Ugrás a tartalomhoz

Grok Voice

Integráció

Modellazonosító 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"

Futtatásonként legfeljebb 1,494 $ a tényleges használat alapján számlázunk, a fennmaradó összeget visszatérítjük Futtatás ezen az oldalon

API-kulcs beszerzése
xAI Hang #xai#grok#voice#agent

Hangalapú ügynök, amely meghallgat egy rögzített hangklipet, majd beszéddel és átirattal válaszol

xAI · Hang

Az első eredményed itt jelenik meg

Állíts össze egy kérést alább, majd futtasd az API-kulcsoddal. A kimeneteket a tárhelyünkre másoljuk, és örökre vagy 7 nap ideig ingyenesen őrizzük meg.

Kérés összeállítása

A vezérlők a modell sémájából jönnek létre. A kód és az ár a módosításokkal együtt frissül.

0 / 20000

Opcionális rendszerutasítások, amelyek beszélgetési kontextust biztosítanak, és személyiséget adnak meg Grok alapértelmezett személyisége helyett; kihagyásukkor az alapértelmezett személyiség marad érvényben.

•kötelező audio_url
Húzz egy fájlt ide, vagy

A felhasználó beszédének hang-URL-je, legfeljebb 10 perc és 50 MB. A legtöbb elterjedt hangformátum megadható; mielőtt Grok megkapja a hangot, 16 bites mintákkal és 24 kHz-en monó PCM-re konvertálódik. Az ágens beszéddel válaszol a felvételre.

Speciális voice · enable_safety_checker · tools

Beépített xAI-hang kiválasztása Grok alapértelmezett hangjának felülírásához az ágens válaszában; beállítás nélkül az alapértelmezett hang marad érvényben.

alapértelmezett: {"mcp_servers":[],"we...

Ágenseszközök szerveroldali használatra vonatkozó konfigurációja; a file_search/collections elemek a ZDR miatt kimaradnak a típusos konfigurációból. Minden eszköz kezdetben le van tiltva; a támogatott lehetőségek közé tartoznak a távoli MCP-eszközök, webeszközök és X-eszközök.

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

Kérés futtatása

A kulcsod ebben a böngészőben marad: csak a Doitong API-nak küldjük el, és csak akkor mentjük a localStorage-ba, ha bejelölöd az Emlékezz rám lehetőséget. API-kulcs igénylése

A(z) Grok Voice bemutatása

Küldj egy felvételt az `audio_url` segítségével, és az ügynök beszélt hanggal válaszol, amelyet 24 kHz-es mono WAV-fájlként ad vissza az időtartammal és – ha elérhető – átirattal együtt. Az opcionális `prompt` (legfeljebb 20000 karakter) beállítja a személyiséget és a kontextust, a `voice` pedig kiválasztja a beépített hangot. A `tools` objektummal engedélyezhető a webes keresés, az X-keresés vagy távoli MCP-szerverek használata; alapértelmezés szerint mind ki van kapcsolva.

Paraméterek

Küldd el a kanonikus nevet vagy a natív nevet, de ne mindkettőt. Kanonikus nevek

NévTípus AlapértelmezettEngedélyezett Leírás
audio_urlkötelező audio
Típusurl · audio
A felhasználó beszédének hang-URL-je, legfeljebb 10 perc és 50 MB. A legtöbb elterjedt hangformátum megadható; mielőtt Grok megkapja a hangot, 16 bites mintákkal és 24 kHz-en monó PCM-re konvertálódik. Az ágens beszéddel válaszol a felvételre.
promptnem kötelező
Típusstring | null
≤ 20 000 karakter
Opcionális rendszerutasítások, amelyek beszélgetési kontextust biztosítanak, és személyiséget adnak meg Grok alapértelmezett személyisége helyett; kihagyásukkor az alapértelmezett személyiség marad érvényben.
voicenem kötelező
Típusenum
carinazaganhelixorionlunairisaltairzenithperseusheliosluxkeplerrigelcosmocelesteursa
+12 továbbisiriuslumencastornakshatlasauroralioraaraeveleorexsal
Beépített xAI-hang kiválasztása Grok alapértelmezett hangjának felülírásához az ágens válaszában; beállítás nélkül az alapértelmezett hang marad érvényben.
toolsnem kötelező
Típusobject
Alapértelmezett{"mcp_servers":[],"web_search":{"enabled":false},"x_search":{"enabled":false}}
Ágenseszközök szerveroldali használatra vonatkozó konfigurációja; a file_search/collections elemek a ZDR miatt kimaradnak a típusos konfigurációból. Minden eszköz kezdetben le van tiltva; a támogatott lehetőségek közé tartoznak a távoli MCP-eszközök, webeszközök és X-eszközök.
tools.mcp_serversnem kötelező
Típusobject[]
Távoli MCP-szerverek, amelyekhez a szolgáltató az eszközök végrehajtásához csatlakozik.
tools.mcp_servers[].allowed_toolsnem kötelező
Típusstring[]
≥ 1 items
Opcionális lista, amely meghatározza, hogy a szerver mely eszközneveket teszi elérhetővé.
tools.mcp_servers[].authorizationnem kötelező
Típusstring | null
Bizalmas engedélyezési érték, amelyet kizárólag a szolgáltató kap meg.
tools.mcp_servers[].enablednem kötelező
Típusboolean
Alapértelmezetttrue
Szerverinklúziós jelző; a false kizárja a szervert.
tools.mcp_servers[].headersnem kötelező
Típusobject | null
MCP-kérésekhez használt bizalmas fejlécek, amelyeket kizárólag a szolgáltató kap meg.
tools.mcp_servers[].server_descriptionnem kötelező
Típusstring | null
≤ 2000 characters
A szerver által elérhetővé tett képességek leírása.
tools.mcp_servers[].server_labelkötelező
Típusstring
1 – 128 characters
A szolgáltató által az eszközök azonosítására és nevük előtagjaként használt szervercímke.
tools.mcp_servers[].server_urlkötelező
Típusstring
≥ 1 characters
A hívó által megadott HTTP(S)-cím egy olyan MCP-szerverhez, amelyhez Grok távolról csatlakozik Streaming HTTP/SSE-átvitelen keresztül.
tools.web_search.allowed_domainsnem kötelező
Típusstring[]
1 – 5 items
A keresési eredmények tartománykorlátozása: legfeljebb öt tartomány adható meg protokollok és útvonalak nélkül.
tools.web_search.enable_image_understandingnem kötelező
Típusboolean | null
Engedély az ágens számára a webes keresések során talált képek vizsgálatára.
tools.web_search.enablednem kötelező
Típusboolean
Alapértelmezettfalse
Webes keresési hozzáférés az ágens számára: a true hozzáadja a web_search értéket a session.tools elemhez, és engedélyezi a webes keresést; az alapértelmezett érték letiltva hagyja.
tools.web_search.excluded_domainsnem kötelező
Típusstring[]
1 – 5 items
A keresési eredményekből kizárandó tartományok, legfeljebb öt elemként, protokollok és útvonalak nélkül.
tools.web_search.locationnem kötelező
Típusobject
Opcionális hely a keresési eredmények földrajzi testreszabásához.
tools.x_search.allowed_x_handlesnem kötelező
Típusstring[]
1 – 20 items
Azok az X-felhasználónevek, amelyek bejegyzései megjelenhetnek az eredményekben; legfeljebb 20 felhasználónév.
tools.x_search.enable_image_understandingnem kötelező
Típusboolean | null
Engedély az ágens számára az X-en talált képek vizsgálatára.
tools.x_search.enable_video_understandingnem kötelező
Típusboolean | null
Engedély az ágens számára az X-en talált videók vizsgálatára.
tools.x_search.enablednem kötelező
Típusboolean
Alapértelmezettfalse
Hozzáférés az X-bejegyzésekhez keresésen keresztül: a true hozzáadja az x_search értéket a session.tools elemhez, így az ágens kereshet ezekben a bejegyzésekben; az alapértelmezett érték letiltva hagyja.
tools.x_search.excluded_x_handlesnem kötelező
Típusstring[]
1 – 20 items
A kizárt X-felhasználónevek, legfeljebb 20 elem.
tools.x_search.from_datenem kötelező
Típusstring | null
A bejegyzések legkorábbi dátuma ISO-formátumban, YYYY-MM-DD szerint.
tools.x_search.to_datenem kötelező
Típusstring | null
A bejegyzések legkésőbbi dátuma ISO-formátumban, YYYY-MM-DD szerint.
enable_safety_checkernem kötelező
Típusboolean
Alapértelmezetttrue
A szűrés a false érték beállításával enyhíthető, ha a hívó jogosult erre.
kötelező Kanonikus név, szintén elfogadva

A fájlparaméterek nyilvános https:// URL-t, legfeljebb 10 MB-os data: URI-t vagy egy feltöltés file_url értékét fogadják el. Fájlok

Kimenet

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"
  }
}
Az Ön fájljai, az Ön döntéseMinden outputs[].url a tárhelyünkön lévő másolat: örökre megőrizve (GB-hónaponként fizetve) vagy 7 nap ideig ingyenesen, a fiókbeállításod vagy a ?storage= alapján.
Azonos struktúra minden modellentype, url, content_type, width, height és duration képekhez, videókhoz és hanganyagokhoz egyaránt. Az output a modell saját eredményobjektuma.
A kimenet mezői
audio
object {url, content_type, file_name, file_size}A Grok ágens beszélt válasza, mono WAV formátumban, 24 kHz-en.
text
stringAz ágens beszédét kísérő szöveg: az üres karakterlánc azt jelzi, hogy a Grok nem adott átiratot; ellenkező esetben az átiratot tartalmazza.
duration
numberA generált hang hossza másodpercben.

További modellek: Hang

AI-ügynököknek: ez az oldal Markdown formátumban itt található: https://doitong.com/hu/developers/models/xai/grok-voice.md. Minden modell és útmutató: https://doitong.com/developers/llms.txt