Op den Inhalt sprangen

Grok Voice

Integréieren

Modell-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"

Bis zu 1,494 $ pro Laf no der tatsächlecher Notzung verrechent, de Rescht gëtt rembourséiert Op dëser Säit ausféieren

API-Schlëssel kréien
xAI Audio #xai#grok#voice#agent

Voice-Agent, deen en opgehollenen Audioclip nolauschtert a mat Ried plus Transkript äntwert

xAI · Audio

Äin éischt Resultat kënnt hei hin

Baut hei drënner eng Ufro a féiert se mat Ärem API-Schlëssel aus. Output gëtt an eis Späicherung kopéiert, fir ëmmer oder 7 Deeg gratis gespäichert.

Eng Ufro erstellen

D'Kontrolle ginn aus dem Modellschema generéiert. De Code an de Präis aktualiséiere sech, wann s du se ännerst.

0 / 20000

Optional Systeminstruktiounen, déi de Gespréichskontext liwweren an eng Persona amplaz vun der Standardpersona vu Grok definéieren; wann se weggelooss ginn, bleift d'Standardpersona bestoen.

•obligatoresch audio_url
Fichier erofzéien, oder

Audio-URL fir d'Ried vum Benotzer, limitéiert op 10 Minutten an 50 MB. Déi meescht üblech Audioformater kënnen uginn ginn; ier Grok den Audio kritt, gëtt en a Mono-PCM mat 16-Bit-Samples bei 24 kHz ëmgewandelt. Den Agent äntwert op d'Opnam mat Ried.

Erweidert voice · enable_safety_checker · tools

Wielt eng agebaute xAI-Stëmm, fir d'Standardstëmm vu Grok fir d'Äntwert vum Agent ze iwwerschreiwen; wann dëst net agestallt gëtt, bleift d'Standardstëmm.

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

Agent-Toolkonfiguratioun fir d'Benotzung op der Server-Säit; file_search/collections ginn wéinst ZDR aus der typiséierter Konfiguratioun ausgeschloss. All Tools starten deaktivéiert; ënnerstëtzt Optioune sinn Remote-MCP-Tools, Web-Tools an X-Tools.

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

Dës Ufro ausféieren

Äre Schlëssel bleift an dësem Browser: e gëtt nëmmen un d'Doitong API geschéckt an nëmme gespäichert (localStorage), wann s du „Erënneren“ aktivéiers. En API-Schlëssel kréien

Iwwer Grok Voice

Schéckt eng Opnam iwwer `audio_url`, an den Agent äntwert mat geschwatenem Audio, zeréckgi als 24 kHz Mono-WAV, zesumme mat senger Dauer an engem Transkript, wann disponibel. Den optionalen `prompt` (bis zu 20000 Zeechen) setzt Persona a Kontext, an `voice` wielt eng integréiert Stëmm. Den Objet `tools` kann Web-Sich, X-Sich oder remote MCP-Server aktivéieren; alles ass standardméisseg ausgeschalt.

Parameteren

Schéck entweder den kanoneschen Numm oder den natierlechen Numm, net béid. Kanonesch Nimm

NummTyp StandardErlaabt Beschreiwung
audio_urlobligatoresch audio
Typurl · audio
Audio-URL fir d'Ried vum Benotzer, limitéiert op 10 Minutten an 50 MB. Déi meescht üblech Audioformater kënnen uginn ginn; ier Grok den Audio kritt, gëtt en a Mono-PCM mat 16-Bit-Samples bei 24 kHz ëmgewandelt. Den Agent äntwert op d'Opnam mat Ried.
promptoptional
Typstring | null
≤ 20.000 Zeechen
Optional Systeminstruktiounen, déi de Gespréichskontext liwweren an eng Persona amplaz vun der Standardpersona vu Grok definéieren; wann se weggelooss ginn, bleift d'Standardpersona bestoen.
voiceoptional
Typenum
carinazaganhelixorionlunairisaltairzenithperseusheliosluxkeplerrigelcosmocelesteursa
+12 méisiriuslumencastornakshatlasauroralioraaraeveleorexsal
Wielt eng agebaute xAI-Stëmm, fir d'Standardstëmm vu Grok fir d'Äntwert vum Agent ze iwwerschreiwen; wann dëst net agestallt gëtt, bleift d'Standardstëmm.
toolsoptional
Typobject
Standard{"mcp_servers":[],"web_search":{"enabled":false},"x_search":{"enabled":false}}
Agent-Toolkonfiguratioun fir d'Benotzung op der Server-Säit; file_search/collections ginn wéinst ZDR aus der typiséierter Konfiguratioun ausgeschloss. All Tools starten deaktivéiert; ënnerstëtzt Optioune sinn Remote-MCP-Tools, Web-Tools an X-Tools.
tools.mcp_serversoptional
Typobject[]
Remote-MCP-Server, mat deenen de Modellprovider sech fir d'Ausféierung vun Tools verbënnt.
tools.mcp_servers[].allowed_toolsoptional
Typstring[]
≥ 1 items
Optional Lëscht, déi ugëtt, wéi eng Toolnimm dëse Server exponéiert.
tools.mcp_servers[].authorizationoptional
Typstring | null
Sensibelen Autorisatiounswäert, deen exklusiv un de Modellprovider geschéckt gëtt.
tools.mcp_servers[].enabledoptional
Typboolean
Standardtrue
Server-Inklusiounsflagg; `false` schléisst de Server aus.
tools.mcp_servers[].headersoptional
Typobject | null
Sensibel Header fir MCP-Ufroen, déi exklusiv un de Modellprovider geschéckt ginn.
tools.mcp_servers[].server_descriptionoptional
Typstring | null
≤ 2000 characters
Beschreiwung vun de Fäegkeeten, déi dëse Server ubitt.
tools.mcp_servers[].server_labelobligatoresch
Typstring
1 – 128 characters
Serverlabel, dat de Modellprovider benotzt, fir seng Tools z'identifizéieren an hir Nimm ze prefixéieren.
tools.mcp_servers[].server_urlobligatoresch
Typstring
≥ 1 characters
HTTP(S)-Adress, déi den Uruffer fir e MCP-Server liwwert, mat deem Grok remote iwwer Streaming HTTP/SSE-Transporte verbënnt.
tools.web_search.allowed_domainsoptional
Typstring[]
1 – 5 items
Domainbeschränkung fir Sichresultater: gitt bis zu fënnef Domainen un, ouni Protokoller a Weeër.
tools.web_search.enable_image_understandingoptional
Typboolean | null
Erlaabnes fir den Agent, Biller z'ënnersichen, déi iwwer Web-Siche fonnt goufen.
tools.web_search.enabledoptional
Typboolean
Standardfalse
Web-Sich-Zougang fir den Agent: true füügt web_search zu session.tools bäi an erlaabt Web-Sichen; de Standard léisst et deaktivéiert.
tools.web_search.excluded_domainsoptional
Typstring[]
1 – 5 items
Domainen, déi aus de Sichresultater ausgeschloss ginn, limitéiert op fënnef Entréeën ouni Protokoller a Weeër.
tools.web_search.locationoptional
Typobject
Optional Lokatioun, fir d'Sichresultater geografesch unzepassen.
tools.x_search.allowed_x_handlesoptional
Typstring[]
1 – 20 items
X-Handles, deenen hir Posts an de Resultater opdauchen dierfen, limitéiert op 20 Handles.
tools.x_search.enable_image_understandingoptional
Typboolean | null
Erlaabnes fir den Agent, Biller z'ënnersichen, déi op X fonnt goufen.
tools.x_search.enable_video_understandingoptional
Typboolean | null
Erlaabnes fir den Agent, Videoen z'ënnersichen, déi op X fonnt goufen.
tools.x_search.enabledoptional
Typboolean
Standardfalse
Zougang zu X-Posts iwwer d'Sich: true füügt x_search zu session.tools bäi, sou datt den Agent dës Posts siche kann; de Standard léisst et deaktivéiert.
tools.x_search.excluded_x_handlesoptional
Typstring[]
1 – 20 items
X-Handles, deenen hir Posts ausgeschloss ginn, limitéiert op 20 Handles.
tools.x_search.from_dateoptional
Typstring | null
Fréistméiglechen Datum fir Posts, am ISO-Format YYYY-MM-DD ausgedréckt.
tools.x_search.to_dateoptional
Typstring | null
Lescht méiglechen Datum fir Posts, am ISO-Format YYYY-MM-DD ausgedréckt.
enable_safety_checkeroptional
Typboolean
Standardtrue
D'Kontroll kann duerch false gelackert ginn, wann den Uruffer autoriséiert ass.
obligatoresch Kanoneschen Numm, och akzeptéiert

Fichierparameter akzeptéieren eng ëffentlech https:// URL, eng data: URI bis zu 10 MB oder de file_url vun engem Upload. Fichieren

Output

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"
  }
}
Är Fichieren, Är WielAll outputs[].url ass eng Kopie an eiser Späicherung: fir ëmmer gespäichert (bezuelbar pro GB-Mount) oder 7 Deeg gratis, jee no Ärer Kontastellung oder ?storage=.
D'selwecht Struktur bei all Modelltype, url, content_type, width, height an duration, fir Biller, Video an Audio gläichermoossen. output ass dem Modell säin eegent Resultatobjet.
Output-Felder
audio
object {url, content_type, file_name, file_size}Gesprochene Äntwert vum Grok Agent, geliwwert als Mono-WAV mat 24 kHz.
text
stringText, deen d'Ried vum Agent begleet: eng eidel Zeechekette bedeit, datt Grok keen Transkript geliwwert huet; soss enthält se den Transkript.
duration
numberLängt vum generéierten Audio, a Sekonnen gemooss.

Méi Modeller: Audio

Fir AI-Agenten: dës Säit als Markdown ass ënner https://doitong.com/lb/developers/models/xai/grok-voice.md. All Modeller a Guiden: https://doitong.com/developers/llms.txt