Gå til innhold

Grok Voice

Integrer

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"

Opptil 1,494 $ per kjøring belastes etter faktisk bruk, resten tilbakebetales Kjør den på denne siden

Hent API-nøkkel
xAI Lyd #xai#grok#voice#agent

Taleagent som lytter til et innspilt lydklipp og svarer med tale og transkripsjon

xAI · Lyd

Det første resultatet ditt kommer her

Bygg en forespørsel nedenfor og kjør den med API-nøkkelen din. Utdata kopieres til lagringen vår, lagret for alltid eller 7 dager gratis.

Bygg en forespørsel

Kontrollene genereres fra modellskjemaet. Koden og prisen oppdateres når du endrer dem.

0 / 20000

Valgfrie systeminstruksjoner som gir samtalekontekst og angir en persona i stedet for Groks standardpersona; hvis de utelates, beholdes standardpersonaen.

•obligatorisk audio_url
Slipp en fil, eller

Lyd-URL for brukerens tale, begrenset til 10 minutt og 50 MB. De fleste vanlige lydformater kan oppgis; før Grok mottar lyden, konverteres den til mono PCM med 16-bit samples ved 24 kHz. Agenten svarer på opptaket med tale.

Avansert voice · enable_safety_checker · tools

Velg en innebygd xAI-stemme for å overstyre Groks standardstemme for agentens svar; hvis dette ikke angis, beholdes standardstemmen.

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

Agentverktøykonfigurasjon for bruk på serversiden, med file_search/collections utelatt fra den typede konfigurasjonen på grunn av ZDR. Alle verktøy er deaktivert ved start; støttede alternativer inkluderer eksterne MCP-verktøy, webverktøy og X-verktøy.

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

Kjør denne forespørselen

Nøkkelen din blir i denne nettleseren: Den sendes bare til Doitong API og lagres bare i localStorage hvis du krysser av for Husk. Hent en API-nøkkel

Om Grok Voice

Send et opptak via `audio_url`, så svarer agenten med tale som returneres som 24 kHz mono-WAV sammen med varighet og en transkripsjon når tilgjengelig. Valgfri `prompt` (opptil 20000 tegn) angir persona og kontekst, og `voice` velger en innebygd stemme. Objektet `tools` kan aktivere nettsøk, X-søk eller eksterne MCP-servere; alle er deaktivert som standard.

Parametere

Send enten det kanoniske navnet eller det opprinnelige navnet, ikke begge. Kanoniske navn

NavnType StandardTillatt Beskrivelse
audio_urlobligatorisk audio
Typeurl · audio
Lyd-URL for brukerens tale, begrenset til 10 minutt og 50 MB. De fleste vanlige lydformater kan oppgis; før Grok mottar lyden, konverteres den til mono PCM med 16-bit samples ved 24 kHz. Agenten svarer på opptaket med tale.
promptvalgfritt
Typestring | null
≤ 20 000 tegn
Valgfrie systeminstruksjoner som gir samtalekontekst og angir en persona i stedet for Groks standardpersona; hvis de utelates, beholdes standardpersonaen.
voicevalgfritt
Typeenum
carinazaganhelixorionlunairisaltairzenithperseusheliosluxkeplerrigelcosmocelesteursa
+12 fleresiriuslumencastornakshatlasauroralioraaraeveleorexsal
Velg en innebygd xAI-stemme for å overstyre Groks standardstemme for agentens svar; hvis dette ikke angis, beholdes standardstemmen.
toolsvalgfritt
Typeobject
Standard{"mcp_servers":[],"web_search":{"enabled":false},"x_search":{"enabled":false}}
Agentverktøykonfigurasjon for bruk på serversiden, med file_search/collections utelatt fra den typede konfigurasjonen på grunn av ZDR. Alle verktøy er deaktivert ved start; støttede alternativer inkluderer eksterne MCP-verktøy, webverktøy og X-verktøy.
tools.mcp_serversvalgfritt
Typeobject[]
Eksterne MCP-servere som modelltilbyderen kobler til for verktøykjøring.
tools.mcp_servers[].allowed_toolsvalgfritt
Typestring[]
≥ 1 items
Valgfri liste som angir hvilke verktøynavn denne serveren eksponerer.
tools.mcp_servers[].authorizationvalgfritt
Typestring | null
Sensitiv autorisasjonsverdi som sendes utelukkende til modelltilbyderen.
tools.mcp_servers[].enabledvalgfritt
Typeboolean
Standardtrue
Flagg for inkludering av serveren; false utelater serveren.
tools.mcp_servers[].headersvalgfritt
Typeobject | null
Sensitive headere for MCP-forespørsler, sendt utelukkende til modelltilbyderen.
tools.mcp_servers[].server_descriptionvalgfritt
Typestring | null
≤ 2000 characters
Beskrivelse av funksjonene denne serveren gjør tilgjengelige.
tools.mcp_servers[].server_labelobligatorisk
Typestring
1 – 128 characters
Serveretikett brukt av modelltilbyderen til å identifisere verktøyene og sette prefiks på navnene deres.
tools.mcp_servers[].server_urlobligatorisk
Typestring
≥ 1 characters
HTTP(S)-adresse levert av kalleren for en MCP-server som Grok kobler til eksternt via Streaming HTTP/SSE-transport.
tools.web_search.allowed_domainsvalgfritt
Typestring[]
1 – 5 items
Domenerestriksjon for søkeresultater: oppgi opptil fem domener uten protokoller og stier.
tools.web_search.enable_image_understandingvalgfritt
Typeboolean | null
Tillatelse for agenten til å undersøke bilder som oppdages gjennom nettsøk.
tools.web_search.enabledvalgfritt
Typeboolean
Standardfalse
Tilgang til nettsøk for agenten: true legger web_search til i session.tools og tillater nettsøk; standardverdien lar det være deaktivert.
tools.web_search.excluded_domainsvalgfritt
Typestring[]
1 – 5 items
Domener som skal utelates fra søkeresultater, begrenset til fem oppføringer uten protokoller og stier.
tools.web_search.locationvalgfritt
Typeobject
Valgfri plassering for geografisk tilpasning av søkeresultater.
tools.x_search.allowed_x_handlesvalgfritt
Typestring[]
1 – 20 items
X-håndtak med innlegg som kan vises i resultatene, begrenset til 20 håndtak.
tools.x_search.enable_image_understandingvalgfritt
Typeboolean | null
Tillatelse for agenten til å undersøke bilder som oppdages på X.
tools.x_search.enable_video_understandingvalgfritt
Typeboolean | null
Tillatelse for agenten til å undersøke videoer som oppdages på X.
tools.x_search.enabledvalgfritt
Typeboolean
Standardfalse
Tilgang til X-innlegg gjennom søk: true legger x_search til i session.tools slik at agenten kan søke i disse innleggene; standardverdien lar det være deaktivert.
tools.x_search.excluded_x_handlesvalgfritt
Typestring[]
1 – 20 items
X-håndtak med innlegg som skal utelates, begrenset til 20 håndtak.
tools.x_search.from_datevalgfritt
Typestring | null
Tidligste dato for innlegg, uttrykt i ISO-formatet YYYY-MM-DD.
tools.x_search.to_datevalgfritt
Typestring | null
Seneste dato for innlegg, uttrykt i ISO-formatet YYYY-MM-DD.
enable_safety_checkervalgfritt
Typeboolean
Standardtrue
Filtreringen kan lempes ved å angi false, forutsatt at den som gjør forespørselen, er autorisert.
obligatorisk Kanonisk navn, også godkjent

Filparametere tar imot en offentlig https:// URL, en data: URI på opptil 10 MB eller file_url fra en opplasting. Filer

Utdata

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"
  }
}
Filene dine, ditt valgHver outputs[].url er en kopi på lagringen vår: lagret for alltid (betalt per GB-måned) eller 7 dager gratis, styrt av kontoinnstillingen din eller ?storage=.
Samme struktur for hver modelltype, url, content_type, width, height og duration, for bilder, video og lyd. output er modellens eget resultatobjekt.
Utdatafelt
audio
object {url, content_type, file_name, file_size}Talt svar fra Grok-agenten, levert som mono-WAV ved 24 kHz.
text
stringTekst som følger agentens tale: en tom streng angir at Grok ikke leverte en transkripsjon; ellers inneholder den transkripsjonen.
duration
numberLengden på den genererte lyden, målt i sekunder.

Flere modeller: Lyd

For AI-agenter: Denne siden som Markdown finnes på https://doitong.com/no/developers/models/xai/grok-voice.md. Alle modeller og veiledninger: https://doitong.com/developers/llms.txt