Passer au contenu

Grok Voice

Intégrer

Identifiant du modèle 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"

Jusqu’à 1,494 $ par exécution facturation selon l’utilisation réelle, le reste est remboursé L’exécuter sur cette page

Obtenir une clé API
xAI audio #xai#grok#voice#agent

Agent vocal qui écoute un clip audio enregistré et répond en audio avec une transcription

xAI · audio

Votre premier résultat apparaîtra ici

Construisez une requête ci-dessous et exécutez-la avec votre clé API. Les sorties sont copiées dans notre stockage, conservées indéfiniment ou 7 jours gratuitement.

Créer une requête

Les contrôles sont générés à partir du schéma du modèle. Le code et le prix se mettent à jour lorsque vous les modifiez.

0 / 20000

Instructions système facultatives fournissant le contexte de la conversation et spécifiant une persona à la place de celle par défaut de Grok ; leur omission conserve cette persona par défaut.

•requis audio_url
Déposez un fichier, ou

URL audio de la parole de l’utilisateur, limitée à 10 minutes et 50 MB. Les formats audio les plus courants peuvent être fournis ; avant que Grok ne reçoive l’audio, celui-ci est converti en PCM mono avec des échantillons de 16 bits à 24 kHz. L’agent répond à l’enregistrement oralement.

Avancé voice · enable_safety_checker · tools

Sélectionnez une voix xAI intégrée pour remplacer celle par défaut de Grok dans la réponse de l’agent ; laisser ce champ vide conserve la voix par défaut.

par défaut {"mcp_servers":[],"we...

Configuration des outils de l’agent pour une utilisation côté serveur, à l’exclusion de file_search/collections de la configuration typée en raison de ZDR. Tous les outils sont désactivés au départ ; les options prises en charge incluent les outils MCP distants, les outils web et les outils X.

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

Exécuter cette requête

Votre clé reste dans ce navigateur : elle est envoyée uniquement à la Doitong API et enregistrée dans localStorage uniquement si vous cochez Mémoriser. Obtenir une clé API

À propos de Grok Voice

Envoyez un enregistrement via `audio_url` et l’agent répond en audio parlé, renvoyé au format WAV mono 24 kHz avec sa durée et une transcription lorsqu’elle est disponible. Le `prompt` facultatif (jusqu’à 20000 caractères) définit la personnalité et le contexte, et `voice` sélectionne une voix intégrée. L’objet `tools` peut activer la recherche web, la recherche X ou des serveurs MCP distants, tous désactivés par défaut.

Paramètres

Envoyez soit le nom canonique, soit le nom natif, mais pas les deux. Noms canoniques

NomType Par défautAutorisé Description
audio_urlrequis audio
Typeurl · audio
URL audio de la parole de l’utilisateur, limitée à 10 minutes et 50 MB. Les formats audio les plus courants peuvent être fournis ; avant que Grok ne reçoive l’audio, celui-ci est converti en PCM mono avec des échantillons de 16 bits à 24 kHz. L’agent répond à l’enregistrement oralement.
promptfacultatif
Typestring | null
≤ 20 000 caractères
Instructions système facultatives fournissant le contexte de la conversation et spécifiant une persona à la place de celle par défaut de Grok ; leur omission conserve cette persona par défaut.
voicefacultatif
Typeenum
carinazaganhelixorionlunairisaltairzenithperseusheliosluxkeplerrigelcosmocelesteursa
+12 de plussiriuslumencastornakshatlasauroralioraaraeveleorexsal
Sélectionnez une voix xAI intégrée pour remplacer celle par défaut de Grok dans la réponse de l’agent ; laisser ce champ vide conserve la voix par défaut.
toolsfacultatif
Typeobject
Par défaut{"mcp_servers":[],"web_search":{"enabled":false},"x_search":{"enabled":false}}
Configuration des outils de l’agent pour une utilisation côté serveur, à l’exclusion de file_search/collections de la configuration typée en raison de ZDR. Tous les outils sont désactivés au départ ; les options prises en charge incluent les outils MCP distants, les outils web et les outils X.
tools.mcp_serversfacultatif
Typeobject[]
Serveurs MCP distants auxquels le fournisseur du modèle se connecte pour exécuter des outils.
tools.mcp_servers[].allowed_toolsfacultatif
Typestring[]
≥ 1 items
Liste facultative spécifiant les noms d’outils exposés par ce serveur.
tools.mcp_servers[].authorizationfacultatif
Typestring | null
Valeur d’autorisation sensible envoyée exclusivement au fournisseur du modèle.
tools.mcp_servers[].enabledfacultatif
Typeboolean
Par défauttrue
Indicateur d’inclusion du serveur ; false exclut le serveur.
tools.mcp_servers[].headersfacultatif
Typeobject | null
En-têtes sensibles pour les requêtes MCP, envoyés exclusivement au fournisseur du modèle.
tools.mcp_servers[].server_descriptionfacultatif
Typestring | null
≤ 2000 characters
Description des fonctionnalités rendues disponibles par ce serveur.
tools.mcp_servers[].server_labelrequis
Typestring
1 – 128 characters
Libellé du serveur utilisé par le fournisseur du modèle pour identifier ses outils et préfixer leurs noms.
tools.mcp_servers[].server_urlrequis
Typestring
≥ 1 characters
Adresse HTTP(S) fournie par l’appelant pour un serveur MCP auquel Grok se connecte à distance via les transports Streaming HTTP/SSE.
tools.web_search.allowed_domainsfacultatif
Typestring[]
1 – 5 items
Restriction de domaine pour les résultats de recherche : spécifiez jusqu’à cinq domaines, sans protocoles ni chemins.
tools.web_search.enable_image_understandingfacultatif
Typeboolean | null
Autorisation permettant à l’agent d’examiner les images découvertes lors de recherches web.
tools.web_search.enabledfacultatif
Typeboolean
Par défautfalse
Accès à la recherche web pour l’agent : true ajoute web_search à session.tools et autorise les recherches web ; la valeur par défaut le laisse désactivé.
tools.web_search.excluded_domainsfacultatif
Typestring[]
1 – 5 items
Domaines à exclure des résultats de recherche, limités à cinq entrées sans protocoles ni chemins.
tools.web_search.locationfacultatif
Typeobject
Emplacement facultatif pour adapter géographiquement les résultats de recherche.
tools.x_search.allowed_x_handlesfacultatif
Typestring[]
1 – 20 items
Identifiants X dont les publications peuvent apparaître dans les résultats, limités à 20 identifiants.
tools.x_search.enable_image_understandingfacultatif
Typeboolean | null
Autorisation permettant à l’agent d’examiner les images découvertes sur X.
tools.x_search.enable_video_understandingfacultatif
Typeboolean | null
Autorisation permettant à l’agent d’examiner les vidéos découvertes sur X.
tools.x_search.enabledfacultatif
Typeboolean
Par défautfalse
Accès aux publications X via la recherche : true ajoute x_search à session.tools afin que l’agent puisse rechercher ces publications ; la valeur par défaut le laisse désactivé.
tools.x_search.excluded_x_handlesfacultatif
Typestring[]
1 – 20 items
Identifiants X dont les publications sont exclues, limités à 20 identifiants.
tools.x_search.from_datefacultatif
Typestring | null
Date la plus ancienne des publications, au format ISO YYYY-MM-DD.
tools.x_search.to_datefacultatif
Typestring | null
Date la plus récente des publications, au format ISO YYYY-MM-DD.
enable_safety_checkerfacultatif
Typeboolean
Par défauttrue
Le filtrage peut être assoupli en définissant false, si l'appelant est autorisé.
requis Nom canonique, également accepté

Les paramètres de fichier acceptent une URL publique https://, un URI data: jusqu’à 10 MB ou le file_url d’un téléversement. Fichiers

Sortie

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"
  }
}
Vos fichiers, votre choixChaque outputs[].url est une copie dans notre stockage : conservée indéfiniment (facturation au Go-mois) ou 7 jours gratuitement, selon le réglage de votre compte ou ?storage=.
Même structure pour chaque modèletype, url, content_type, width, height et duration, pour les images, vidéos et fichiers audio. output est le propre objet de résultat du modèle.
Champs de sortie
audio
object {url, content_type, file_name, file_size}Réponse parlée de l'agent Grok, fournie au format WAV mono à 24 kHz.
text
stringTexte accompagnant la parole de l'agent : une chaîne vide indique que Grok n'a pas fourni de transcription ; sinon, elle contient la transcription.
duration
numberDurée de l’audio généré, mesurée en secondes.

Plus de modèles : audio

Pour les agents IA : cette page au format Markdown est disponible à https://doitong.com/fr/developers/models/xai/grok-voice.md. Tous les modèles et guides : https://doitong.com/developers/llms.txt