အကြောင်းအရာသို့ ကျော်ရန်

Grok Voice

ပေါင်းစည်းရန်

မော်ဒယ် 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"

လုပ်ဆောင်မှုတစ်ကြိမ်လျှင် ၁.၄၉၄ $ အထိ အမှန်တကယ် အသုံးပြုမှုအလိုက် ကောက်ခံပြီး ကျန်ငွေကို ငွေပြန်အမ်းသည် ဤစာမျက်နှာတွင် လုပ်ဆောင်ရန်

API ကီး ရယူရန်
xAI အသံ #xai#grok#voice#agent

မှတ်တမ်းတင်ထားသော အသံကလစ်ကို နားထောင်ပြီး စကားသံနှင့် စာသားမှတ်တမ်းဖြင့် ပြန်ဖြေသည့် အသံအေးဂျင့်

xAI · အသံ

သင့်ပထမဆုံးရလဒ် ဤနေရာတွင် ပေါ်လာမည်

အောက်တွင် တောင်းဆိုချက်တစ်ခု တည်ဆောက်ပြီး သင့် API ကီးဖြင့် လုပ်ဆောင်ပါ။ ထွက်ရလဒ်များကို ကျွန်ုပ်တို့၏ သိုလှောင်မှုသို့ ကူးယူပြီး အမြဲတမ်း သို့မဟုတ် ၇ ရက် အခမဲ့ သိမ်းထားသည်။

တောင်းဆိုမှုတစ်ခု တည်ဆောက်ရန်

ထိန်းချုပ်မှုများကို မော်ဒယ် schema မှ အလိုအလျောက်ဖန်တီးသည်။ ၎င်းတို့ကို ပြောင်းလဲသည်နှင့် code နှင့် စျေးနှုန်းတို့လည်း ပြောင်းလဲမည်။

0 / 20000

စကားဝိုင်းအကြောင်းအရာကို ပေးပြီး Grok ၏ မူလ persona အစား persona တစ်ခုကို သတ်မှတ်ပေးသော ရွေးချယ်နိုင်သည့် စနစ်ညွှန်ကြားချက်များ။ မပေးထားပါက မူလ persona ကို ဆက်လက်အသုံးပြုသည်။

•လိုအပ်သည် audio_url
ဖိုင်ကို ဆွဲချပါ၊ သို့မဟုတ်

အသုံးပြုသူ၏ စကားပြောသံအတွက် အသံ URL။ 10 မိနစ်နှင့် 50 MB အထိ ကန့်သတ်ထားသည်။ အသုံးများသော အသံဖိုင်ဖော်မတ်အများစုကို ပေးနိုင်သည်။ Grok က အသံကို လက်ခံမရယူမီ 16-bit sample များဖြင့် 24 kHz mono PCM သို့ ပြောင်းသည်။ အေးဂျင့်သည် အသံသွင်းချက်ကို စကားပြောသံဖြင့် တုံ့ပြန်သည်။

အဆင့်မြင့် voice · enable_safety_checker · tools

အေးဂျင့်၏ တုံ့ပြန်မှုအတွက် Grok ၏ မူလအသံကို အစားထိုးရန် built-in xAI အသံတစ်ခုကို ရွေးချယ်ပါ။ မသတ်မှတ်ထားပါက မူလအသံကို ဆက်လက်အသုံးပြုသည်။

မူလ {"mcp_servers":[],"we...

ဆာဗာဘက်အသုံးပြုမှုအတွက် အေးဂျင့် tool ဖွဲ့စည်းပုံ။ ZDR ကြောင့် typed configuration မှ file_search/collections ကို ဖယ်ထားသည်။ tool အားလုံးသည် အစတွင် ပိတ်ထားပြီး remote MCP tools၊ web tools နှင့် X tools တို့ကို ပံ့ပိုးသည်။

POST /run/xai/grok-voice?wait=20 ကုန်ကျစရိတ် → ၁.၄၉၄ $
# 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"

ဤတောင်းဆိုချက်ကို လုပ်ဆောင်ရန်

သင့် key သည် ဤဘရောက်ဇာထဲတွင်သာ ရှိမည်ဖြစ်ပြီး Doitong API သို့သာ ပို့မည်။ Remember ကို အမှန်ခြစ်ထားမှသာ (localStorage) တွင် သိမ်းမည်။ API ကီး ရယူရန်

Grok Voice အကြောင်း

`audio_url` မှတစ်ဆင့် အသံသွင်းချက်ကို ပေးပို့ပါက အေးဂျင့်က စကားသံဖြင့် ဖြေကြားပြီး 24 kHz မိုနို WAV အဖြစ် ပြန်ပေးသည်။ ရရှိပါက ကြာချိန်နှင့် အသံမှစာသားပြောင်းခြင်း ရလဒ်လည်း ပါဝင်သည်။ ရွေးချယ်နိုင်သော `prompt` (အများဆုံး စာလုံး 20000) သည် ကိုယ်ရည်ကိုယ်သွေး နှင့် အကြောင်းအရာကို သတ်မှတ်ပြီး `voice` သည် built-in အသံကို ရွေးချယ်သည်။ `tools` အရာဝတ္ထုမှ ဝဘ် ရှာဖွေမှု၊ X ရှာဖွေမှု သို့မဟုတ် အဝေးထိန်း MCP ဆာဗာများကို ဖွင့်နိုင်ပြီး မူလအားဖြင့် အားလုံးပိတ်ထားသည်။

ပါရာမီတာများ

စံအမည် သို့မဟုတ် မူရင်းအမည် တစ်ခုခုကိုသာ ပို့ပါ၊ နှစ်ခုလုံး မပို့ပါနှင့်။ စံအမည်များ

အမည်အမျိုးအစား မူလတန်ဖိုးခွင့်ပြုထားသည် ဖော်ပြချက်
audio_urlလိုအပ်သည် audio
အမျိုးအစားurl · audio
အသုံးပြုသူ၏ စကားပြောသံအတွက် အသံ URL။ 10 မိနစ်နှင့် 50 MB အထိ ကန့်သတ်ထားသည်။ အသုံးများသော အသံဖိုင်ဖော်မတ်အများစုကို ပေးနိုင်သည်။ Grok က အသံကို လက်ခံမရယူမီ 16-bit sample များဖြင့် 24 kHz mono PCM သို့ ပြောင်းသည်။ အေးဂျင့်သည် အသံသွင်းချက်ကို စကားပြောသံဖြင့် တုံ့ပြန်သည်။
promptရွေးချယ်နိုင်သည်
အမျိုးအစားstring | null
စာလုံး ၂၀,၀၀၀ လုံးထက် မပိုပါ
စကားဝိုင်းအကြောင်းအရာကို ပေးပြီး Grok ၏ မူလ persona အစား persona တစ်ခုကို သတ်မှတ်ပေးသော ရွေးချယ်နိုင်သည့် စနစ်ညွှန်ကြားချက်များ။ မပေးထားပါက မူလ persona ကို ဆက်လက်အသုံးပြုသည်။
voiceရွေးချယ်နိုင်သည်
အမျိုးအစားenum
carinazaganhelixorionlunairisaltairzenithperseusheliosluxkeplerrigelcosmocelesteursa
+12 ခု ထပ်မံsiriuslumencastornakshatlasauroralioraaraeveleorexsal
အေးဂျင့်၏ တုံ့ပြန်မှုအတွက် Grok ၏ မူလအသံကို အစားထိုးရန် built-in xAI အသံတစ်ခုကို ရွေးချယ်ပါ။ မသတ်မှတ်ထားပါက မူလအသံကို ဆက်လက်အသုံးပြုသည်။
toolsရွေးချယ်နိုင်သည်
အမျိုးအစားobject
မူလတန်ဖိုး{"mcp_servers":[],"web_search":{"enabled":false},"x_search":{"enabled":false}}
ဆာဗာဘက်အသုံးပြုမှုအတွက် အေးဂျင့် tool ဖွဲ့စည်းပုံ။ ZDR ကြောင့် typed configuration မှ file_search/collections ကို ဖယ်ထားသည်။ tool အားလုံးသည် အစတွင် ပိတ်ထားပြီး remote MCP tools၊ web tools နှင့် X tools တို့ကို ပံ့ပိုးသည်။
tools.mcp_serversရွေးချယ်နိုင်သည်
အမျိုးအစားobject[]
tool လုပ်ဆောင်ရန် မော်ဒယ်ပံ့ပိုးသူ ချိတ်ဆက်သည့် အဝေးရောက် MCP ဆာဗာများ။
tools.mcp_servers[].allowed_toolsရွေးချယ်နိုင်သည်
အမျိုးအစားstring[]
≥ 1 items
ဤဆာဗာက ဖော်ထုတ်ပေးသော tool အမည်များကို သတ်မှတ်သည့် ရွေးချယ်နိုင်သော စာရင်း။
tools.mcp_servers[].authorizationရွေးချယ်နိုင်သည်
အမျိုးအစားstring | null
မော်ဒယ်ပံ့ပိုးသူထံသို့သာ သီးသန့်ပေးပို့သော အထိခိုက်လွယ်သည့် authorization တန်ဖိုး။
tools.mcp_servers[].enabledရွေးချယ်နိုင်သည်
အမျိုးအစားboolean
မူလတန်ဖိုးtrue
ဆာဗာပါဝင်မှု အလံ။ false ဖြစ်ပါက ဆာဗာကို ဖယ်ထုတ်သည်။
tools.mcp_servers[].headersရွေးချယ်နိုင်သည်
အမျိုးအစားobject | null
MCP တောင်းဆိုချက်များအတွက် အထိခိုက်လွယ်သည့် header များကို မော်ဒယ်ပံ့ပိုးသူထံသို့သာ သီးသန့်ပေးပို့သည်။
tools.mcp_servers[].server_descriptionရွေးချယ်နိုင်သည်
အမျိုးအစားstring | null
≤ 2000 characters
ဤဆာဗာက ရရှိစေသော လုပ်ဆောင်နိုင်စွမ်းများကို ဖော်ပြသည့် ဖော်ပြချက်။
tools.mcp_servers[].server_labelလိုအပ်သည်
အမျိုးအစားstring
1 – 128 characters
မော်ဒယ်ပံ့ပိုးသူက ၎င်း၏ tool များကို ခွဲခြားသိရှိပြီး အမည်များရှေ့တွင် ထည့်ရန် အသုံးပြုသော ဆာဗာအညွှန်း။
tools.mcp_servers[].server_urlလိုအပ်သည်
အမျိုးအစားstring
≥ 1 characters
Grok က Streaming HTTP/SSE သယ်ယူပို့ဆောင်မှုများမှတစ်ဆင့် အဝေးမှ ချိတ်ဆက်သည့် MCP ဆာဗာအတွက် ခေါ်ဆိုသူက ပေးသည့် HTTP(S) လိပ်စာ။
tools.web_search.allowed_domainsရွေးချယ်နိုင်သည်
အမျိုးအစားstring[]
1 – 5 items
ရှာဖွေမှုရလဒ်များအတွက် ဒိုမိန်းကန့်သတ်ချက်။ protocol နှင့် လမ်းကြောင်းများကို မထည့်ဘဲ ဒိုမိန်း 5 ခုအထိ သတ်မှတ်ပါ။
tools.web_search.enable_image_understandingရွေးချယ်နိုင်သည်
အမျိုးအစားboolean | null
web ရှာဖွေမှုများမှ တွေ့ရှိသော ပုံများကို အေးဂျင့်က စစ်ဆေးနိုင်ခွင့်။
tools.web_search.enabledရွေးချယ်နိုင်သည်
အမျိုးအစားboolean
မူလတန်ဖိုးfalse
အေးဂျင့်အတွက် web ရှာဖွေမှု ဝင်ရောက်ခွင့်။ true ဖြစ်ပါက session.tools ထဲသို့ web_search ကို ထည့်ပြီး web ရှာဖွေမှုများကို ခွင့်ပြုသည်။ မူလတန်ဖိုးမှာ ပိတ်ထားသည်။
tools.web_search.excluded_domainsရွေးချယ်နိုင်သည်
အမျိုးအစားstring[]
1 – 5 items
ရှာဖွေမှုရလဒ်များမှ ဖယ်ထုတ်ရန် ဒိုမိန်းများ။ protocol နှင့် လမ်းကြောင်းများကို မထည့်ဘဲ အများဆုံး 5 ခုအထိ သတ်မှတ်နိုင်သည်။
tools.web_search.locationရွေးချယ်နိုင်သည်
အမျိုးအစားobject
ရှာဖွေမှုရလဒ်များကို ပထဝီဝင်အရ အံဝင်ခွင်ကျဖြစ်စေရန် ရွေးချယ်နိုင်သော တည်နေရာ။
tools.x_search.allowed_x_handlesရွေးချယ်နိုင်သည်
အမျိုးအစားstring[]
1 – 20 items
ရလဒ်များတွင် ပေါ်လာနိုင်သော X handle များ။ handle 20 ခုအထိ ကန့်သတ်ထားသည်။
tools.x_search.enable_image_understandingရွေးချယ်နိုင်သည်
အမျိုးအစားboolean | null
X ပေါ်တွင် တွေ့ရှိသော ပုံများကို အေးဂျင့်က စစ်ဆေးနိုင်ခွင့်။
tools.x_search.enable_video_understandingရွေးချယ်နိုင်သည်
အမျိုးအစားboolean | null
X ပေါ်တွင် တွေ့ရှိသော ဗီဒီယိုများကို အေးဂျင့်က စစ်ဆေးနိုင်ခွင့်။
tools.x_search.enabledရွေးချယ်နိုင်သည်
အမျိုးအစားboolean
မူလတန်ဖိုးfalse
ရှာဖွေမှုမှတစ်ဆင့် X ပို့စ်များကို ဝင်ရောက်အသုံးပြုခွင့်- true သည် session.tools ထဲသို့ x_search ကို ထည့်ပေးပြီး အေးဂျင့်က ထိုပို့စ်များကို ရှာဖွေနိုင်စေသည်။ မူလတန်ဖိုးမှာ ၎င်းကို ပိတ်ထားသည်။
tools.x_search.excluded_x_handlesရွေးချယ်နိုင်သည်
အမျိုးအစားstring[]
1 – 20 items
ပို့စ်များကို ဖယ်ထုတ်မည့် X handle များ၊ handle 20 ခုအထိ ကန့်သတ်ထားသည်။
tools.x_search.from_dateရွေးချယ်နိုင်သည်
အမျိုးအစားstring | null
ပို့စ်များအတွက် အစောဆုံးရက်စွဲ၊ ISO ဖော်မတ် YYYY-MM-DD ဖြင့် သတ်မှတ်သည်။
tools.x_search.to_dateရွေးချယ်နိုင်သည်
အမျိုးအစားstring | null
ပို့စ်များအတွက် နောက်ဆုံးရက်စွဲ၊ ISO ဖော်မတ် YYYY-MM-DD ဖြင့် သတ်မှတ်သည်။
enable_safety_checkerရွေးချယ်နိုင်သည်
အမျိုးအစားboolean
မူလတန်ဖိုးtrue
caller က ခွင့်ပြုချက်ရှိပါက false သတ်မှတ်ခြင်းဖြင့် စစ်ဆေးမှုကို လျှော့ချနိုင်သည်။
လိုအပ်သည် စံအမည်၊ ထို့အပြင် လက်ခံသည်

ဖိုင်ပါရာမီတာများသည် အများပြည်သူသုံး https:// URL၊ 10 MB အထိ data: URI သို့မဟုတ် အပ်လုဒ်လုပ်ထားသောဖိုင်၏ file_url ကို လက်ခံသည်။ ဖိုင်များ

ထွက်ရလဒ်

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"
  }
}
သင့်ဖိုင်များ၊ သင့်ရွေးချယ်မှုoutputs[].url တိုင်းသည် ကျွန်ုပ်တို့၏ သိုလှောင်မှုရှိ မိတ္တူဖြစ်သည်- အမြဲတမ်း (GB-month အလိုက် ငွေပေးရသည်) သို့မဟုတ် ၇ ရက် အခမဲ့၊ သင့်အကောင့်ဆက်တင် သို့မဟုတ် ?storage= ဖြင့် သိမ်းထားသည်။
မော်ဒယ်တိုင်းတွင် ပုံစံတူပုံ၊ ဗီဒီယိုနှင့် အသံတို့အတွက် type၊ url၊ content_type၊ width၊ height နှင့် duration။ output သည် မော်ဒယ်ကိုယ်တိုင်၏ ရလဒ် object ဖြစ်သည်။
ထွက်ရလဒ်၏ Fields များ
audio
object {url, content_type, file_name, file_size}Grok အေးဂျင့်ထံမှ ပြောဆိုသည့် ပြန်ကြားချက်ကို 24 kHz mono WAV အဖြစ် ပေးပို့သည်။
text
stringအေးဂျင့်၏ စကားပြောမှုနှင့်အတူ ပါဝင်သည့် စာသား- အလွတ် string ဖြစ်ပါက Grok က စာသားမှတ်တမ်းကို မပေးထားကြောင်း ဆိုလိုသည်။ မဟုတ်ပါက စာသားမှတ်တမ်း ပါဝင်သည်။
duration
numberဖန်တီးထားသော အသံ၏ အရှည်ဖြစ်ပြီး စက္ကန့်ဖြင့် တိုင်းတာသည်။

နောက်ထပ် မော်ဒယ်များ: အသံ

AI အေးဂျင့်များအတွက်- ဤစာမျက်နှာ၏ Markdown ကို ဤနေရာတွင် ရရှိနိုင်သည် https://doitong.com/my/developers/models/xai/grok-voice.md. မော်ဒယ်များနှင့် လမ်းညွှန်များအားလုံး: https://doitong.com/developers/llms.txt