Leum chun t-susbaint

Grok Voice

Amalaich

ID a’ mhodail 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"

Suas ri $1.494 gach ruith air a ghearradh a rèir cleachdaidh fhìor, agus an còrr air ais-phàigheadh Ruith e air an duilleig seo

Faigh iuchair API
xAI Fuaim #xai#grok#voice#agent

Àidseant gutha a bhios ag èisteachd ri criomag fuaim clàraichte agus a’ freagairt le cainnt agus tar-sgrìobhadh

xAI · Fuaim

Thèid a’ chiad toradh agad an-seo

Tog iarrtas gu h-ìosal agus ruith e leis an iuchair API agad. Tha na h-às-churan air an lethbhreacadh dhan stòradh againn, air an cumail gu bràth no 7 latha an-asgaidh.

Tog iarrtas

Tha na smachdan air an cruthachadh bho sgeama a’ mhodail. Bidh an còd agus a’ phrìs ag ùrachadh fhad ’s a dh’atharraicheas tu iad.

0 / 20000

Stiùiridhean siostaim roghainneil a bheir seachad co-theacsa còmhraidh agus a shònraicheas pearsa an àite bun-roghainn Grok; ma thèid am fàgail às, cumaidh am pearsa bun-roghainn sin.

•riatanach audio_url
Leig às faidhle, no

URL claisneachd airson cainnt an neach-cleachdaidh, cuibhrichte gu 10 mionaidean agus 50 MB. Gabhar ri cruthan claisneachd cumanta; mus faigh Grok a’ chlaisdneachd, thèid a thionndadh gu PCM mono le sampallan 16-bit aig 24 kHz. Bidh an àidseant a’ freagairt don chlàradh le cainnt.

Adhartach voice · enable_safety_checker · tools

Tagh guth xAI togte gus faighinn thairis air bun-roghainn Grok airson freagairt an àidseint; le bhith ga fhàgail gun shuidheachadh cumaidh e an guth bun-roghainn.

bun-roghainn {"mcp_servers":[],"we...

Rèiteachadh innealan an àidseint airson cleachdadh taobh an fhrithealaiche, ach a’ dùnadh a-mach file_search/collections bhon rèiteachadh clò-sgrìobhte air sgàth ZDR. Tòisichidh gach inneal ciorramach; tha na roghainnean le taic a’ gabhail a-steach innealan MCP iomallach, innealan-lìn, agus innealan X.

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

Ruith an t-iarrtas seo

Fuirichidh an iuchair agad sa bhrobhsair seo: thèid a cur chun Doitong API a-mhàin agus a sàbhaladh (localStorage) a-mhàin ma chuireas tu comharra ri Cuimhnich. Faigh iuchair API

Mu Grok Voice

Cuir clàradh tro `audio_url` agus freagraidh an t-àidseant ann an claisneachd labhairteach, air a thilleadh mar WAV mono 24 kHz còmhla ri a fhad agus tar-sgrìobhadh nuair a bhios e ri fhaighinn. Bidh `prompt` roghnach (suas ri 20000 caractar) a' suidheachadh pearsa agus co-theacsa, agus bidh `voice` a' taghadh guth a tha air a thogail a-steach. Faodaidh an nì `tools` lorg lìn, lorg X no frithealaichean MCP iomallach a chur an comas, iad uile dheth gu bunaiteach.

Paramadairean

Cuir an t-ainm canonical no an t-ainm dùthchasach, chan e an dà chuid. Ainmean canonical

AinmSeòrsa Bun-roghainnCeadaichte Tuairisgeul
audio_urlriatanach audio
Seòrsaurl · audio
URL claisneachd airson cainnt an neach-cleachdaidh, cuibhrichte gu 10 mionaidean agus 50 MB. Gabhar ri cruthan claisneachd cumanta; mus faigh Grok a’ chlaisdneachd, thèid a thionndadh gu PCM mono le sampallan 16-bit aig 24 kHz. Bidh an àidseant a’ freagairt don chlàradh le cainnt.
promptroghainneil
Seòrsastring | null
≤ 20,000 caractar
Stiùiridhean siostaim roghainneil a bheir seachad co-theacsa còmhraidh agus a shònraicheas pearsa an àite bun-roghainn Grok; ma thèid am fàgail às, cumaidh am pearsa bun-roghainn sin.
voiceroghainneil
Seòrsaenum
carinazaganhelixorionlunairisaltairzenithperseusheliosluxkeplerrigelcosmocelesteursa
+12 eilesiriuslumencastornakshatlasauroralioraaraeveleorexsal
Tagh guth xAI togte gus faighinn thairis air bun-roghainn Grok airson freagairt an àidseint; le bhith ga fhàgail gun shuidheachadh cumaidh e an guth bun-roghainn.
toolsroghainneil
Seòrsaobject
Bun-roghainn{"mcp_servers":[],"web_search":{"enabled":false},"x_search":{"enabled":false}}
Rèiteachadh innealan an àidseint airson cleachdadh taobh an fhrithealaiche, ach a’ dùnadh a-mach file_search/collections bhon rèiteachadh clò-sgrìobhte air sgàth ZDR. Tòisichidh gach inneal ciorramach; tha na roghainnean le taic a’ gabhail a-steach innealan MCP iomallach, innealan-lìn, agus innealan X.
tools.mcp_serversroghainneil
Seòrsaobject[]
Frithealaichean MCP iomallach ris a bheil solaraiche a’ mhodail a’ ceangal airson cur an gnìomh innealan.
tools.mcp_servers[].allowed_toolsroghainneil
Seòrsastring[]
≥ 1 items
Liosta roghainneil a tha a’ sònrachadh dè na h-ainmean innealan a tha am frithealaiche seo a’ nochdadh.
tools.mcp_servers[].authorizationroghainneil
Seòrsastring | null
Luach ùghdarrachaidh mothachail air a chur chun t-solaraiche mhodail a-mhàin.
tools.mcp_servers[].enabledroghainneil
Seòrsaboolean
Bun-roghainntrue
Bratach in-ghabhail an fhrithealaiche; tha false a’ dùnadh a-mach an fhrithealaiche.
tools.mcp_servers[].headersroghainneil
Seòrsaobject | null
Cinn mothachail airson iarrtasan MCP, air an cur chun t-solaraiche mhodail a-mhàin.
tools.mcp_servers[].server_descriptionroghainneil
Seòrsastring | null
≤ 2000 characters
Tuairisgeul air na comasan a tha am frithealaiche seo a’ dèanamh rim faighinn.
tools.mcp_servers[].server_labelriatanach
Seòrsastring
1 – 128 characters
Leubail an fhrithealaiche a chleachdas solaraiche a’ mhodail gus na h-innealan aige aithneachadh agus an ainmean a ro-leasachan.
tools.mcp_servers[].server_urlriatanach
Seòrsastring
≥ 1 characters
Seòladh HTTP(S) air a sholarachadh leis an neach-gairm airson frithealaiche MCP ris a bheil Grok a’ ceangal air astar tro chòmhdhail Streaming HTTP/SSE.
tools.web_search.allowed_domainsroghainneil
Seòrsastring[]
1 – 5 items
Cuingeachadh àrainn airson toraidhean rannsachaidh: sònraich suas ri còig àrainnean, a’ fàgail às pròtacalan agus slighean.
tools.web_search.enable_image_understandingroghainneil
Seòrsaboolean | null
Cead don àidseant sgrùdadh a dhèanamh air ìomhaighean a chaidh a lorg tro rannsachaidhean lìn.
tools.web_search.enabledroghainneil
Seòrsaboolean
Bun-roghainnfalse
Inntrigeadh rannsachaidh lìn don àidseant: tha true a’ cur web_search ri session.tools agus a’ ceadachadh rannsachaidhean lìn; bidh am bun-roghainn ga fhàgail ciorramach.
tools.web_search.excluded_domainsroghainneil
Seòrsastring[]
1 – 5 items
Àrainnean ri dùnadh a-mach à toraidhean rannsachaidh, cuibhrichte gu còig inntrigidhean le pròtacalan agus slighean air an fàgail às.
tools.web_search.locationroghainneil
Seòrsaobject
Àite roghainneil airson toraidhean rannsachaidh a dhealbhadh a rèir cruinn-eòlais.
tools.x_search.allowed_x_handlesroghainneil
Seòrsastring[]
1 – 20 items
Làimhsichean X aig am faod na puist nochdadh sna toraidhean, cuibhrichte gu 20 làmh.
tools.x_search.enable_image_understandingroghainneil
Seòrsaboolean | null
Cead don àidseant sgrùdadh a dhèanamh air ìomhaighean a chaidh a lorg air X.
tools.x_search.enable_video_understandingroghainneil
Seòrsaboolean | null
Cead don àidseant sgrùdadh a dhèanamh air bhideothan a chaidh a lorg air X.
tools.x_search.enabledroghainneil
Seòrsaboolean
Bun-roghainnfalse
Inntrigeadh do phuist X tro rannsachadh: tha true a’ cur x_search ri session.tools gus an urrainn don àidseant na puist sin a lorg; bidh am bun-roghainn ga fhàgail ciorramach.
tools.x_search.excluded_x_handlesroghainneil
Seòrsastring[]
1 – 20 items
Làimhsichean X aig a bheil na puist air an dùnadh a-mach, cuibhrichte gu 20 làmh.
tools.x_search.from_dateroghainneil
Seòrsastring | null
An ceann-latha as tràithe airson puist, air a chur an cèill ann an cruth ISO YYYY-MM-DD.
tools.x_search.to_dateroghainneil
Seòrsastring | null
An ceann-latha as ùire airson puist, air a chur an cèill ann an cruth ISO YYYY-MM-DD.
enable_safety_checkerroghainneil
Seòrsaboolean
Bun-roghainntrue
Faodar sgrìonadh a shocrachadh le false, ma tha cead aig an neach-gairm.
riatanach Ainm canonical, gabhar ris cuideachd

Gabhaidh paramadairean faidhle ri URL poblach https://, URI data: suas ri 10 MB, no file_url de luchdachadh suas. Faidhlichean

Toradh

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"
  }
}
Na faidhlichean agad, do roghainnTha gach outputs[].url na lethbhreac air an stòradh againn: air a chumail gu bràth (air a phàigheadh gach GB-mìos) no 7 latha an-asgaidh, a rèir suidheachadh a’ chunntais agad no ?storage=.
An aon chruth air gach modailtype, url, content_type, width, height agus duration, airson dealbhan, bhidio agus fuaim le chèile. ’S e output nì toraidh a’ mhodail fhèin.
Raointean toraidh
audio
object {url, content_type, file_name, file_size}Freagairt labhairteach bhon àidseant Grok, air a lìbhrigeadh mar WAV mono aig 24 kHz.
text
stringTeacsa a tha a’ dol còmhla ri cainnt an àidseint: tha sreang fhalamh a’ comharrachadh nach do sholaraich Grok tar-sgrìobhadh; air neo, tha an tar-sgrìobhadh ann.
duration
numberFaid na claisneachd a chaidh a ghineadh, air a tomhas ann an diogan.

Barrachd mhodalan: Fuaim

Do riochdairean AI: tha an duilleag seo mar Markdown aig https://doitong.com/gd/developers/models/xai/grok-voice.md. Na modailean agus na treòraichean uile: https://doitong.com/developers/llms.txt