सामग्री पर जाएँ

Grok Voice

इंटीग्रेट करें

मॉडल id 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"

प्रति रन अधिकतम $1.494 तक वास्तविक उपयोग के अनुसार शुल्क लिया जाता है, बाकी रिफंड किया जाता है इसे इस पेज पर चलाएँ

API कुंजी प्राप्त करें
xAI ऑडियो #xai#grok#voice#agent

रिकॉर्ड किए गए ऑडियो क्लिप को सुनकर भाषण और ट्रांसक्रिप्ट के साथ उत्तर देने वाला वॉइस एजेंट

xAI · ऑडियो

आपका पहला परिणाम यहाँ आएगा

नीचे एक अनुरोध बनाएँ और उसे अपनी API कुंजी से चलाएँ। आउटपुट हमारे स्टोरेज में कॉपी किए जाते हैं और हमेशा के लिए या 7 दिन तक मुफ़्त में रखे जाते हैं।

अनुरोध बनाएँ

कंट्रोल मॉडल स्कीमा से जनरेट होते हैं। इन्हें बदलने पर कोड और कीमत अपडेट होती है।

0 / 20000

वैकल्पिक सिस्टम निर्देश, जो वार्तालाप का संदर्भ देते हैं और Grok के डिफ़ॉल्ट के स्थान पर एक व्यक्तित्व निर्दिष्ट करते हैं; इन्हें छोड़ने पर वही डिफ़ॉल्ट व्यक्तित्व बना रहता है।

•आवश्यक audio_url
फ़ाइल ड्रॉप करें, या

उपयोगकर्ता के भाषण का ऑडियो URL, 10 मिनट और 50 MB तक सीमित। अधिकांश सामान्य ऑडियो फ़ॉर्मेट दिए जा सकते हैं; Grok के ऑडियो प्राप्त करने से पहले इसे 24 kHz पर 16-बिट सैंपल वाले mono PCM में बदला जाता है। एजेंट रिकॉर्डिंग का उत्तर भाषण के साथ देता है।

उन्नत voice · enable_safety_checker · tools

एजेंट के उत्तर के लिए Grok की डिफ़ॉल्ट आवाज़ को बदलने हेतु अंतर्निहित xAI आवाज़ चुनें; इसे सेट न करने पर वही डिफ़ॉल्ट आवाज़ बनी रहती है।

डिफ़ॉल्ट {"mcp_servers":[],"we...

सर्वर-साइड उपयोग के लिए एजेंट टूल कॉन्फ़िगरेशन, जिसमें ZDR के कारण typed configuration से file_search/collections को बाहर रखा गया है। सभी टूल डिफ़ॉल्ट रूप से अक्षम होते हैं; समर्थित विकल्पों में remote MCP tools, web tools और X tools शामिल हैं।

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

यह अनुरोध चलाएँ

आपकी key इसी ब्राउज़र में रहती है: इसे केवल Doitong API को भेजा जाता है और केवल तभी (localStorage) में सेव किया जाता है जब आप Remember चुनते हैं। API कुंजी प्राप्त करें

Grok Voice के बारे में

`audio_url` के ज़रिए रिकॉर्डिंग भेजें और एजेंट बोले गए ऑडियो में उत्तर देता है, जो उसकी अवधि और उपलब्ध होने पर ट्रांसक्रिप्ट के साथ 24 kHz मोनो WAV के रूप में लौटाया जाता है। वैकल्पिक `prompt` (अधिकतम 20000 वर्ण) व्यक्तित्व और संदर्भ सेट करता है, और `voice` अंतर्निहित वॉइस चुनता है। `tools` ऑब्जेक्ट वेब सर्च, X सर्च या रिमोट MCP सर्वर सक्षम कर सकता है; ये सभी डिफ़ॉल्ट रूप से बंद होते हैं।

पैरामीटर

कैनोनिकल नाम या नेटिव नाम में से कोई एक भेजें, दोनों नहीं। कैनोनिकल नाम

नामप्रकार डिफ़ॉल्टअनुमत विवरण
audio_urlआवश्यक audio
प्रकारurl · audio
उपयोगकर्ता के भाषण का ऑडियो URL, 10 मिनट और 50 MB तक सीमित। अधिकांश सामान्य ऑडियो फ़ॉर्मेट दिए जा सकते हैं; Grok के ऑडियो प्राप्त करने से पहले इसे 24 kHz पर 16-बिट सैंपल वाले mono PCM में बदला जाता है। एजेंट रिकॉर्डिंग का उत्तर भाषण के साथ देता है।
promptवैकल्पिक
प्रकारstring | null
≤ 20,000 अक्षर
वैकल्पिक सिस्टम निर्देश, जो वार्तालाप का संदर्भ देते हैं और Grok के डिफ़ॉल्ट के स्थान पर एक व्यक्तित्व निर्दिष्ट करते हैं; इन्हें छोड़ने पर वही डिफ़ॉल्ट व्यक्तित्व बना रहता है।
voiceवैकल्पिक
प्रकारenum
carinazaganhelixorionlunairisaltairzenithperseusheliosluxkeplerrigelcosmocelesteursa
+12 औरsiriuslumencastornakshatlasauroralioraaraeveleorexsal
एजेंट के उत्तर के लिए Grok की डिफ़ॉल्ट आवाज़ को बदलने हेतु अंतर्निहित xAI आवाज़ चुनें; इसे सेट न करने पर वही डिफ़ॉल्ट आवाज़ बनी रहती है।
toolsवैकल्पिक
प्रकारobject
डिफ़ॉल्ट{"mcp_servers":[],"web_search":{"enabled":false},"x_search":{"enabled":false}}
सर्वर-साइड उपयोग के लिए एजेंट टूल कॉन्फ़िगरेशन, जिसमें ZDR के कारण typed configuration से file_search/collections को बाहर रखा गया है। सभी टूल डिफ़ॉल्ट रूप से अक्षम होते हैं; समर्थित विकल्पों में remote MCP tools, web tools और X tools शामिल हैं।
tools.mcp_serversवैकल्पिक
प्रकारobject[]
वे Remote MCP servers, जिनसे टूल निष्पादन के लिए मॉडल प्रदाता कनेक्ट होता है।
tools.mcp_servers[].allowed_toolsवैकल्पिक
प्रकारstring[]
≥ 1 items
वैकल्पिक सूची, जो निर्दिष्ट करती है कि यह सर्वर किन टूल नामों को उपलब्ध कराता है।
tools.mcp_servers[].authorizationवैकल्पिक
प्रकारstring | null
संवेदनशील प्राधिकरण मान, जो केवल मॉडल प्रदाता को भेजा जाता है।
tools.mcp_servers[].enabledवैकल्पिक
प्रकारboolean
डिफ़ॉल्टtrue
सर्वर समावेशन फ़्लैग; false होने पर सर्वर को बाहर रखा जाता है।
tools.mcp_servers[].headersवैकल्पिक
प्रकारobject | null
MCP अनुरोधों के लिए संवेदनशील हेडर, जो केवल मॉडल प्रदाता को भेजे जाते हैं।
tools.mcp_servers[].server_descriptionवैकल्पिक
प्रकारstring | null
≤ 2000 characters
यह बताने वाला विवरण कि यह सर्वर कौन-सी क्षमताएँ उपलब्ध कराता है।
tools.mcp_servers[].server_labelआवश्यक
प्रकारstring
1 – 128 characters
मॉडल प्रदाता द्वारा इसके टूल की पहचान करने और उनके नामों का प्रीफ़िक्स लगाने के लिए उपयोग किया जाने वाला सर्वर लेबल।
tools.mcp_servers[].server_urlआवश्यक
प्रकारstring
≥ 1 characters
कॉलर द्वारा MCP सर्वर के लिए दिया गया HTTP(S) पता, जिससे Grok Streaming HTTP/SSE ट्रांसपोर्ट के माध्यम से दूरस्थ रूप से कनेक्ट होता है।
tools.web_search.allowed_domainsवैकल्पिक
प्रकारstring[]
1 – 5 items
खोज परिणामों के लिए डोमेन प्रतिबंध: अधिकतम पाँच डोमेन निर्दिष्ट करें, प्रोटोकॉल और पथ छोड़कर।
tools.web_search.enable_image_understandingवैकल्पिक
प्रकारboolean | null
वेब खोजों के माध्यम से मिली इमेज की जाँच करने की एजेंट को अनुमति।
tools.web_search.enabledवैकल्पिक
प्रकारboolean
डिफ़ॉल्टfalse
एजेंट के लिए वेब-खोज पहुँच: true होने पर session.tools में web_search जोड़ा जाता है और वेब खोजों की अनुमति मिलती है; डिफ़ॉल्ट रूप से यह अक्षम रहता है।
tools.web_search.excluded_domainsवैकल्पिक
प्रकारstring[]
1 – 5 items
खोज परिणामों से बाहर रखने वाले डोमेन, अधिकतम पाँच प्रविष्टियों तक सीमित; प्रोटोकॉल और पथ छोड़कर।
tools.web_search.locationवैकल्पिक
प्रकारobject
खोज परिणामों को भौगोलिक रूप से अनुकूलित करने के लिए वैकल्पिक स्थान।
tools.x_search.allowed_x_handlesवैकल्पिक
प्रकारstring[]
1 – 20 items
वे X हैंडल, जिनकी पोस्ट परिणामों में दिखाई दे सकती हैं; अधिकतम 20 हैंडल तक सीमित।
tools.x_search.enable_image_understandingवैकल्पिक
प्रकारboolean | null
X पर मिली इमेज की जाँच करने की एजेंट को अनुमति।
tools.x_search.enable_video_understandingवैकल्पिक
प्रकारboolean | null
X पर मिले वीडियो की जाँच करने की एजेंट को अनुमति।
tools.x_search.enabledवैकल्पिक
प्रकारboolean
डिफ़ॉल्टfalse
X पोस्ट तक सर्च के ज़रिए पहुँच: true से session.tools में x_search जुड़ जाता है, ताकि एजेंट उन पोस्ट को सर्च कर सके; डिफ़ॉल्ट इसे अक्षम रखता है।
tools.x_search.excluded_x_handlesवैकल्पिक
प्रकारstring[]
1 – 20 items
वे X हैंडल जिनकी पोस्ट शामिल नहीं की जातीं; अधिकतम 20 हैंडल।
tools.x_search.from_dateवैकल्पिक
प्रकारstring | null
पोस्ट की सबसे शुरुआती तारीख, ISO फ़ॉर्मैट YYYY-MM-DD में दी गई।
tools.x_search.to_dateवैकल्पिक
प्रकारstring | null
पोस्ट की सबसे नवीनतम तारीख, ISO फ़ॉर्मैट YYYY-MM-DD में दी गई।
enable_safety_checkerवैकल्पिक
प्रकारboolean
डिफ़ॉल्टtrue
यदि कॉलर अधिकृत है, तो false सेट करके स्क्रीनिंग में ढील दी जा सकती है।
आवश्यक कैनोनिकल नाम, यह भी स्वीकार्य है

फ़ाइल पैरामीटर में सार्वजनिक https:// URL, 10 MB तक का data: URI, या अपलोड का file_url लिया जाता है। फ़ाइलें

आउटपुट

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"
  }
}
आपकी फ़ाइलें, आपकी पसंदहर outputs[].url हमारे स्टोरेज में एक कॉपी है: हमेशा के लिए (प्रति GB-माह भुगतान) या 7 दिन तक मुफ़्त में, आपके अकाउंट की सेटिंग या ?storage= के अनुसार।
हर मॉडल पर एक जैसा आकारइमेज, वीडियो और ऑडियो सभी के लिए type, url, content_type, width, height और duration। output मॉडल का अपना परिणाम ऑब्जेक्ट है।
आउटपुट के फ़ील्ड
audio
object {url, content_type, file_name, file_size}Grok एजेंट का बोला गया जवाब, 24 kHz पर mono WAV के रूप में दिया गया।
text
stringएजेंट के भाषण के साथ दिया गया टेक्स्ट: खाली स्ट्रिंग से संकेत मिलता है कि Grok ने ट्रांसक्रिप्ट नहीं दिया; अन्यथा, इसमें ट्रांसक्रिप्ट होता है।
duration
numberउत्पन्न ऑडियो की लंबाई, सेकंड में मापी गई।

और मॉडल: ऑडियो

AI एजेंट के लिए: इस पेज का Markdown यहाँ है https://doitong.com/hi/developers/models/xai/grok-voice.md. सभी मॉडल और गाइड: https://doitong.com/developers/llms.txt