Lumaktaw sa nilalaman

Grok Voice

I-integrate

ID ng modelo 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"

Hanggang $1.494 bawat pagtakbo sinisingil ayon sa aktuwal na paggamit, at nire-refund ang natitira Patakbuhin ito sa page na ito

Kumuha ng API key
xAI audio #xai#grok#voice#agent

Voice agent na nakikinig sa recorded audio clip at sumasagot gamit ang speech at transcript

xAI · audio

Dito mapupunta ang iyong unang resulta

Bumuo ng kahilingan sa ibaba at patakbuhin ito gamit ang iyong API key. Kinokopya ang mga output sa aming storage, na pinananatili nang walang hanggan o 7 araw nang libre.

Bumuo ng kahilingan

Ang mga control ay binubuo mula sa schema ng modelo. Nagbabago ang code at presyo habang ina-adjust mo ang mga ito.

0 / 20000

Opsyonal na system instruction na nagbibigay ng context ng conversation at tumutukoy sa persona bilang kapalit ng default ng Grok; kapag hindi ito ibinigay, nananatili ang default na persona.

•kinakailangan audio_url
Mag-drop ng file, o

URL ng audio para sa speech ng user, limitado sa 10 minuto at 50 MB. Maaaring magbigay ng karamihan sa karaniwang audio format; bago matanggap ng Grok ang audio, kino-convert ito sa mono PCM na may 16-bit samples sa 24 kHz. Tumutugon ang agent sa recording gamit ang speech.

advanced voice · enable_safety_checker · tools

Pumili ng built-in xAI voice para palitan ang default ng Grok para sa tugon ng agent; kapag hindi itinakda, nananatili ang default na voice.

default na {"mcp_servers":[],"we...

Configuration ng tool ng agent para sa server-side use, na nagbubukod sa file_search/collections sa typed configuration dahil sa ZDR. Nagsisimula ang lahat ng tool na disabled; kabilang sa mga suportadong opsyon ang remote MCP tools, web tools, at X tools.

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

Patakbuhin ang kahilingang ito

Nananatili ang iyong key sa browser na ito: ipinapadala lamang ito sa Doitong API at sine-save (localStorage) lamang kung pipiliin mo ang Tandaan. Kumuha ng API key

Tungkol sa Grok Voice

Magpadala ng recording sa pamamagitan ng `audio_url` at sasagot ang agent sa spoken audio, na ibinabalik bilang 24 kHz mono WAV kasama ang duration nito at transcript kung mayroon. Itinatakda ng opsyonal na `prompt` (hanggang 20000 character) ang persona at context, habang pinipili ng `voice` ang built-in voice. Maaaring paganahin ng `tools` object ang web search, X search o remote MCP server; naka-off ang lahat bilang default.

Mga parameter

Ipadala ang canonical na pangalan o ang native na pangalan, hindi pareho. Mga canonical na pangalan

PangalanUri defaultPinapayagan Paglalarawan
audio_urlkinakailangan audio
Uriurl · audio
URL ng audio para sa speech ng user, limitado sa 10 minuto at 50 MB. Maaaring magbigay ng karamihan sa karaniwang audio format; bago matanggap ng Grok ang audio, kino-convert ito sa mono PCM na may 16-bit samples sa 24 kHz. Tumutugon ang agent sa recording gamit ang speech.
promptopsyonal
Uristring | null
≤ 20,000 character
Opsyonal na system instruction na nagbibigay ng context ng conversation at tumutukoy sa persona bilang kapalit ng default ng Grok; kapag hindi ito ibinigay, nananatili ang default na persona.
voiceopsyonal
Urienum
carinazaganhelixorionlunairisaltairzenithperseusheliosluxkeplerrigelcosmocelesteursa
+12 pasiriuslumencastornakshatlasauroralioraaraeveleorexsal
Pumili ng built-in xAI voice para palitan ang default ng Grok para sa tugon ng agent; kapag hindi itinakda, nananatili ang default na voice.
toolsopsyonal
Uriobject
default{"mcp_servers":[],"web_search":{"enabled":false},"x_search":{"enabled":false}}
Configuration ng tool ng agent para sa server-side use, na nagbubukod sa file_search/collections sa typed configuration dahil sa ZDR. Nagsisimula ang lahat ng tool na disabled; kabilang sa mga suportadong opsyon ang remote MCP tools, web tools, at X tools.
tools.mcp_serversopsyonal
Uriobject[]
Mga remote MCP server na kinokonektahan ng modelo provider para sa tool execution.
tools.mcp_servers[].allowed_toolsopsyonal
Uristring[]
≥ 1 items
Opsyonal na listahan na tumutukoy kung aling mga pangalan ng tool ang inilalantad ng server na ito.
tools.mcp_servers[].authorizationopsyonal
Uristring | null
Sensitive authorization value na eksklusibong ipinapadala sa modelo provider.
tools.mcp_servers[].enabledopsyonal
Uriboolean
defaulttrue
Inclusion flag ng server; inaalis ng false ang server.
tools.mcp_servers[].headersopsyonal
Uriobject | null
Mga sensitive header para sa MCP kahilingan, na eksklusibong ipinapadala sa modelo provider.
tools.mcp_servers[].server_descriptionopsyonal
Uristring | null
≤ 2000 characters
Paglalarawan ng mga kakayahang ginagawang available ng server na ito.
tools.mcp_servers[].server_labelkinakailangan
Uristring
1 – 128 characters
Label ng server na ginagamit ng modelo provider para tukuyin ang mga tool nito at lagyan ng prefix ang mga pangalan ng mga ito.
tools.mcp_servers[].server_urlkinakailangan
Uristring
≥ 1 characters
HTTP(S) address na ibinigay ng caller para sa MCP server na malayuang kinokonektahan ng Grok gamit ang Streaming HTTP/SSE transports.
tools.web_search.allowed_domainsopsyonal
Uristring[]
1 – 5 items
Paghihigpit sa domain para sa mga resulta ng search: tumukoy ng hanggang limang domain, nang walang protocol at path.
tools.web_search.enable_image_understandingopsyonal
Uriboolean | null
Pahintulot para suriin ng agent ang mga larawang natuklasan sa web search.
tools.web_search.enabledopsyonal
Uriboolean
defaultfalse
Access sa web search para sa agent: idinaragdag ng true ang web_search sa session.tools at pinapahintulutan ang web search; nananatiling disabled ang default.
tools.web_search.excluded_domainsopsyonal
Uristring[]
1 – 5 items
Mga domain na hindi isasama sa mga resulta ng search, limitado sa limang entry at walang protocol at path.
tools.web_search.locationopsyonal
Uriobject
Opsyonal na lokasyon para iangkop sa heograpiya ang mga resulta ng search.
tools.x_search.allowed_x_handlesopsyonal
Uristring[]
1 – 20 items
Mga X handle na maaaring lumabas ang mga post sa mga resulta, limitado sa 20 handle.
tools.x_search.enable_image_understandingopsyonal
Uriboolean | null
Pahintulot para suriin ng agent ang mga larawang natuklasan sa X.
tools.x_search.enable_video_understandingopsyonal
Uriboolean | null
Pahintulot para suriin ng agent ang mga video na natuklasan sa X.
tools.x_search.enabledopsyonal
Uriboolean
defaultfalse
Access sa mga X post sa pamamagitan ng search: idinaragdag ng true ang x_search sa session.tools upang mahanap ng agent ang mga post na iyon; nananatiling disabled ang default.
tools.x_search.excluded_x_handlesopsyonal
Uristring[]
1 – 20 items
Mga X handle na hindi isasama ang mga post, limitado sa 20 handle.
tools.x_search.from_dateopsyonal
Uristring | null
Pinakamaagang petsa para sa mga post, ipinapahayag sa ISO format na YYYY-MM-DD.
tools.x_search.to_dateopsyonal
Uristring | null
Pinakahuling petsa para sa mga post, ipinapahayag sa ISO format na YYYY-MM-DD.
enable_safety_checkeropsyonal
Uriboolean
defaulttrue
Maaaring luwagan ang screening sa pamamagitan ng pagtatakda ng false, kung awtorisado ang tumatawag.
kinakailangan Canonical na pangalan, tinatanggap din

Tumatanggap ang mga parameter ng file ng pampublikong https:// URL, data: URI na hanggang 10 MB, o file_url ng isang upload. Mga file

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"
  }
}
Ikaw ang pumipili para sa iyong mga fileAng bawat outputs[].url ay kopya sa aming storage: pinananatili nang walang hanggan (sinisingil bawat GB-month) o 7 araw nang libre, ayon sa setting ng iyong account o ?storage=.
Parehong shape sa bawat modelotype, url, content_type, width, height at duration, para sa mga larawan, video at audio. Ang output ay sariling result object ng modelo.
Mga field ng output
audio
object {url, content_type, file_name, file_size}Sinasabing tugon mula sa Grok agent, na inihahatid bilang mono WAV sa 24 kHz.
text
stringTekstong kasama ng pagsasalita ng agent: nangangahulugang walang transcript na ibinigay ang Grok ang isang walang-lamang string; kung hindi, naglalaman ito ng transcript.
duration
numberHaba ng nabuong audio, sinusukat sa segundo.

Higit pang modelo: audio

Para sa mga AI agent: nasa Markdown ang pahinang ito sa https://doitong.com/fil/developers/models/xai/grok-voice.md. Lahat ng modelo at gabay: https://doitong.com/developers/llms.txt