiva controlada mediante etiquetas insertadas ([laugh], [pause], [sigh]) o etiquetas envolventes (<whisper>text</whisper>, <slow>text</slow>). La entrada no puede superar los 15,000 caracteres.
voiceopcional
Tipoenum
Predeterminadoeve
carinazaganhelixorionlunairisaltairzenithperseusheliosluxkeplerrigelcosmocelesteursa
+12 mássiriuslumencastornakshatlasauroralioraaraeveleorexsal
Voz integrada seleccionada para la síntesis de voz.
languageopcional
Tipoenum
Predeterminadoauto
autoenar-EGar-SAar-AEbnzhfrdehiiditjakopt-BRpt-PT
+5 másrues-MXes-EStrvi
Selección de idioma entre estos códigos BCP-47: en, zh, fr, de, hi, id, it, ja, ko, pt-BR, pt-PT, ru, es-MX, es-ES, tr, vi, bn, ar-EG, ar-SA, ar-AE. Para la detección automática, proporciona 'auto'.
output_formatopcional
Tipoobject
Configuración del formato de audio generado; el predeterminado es MP3 con una frecuencia de muestreo de 24 kHz y una tasa de bits de 128 kbps.
output_format.codecopcional
Tipoenum
Predeterminadomp3
mp3wavpcmmulawalaw
Códec para la codificación de audio; las opciones disponibles son mp3, wav, pcm, mulaw, alaw.
output_format.sample_rateopcional
Tipoenum
Predeterminado24000
80001600022050240004410048000
Frecuencia de muestreo del audio, medida en Hz.
output_format.bit_rateopcional
Tipoenum
320006400096000128000192000
Tasa de bits de la salida MP3, con un valor predeterminado de 128000 y medida en bps; no se aplica a otros códecs.
enable_safety_checkeropcional
Tipoboolean
Predeterminadotrue
La moderación puede relajarse estableciendo false, siempre que el autor de la llamada esté autorizado.
obligatorio

Salida

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "xai/tts/v1",
  "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": 1,
    "usd": "0.001",
    "charged": 1,
    "refunded": 0
  },
  "input": {
    "text": "Hello from Doitong. This is a short test sentence."
  },
  "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
    }
  },
  "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"
  }
}
Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: conservada para siempre (se cobra por GB-mes) o 7 días gratis, según la configuración de tu cuenta o ?storage=.
La misma estructura en todos los modelostype, url, content_type, width, height y duration, tanto para imágenes como para vídeo y audio. output es el objeto de resultado propio del modelo.
Campos de salida
audio
object {url, content_type, file_name, file_size}Archivo de audio producido por la generación.

Para agentes de IA: esta página en Markdown está en https://doitong.com/es/developers/models/xai/tts/v1.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt