Przejdź do treści

Grok Voice

Integracja

Identyfikator modelu 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"

Do 1,494 $ za uruchomienie opłata jest naliczana za rzeczywiste wykorzystanie, a reszta jest zwracana Uruchom na tej stronie

Uzyskaj klucz API
xAI Audio #xai#grok#voice#agent

Agent głosowy, który słucha nagranego klipu audio i odpowiada mową wraz z transkrypcją

xAI · Audio

Tutaj pojawi się pierwszy wynik

Zbuduj poniżej żądanie i uruchom je za pomocą klucza API. Wyniki są kopiowane do naszej przestrzeni dyskowej i przechowywane bezterminowo lub 7 dni bezpłatnie.

Zbuduj żądanie

Elementy sterujące są generowane ze schematu modelu. Kod i cena aktualizują się podczas ich zmiany.

0 / 20000

Opcjonalne instrukcje systemowe dostarczające kontekst rozmowy i określające personę zamiast domyślnej persony Grok; pominięcie ich zachowuje tę domyślną personę.

•wymagane audio_url
Upuść plik lub

Adres URL audio z mową użytkownika, ograniczony do 10 minut i 50 MB. Można podać większość popularnych formatów audio; przed odebraniem audio przez Grok jest ono konwertowane do mono PCM z próbkami 16-bitowymi przy 24 kHz. Agent odpowiada na nagranie mową.

Zaawansowane voice · enable_safety_checker · tools

Wybierz wbudowany głos xAI, aby zastąpić domyślny głos Grok w odpowiedzi agenta; pozostawienie tego pola nieustawionego zachowuje głos domyślny.

domyślnie {"mcp_servers":[],"we...

Konfiguracja narzędzi agenta do użytku po stronie serwera, z wyłączeniem file_search/collections z typowanej konfiguracji z powodu ZDR. Wszystkie narzędzia są początkowo wyłączone; obsługiwane opcje obejmują zdalne narzędzia MCP, narzędzia internetowe i narzędzia X.

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

Uruchom to żądanie

Klucz pozostaje w tej przeglądarce: jest wysyłany tylko do Doitong API i zapisywany (localStorage) tylko po zaznaczeniu opcji Zapamiętaj. Uzyskaj klucz API

Informacje o Grok Voice

Wyślij nagranie przez `audio_url`, a agent odpowie dźwiękiem mowy, zwracanym jako 24 kHz mono WAV wraz z czasem trwania i transkrypcją, jeśli jest dostępna. Opcjonalny `prompt` (do 20000 znaków) określa personę i kontekst, a `voice` wybiera wbudowany głos. Obiekt `tools` może włączyć wyszukiwanie w internecie, wyszukiwanie X lub zdalne serwery MCP; wszystkie te funkcje są domyślnie wyłączone.

Parametry

Wyślij nazwę kanoniczną albo natywną, nie obie. Nazwy kanoniczne

NazwaTyp DomyślneDozwolone Opis
audio_urlwymagane audio
Typurl · audio
Adres URL audio z mową użytkownika, ograniczony do 10 minut i 50 MB. Można podać większość popularnych formatów audio; przed odebraniem audio przez Grok jest ono konwertowane do mono PCM z próbkami 16-bitowymi przy 24 kHz. Agent odpowiada na nagranie mową.
promptopcjonalne
Typstring | null
≤ 20 000 znaków
Opcjonalne instrukcje systemowe dostarczające kontekst rozmowy i określające personę zamiast domyślnej persony Grok; pominięcie ich zachowuje tę domyślną personę.
voiceopcjonalne
Typenum
carinazaganhelixorionlunairisaltairzenithperseusheliosluxkeplerrigelcosmocelesteursa
+12 więcejsiriuslumencastornakshatlasauroralioraaraeveleorexsal
Wybierz wbudowany głos xAI, aby zastąpić domyślny głos Grok w odpowiedzi agenta; pozostawienie tego pola nieustawionego zachowuje głos domyślny.
toolsopcjonalne
Typobject
Domyślne{"mcp_servers":[],"web_search":{"enabled":false},"x_search":{"enabled":false}}
Konfiguracja narzędzi agenta do użytku po stronie serwera, z wyłączeniem file_search/collections z typowanej konfiguracji z powodu ZDR. Wszystkie narzędzia są początkowo wyłączone; obsługiwane opcje obejmują zdalne narzędzia MCP, narzędzia internetowe i narzędzia X.
tools.mcp_serversopcjonalne
Typobject[]
Zdalne serwery MCP, z którymi dostawca modelu łączy się w celu wykonywania narzędzi.
tools.mcp_servers[].allowed_toolsopcjonalne
Typstring[]
≥ 1 items
Opcjonalna lista określająca, które nazwy narzędzi udostępnia ten serwer.
tools.mcp_servers[].authorizationopcjonalne
Typstring | null
Wrażliwa wartość autoryzacji wysyłana wyłącznie do dostawcy modelu.
tools.mcp_servers[].enabledopcjonalne
Typboolean
Domyślnetrue
Flaga uwzględnienia serwera; false wyklucza serwer.
tools.mcp_servers[].headersopcjonalne
Typobject | null
Wrażliwe nagłówki żądań MCP, wysyłane wyłącznie do dostawcy modelu.
tools.mcp_servers[].server_descriptionopcjonalne
Typstring | null
≤ 2000 characters
Opis przedstawiający możliwości udostępniane przez ten serwer.
tools.mcp_servers[].server_labelwymagane
Typstring
1 – 128 characters
Etykieta serwera używana przez dostawcę modelu do identyfikowania jego narzędzi i dodawania ich nazw jako prefiksów.
tools.mcp_servers[].server_urlwymagane
Typstring
≥ 1 characters
Adres HTTP(S) podany przez wywołującego dla serwera MCP, z którym Grok łączy się zdalnie za pośrednictwem transportów Streaming HTTP/SSE.
tools.web_search.allowed_domainsopcjonalne
Typstring[]
1 – 5 items
Ograniczenie domen dla wyników wyszukiwania: podaj maksymalnie pięć domen, pomijając protokoły i ścieżki.
tools.web_search.enable_image_understandingopcjonalne
Typboolean | null
Zezwolenie agentowi na analizowanie obrazów znalezionych podczas wyszukiwania w sieci.
tools.web_search.enabledopcjonalne
Typboolean
Domyślnefalse
Dostęp agenta do wyszukiwania w sieci: true dodaje web_search do session.tools i zezwala na wyszukiwanie w sieci; wartość domyślna pozostawia je wyłączone.
tools.web_search.excluded_domainsopcjonalne
Typstring[]
1 – 5 items
Domeny wykluczane z wyników wyszukiwania, ograniczone do pięciu wpisów; protokoły i ścieżki należy pominąć.
tools.web_search.locationopcjonalne
Typobject
Opcjonalna lokalizacja do geograficznego dostosowania wyników wyszukiwania.
tools.x_search.allowed_x_handlesopcjonalne
Typstring[]
1 – 20 items
Uchwyty X, których posty mogą pojawić się w wynikach, ograniczone do 20 uchwytów.
tools.x_search.enable_image_understandingopcjonalne
Typboolean | null
Zezwolenie agentowi na analizowanie obrazów znalezionych na X.
tools.x_search.enable_video_understandingopcjonalne
Typboolean | null
Zezwolenie agentowi na analizowanie wideo znalezionych na X.
tools.x_search.enabledopcjonalne
Typboolean
Domyślnefalse
Dostęp do postów X przez wyszukiwanie: true dodaje x_search do session.tools, aby agent mógł wyszukiwać te posty; wartość domyślna pozostawia tę funkcję wyłączoną.
tools.x_search.excluded_x_handlesopcjonalne
Typstring[]
1 – 20 items
Uchwyty X, których posty są wykluczane, ograniczone do 20 uchwytów.
tools.x_search.from_dateopcjonalne
Typstring | null
Najwcześniejsza data postów, wyrażona w formacie ISO YYYY-MM-DD.
tools.x_search.to_dateopcjonalne
Typstring | null
Najnowsza data postów, wyrażona w formacie ISO YYYY-MM-DD.
enable_safety_checkeropcjonalne
Typboolean
Domyślnetrue
Filtrowanie można złagodzić, ustawiając false, jeśli wywołujący ma odpowiednie uprawnienia.
wymagane Nazwa kanoniczna, również akceptowana

Parametry plików przyjmują publiczny URL https://, identyfikator URI data: do 10 MB albo file_url przesłanego pliku. Pliki

Wynik

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"
  }
}
Twoje pliki, Twój wybórKażdy outputs[].url to kopia w naszej przestrzeni dyskowej: przechowywana bezterminowo (opłata za GB-miesiąc) lub 7 dni bezpłatnie, zgodnie z ustawieniem konta lub ?storage=.
Taki sam format w każdym modelutype, url, content_type, width, height i duration — tak samo dla obrazów, filmów i dźwięku. output to własny obiekt wyniku modelu.
Pola wyniku
audio
object {url, content_type, file_name, file_size}Odpowiedź mówiona agenta Grok, dostarczana jako jednowałowy WAV o częstotliwości próbkowania 24 kHz.
text
stringTekst towarzyszący mowie agenta: pusty ciąg oznacza, że Grok nie dostarczył transkrypcji; w przeciwnym razie zawiera transkrypcję.
duration
numberDługość generowanego audio mierzona w sekundach.

Więcej modeli: Audio

Dla agentów AI: ta strona w formacie Markdown jest dostępna pod adresem https://doitong.com/pl/developers/models/xai/grok-voice.md. Wszystkie modele i przewodniki: https://doitong.com/developers/llms.txt