Sleppa yfir í efni

Grok Voice

Tengja

Auðkenni líkans 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"

Allt að 1,494 $ fyrir hverja keyrslu gjaldfært eftir raunverulegri notkun, afgangurinn endurgreiddur Keyra á þessari síðu

Fá API-lykil
xAI Hljóð #xai#grok#voice#agent

Raddmiðill sem hlustar á hljóðupptöku og svarar með tali ásamt afriti

xAI · Hljóð

Fyrsta niðurstaðan þín birtist hér

Búðu til beiðni hér að neðan og keyrðu hana með API-lyklinum þínum. Úttök eru afrituð í geymsluna okkar og geymd að eilífu eða 7 dagar án kostnaðar.

Búa til beiðni

Stýringar eru búnar til út frá líkanaskemanu. Kóðinn og verðið uppfærast þegar þú breytir þeim.

0 / 20000

Valfrjálsar kerfisleiðbeiningar sem veita samtalssamhengi og tilgreina persónu í stað sjálfgefinnar persónu Grok; ef þeim er sleppt helst sjálfgefna persónan.

•áskilið audio_url
Slepptu skrá eða

Hljóðslóð fyrir tal notandans, að hámarki 10 mínútur og 50 MB. Hægt er að senda flest algeng hljóðsnið; áður en Grok tekur við hljóðinu er því breytt í mónó PCM með 16-bita sýnum við 24 kHz. Gervigreindarforritið svarar upptökunni með tali.

Ítarlegt voice · enable_safety_checker · tools

Veldu innbyggða xAI-rödd til að yfirskrifa sjálfgefna rödd Grok fyrir svar gervigreindarforritsins; ef þetta er ekki stillt helst sjálfgefna röddin.

sjálfgefið {"mcp_servers":[],"we...

Stillingar verkfæra gervigreindarforrits fyrir notkun á netþjóni; file_search/collections eru útilokuð frá tegunduðu stillingunum vegna ZDR. Öll verkfæri byrja óvirk; studdir valkostir eru fjartengd MCP-verkfæri, vefverkfæri og X-verkfæri.

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

Keyra þessa beiðni

Lykillinn þinn er áfram í þessum vafra: hann er aðeins sendur til Doitong API og vistaður í localStorage aðeins ef þú hakar við Muna. Fá API-lykil

Um Grok Voice

Sendu upptöku í gegnum `audio_url` og miðillinn svarar með töluðu hljóði, skiluðu sem 24 kHz mono WAV ásamt lengd þess og afriti þegar það er tiltækt. Valfrjáls `prompt` (allt að 20000 stafir) skilgreinir persónuleika og samhengi og `voice` velur innbyggða rödd. `tools`-hluturinn getur virkjað vefleit, X-leit eða fjarlæga MCP-þjóna; allt er sjálfgefið óvirkt.

Færibreytur

Sendu annaðhvort samræmda heitið eða upprunalega heitið, ekki bæði. Samræmd heiti

HeitiGerð SjálfgefiðLeyfilegt Lýsing
audio_urláskilið audio
Gerðurl · audio
Hljóðslóð fyrir tal notandans, að hámarki 10 mínútur og 50 MB. Hægt er að senda flest algeng hljóðsnið; áður en Grok tekur við hljóðinu er því breytt í mónó PCM með 16-bita sýnum við 24 kHz. Gervigreindarforritið svarar upptökunni með tali.
promptvalfrjálst
Gerðstring | null
≤ 20.000 stafir
Valfrjálsar kerfisleiðbeiningar sem veita samtalssamhengi og tilgreina persónu í stað sjálfgefinnar persónu Grok; ef þeim er sleppt helst sjálfgefna persónan.
voicevalfrjálst
Gerðenum
carinazaganhelixorionlunairisaltairzenithperseusheliosluxkeplerrigelcosmocelesteursa
+12 í viðbótsiriuslumencastornakshatlasauroralioraaraeveleorexsal
Veldu innbyggða xAI-rödd til að yfirskrifa sjálfgefna rödd Grok fyrir svar gervigreindarforritsins; ef þetta er ekki stillt helst sjálfgefna röddin.
toolsvalfrjálst
Gerðobject
Sjálfgefið{"mcp_servers":[],"web_search":{"enabled":false},"x_search":{"enabled":false}}
Stillingar verkfæra gervigreindarforrits fyrir notkun á netþjóni; file_search/collections eru útilokuð frá tegunduðu stillingunum vegna ZDR. Öll verkfæri byrja óvirk; studdir valkostir eru fjartengd MCP-verkfæri, vefverkfæri og X-verkfæri.
tools.mcp_serversvalfrjálst
Gerðobject[]
Fjartengdir MCP-netþjónar sem veitan tengist til að framkvæma verkfæri.
tools.mcp_servers[].allowed_toolsvalfrjálst
Gerðstring[]
≥ 1 items
Valfrjáls listi sem tilgreinir hvaða verkfæraheiti þessi netþjónn birtir.
tools.mcp_servers[].authorizationvalfrjálst
Gerðstring | null
Viðkvæmt heimildargildi sem sent er eingöngu til veitunnar.
tools.mcp_servers[].enabledvalfrjálst
Gerðboolean
Sjálfgefiðtrue
Innifalingarmerki netþjóns; false útilokar netþjóninn.
tools.mcp_servers[].headersvalfrjálst
Gerðobject | null
Viðkvæmir hausar fyrir MCP-beiðnir, sendir eingöngu til veitunnar.
tools.mcp_servers[].server_descriptionvalfrjálst
Gerðstring | null
≤ 2000 characters
Lýsing á þeim eiginleikum sem þessi netþjónn býður upp á.
tools.mcp_servers[].server_labeláskilið
Gerðstring
1 – 128 characters
Heiti netþjóns sem veitan notar til að auðkenna verkfæri hans og setja forskeyti á heiti þeirra.
tools.mcp_servers[].server_urláskilið
Gerðstring
≥ 1 characters
HTTP(S)-vistfang sem sendandinn gefur upp fyrir MCP-netþjón sem Grok tengist fjartengt í gegnum Streaming HTTP/SSE-flutninga.
tools.web_search.allowed_domainsvalfrjálst
Gerðstring[]
1 – 5 items
Lénsúrtak fyrir leitarniðurstöður: tilgreindu allt að fimm lén án samskiptareglna og slóða.
tools.web_search.enable_image_understandingvalfrjálst
Gerðboolean | null
Heimild gervigreindarforritsins til að skoða myndir sem finnast í vefleitum.
tools.web_search.enabledvalfrjálst
Gerðboolean
Sjálfgefiðfalse
Aðgangur gervigreindarforritsins að vefleit: true bætir web_search við session.tools og leyfir vefleit; sjálfgefið er hún óvirk.
tools.web_search.excluded_domainsvalfrjálst
Gerðstring[]
1 – 5 items
Lén sem á að útiloka frá leitarniðurstöðum, að hámarki fimm færslur án samskiptareglna og slóða.
tools.web_search.locationvalfrjálst
Gerðobject
Valfrjáls staðsetning til að aðlaga leitarniðurstöður landfræðilega.
tools.x_search.allowed_x_handlesvalfrjálst
Gerðstring[]
1 – 20 items
X-handföng þar sem færslur mega birtast í niðurstöðum, að hámarki 20 handföng.
tools.x_search.enable_image_understandingvalfrjálst
Gerðboolean | null
Heimild gervigreindarforritsins til að skoða myndir sem finnast á X.
tools.x_search.enable_video_understandingvalfrjálst
Gerðboolean | null
Heimild gervigreindarforritsins til að skoða myndbönd sem finnast á X.
tools.x_search.enabledvalfrjálst
Gerðboolean
Sjálfgefiðfalse
Aðgangur að færslum á X í gegnum leit: true bætir x_search við session.tools svo gervigreindarforritið geti leitað að þessum færslum; sjálfgefið er það óvirkt.
tools.x_search.excluded_x_handlesvalfrjálst
Gerðstring[]
1 – 20 items
X-handföng þar sem færslur eru útilokaðar, að hámarki 20 handföng.
tools.x_search.from_datevalfrjálst
Gerðstring | null
Elsta dagsetning færslna, gefin upp á ISO-sniðinu YYYY-MM-DD.
tools.x_search.to_datevalfrjálst
Gerðstring | null
Nýjasta dagsetning færslna, gefin upp á ISO-sniðinu YYYY-MM-DD.
enable_safety_checkervalfrjálst
Gerðboolean
Sjálfgefiðtrue
Hægt er að slaka á skimun með því að stilla false, ef beiðandi hefur heimild.
áskilið Samræmt heiti, einnig samþykkt

Skrárfæribreytur taka við opinberri https://-vefslóð, data:-URI allt að 10 MB eða file_url fyrir upphleðslu. Skrár

Úttak

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"
  }
}
Skrárnar þínar, þitt valHvert outputs[].url er afrit í geymslunni okkar: geymt að eilífu (greitt fyrir hvert GB-mánuðargildi) eða 7 dagar án kostnaðar, eftir stillingu aðgangsins þíns eða ?storage=.
Sama lögun í öllum líkönumtype, url, content_type, width, height og duration, jafnt fyrir myndir, myndbönd og hljóð. output er eigið niðurstöðuhlutur líkansins.
Reitir úttaks
audio
object {url, content_type, file_name, file_size}Talað svar frá Grok-gervigreindarforritinu, afhent sem mono WAV við 24 kHz.
text
stringTexti sem fylgir tali gervigreindarforritsins: tómur strengur gefur til kynna að Grok hafi ekki skilað afriti; annars inniheldur hann afritið.
duration
numberLengd gerða hljóðsins, mæld í sekúndum.

Fleiri líkön: Hljóð

Fyrir gervigreindarþjóna: þessi síða á Markdown-sniði er á https://doitong.com/is/developers/models/xai/grok-voice.md. Öll líkön og leiðbeiningar: https://doitong.com/developers/llms.txt