உள்ளடக்கத்திற்குச் செல்க

Grok Voice

ஒருங்கிணை

மாடல் 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"

ஒவ்வொரு இயக்கத்திற்கும் $1.494 வரை உண்மையான பயன்பாட்டின் அடிப்படையில் கட்டணம்; மீதம் பணத்தைத் திருப்பியளிக்கப்படும் இந்தப் பக்கத்தில் இயக்குங்கள்

API விசையைப் பெறுக
xAI ஆடியோ #xai#grok#voice#agent

பதிவுசெய்யப்பட்ட ஆடியோ கிளிப்பைக் கேட்டு, பேச்சுடன் கூடிய பதிலையும் உரைமாற்றத்தையும் வழங்கும் குரல் ஏஜென்ட்

xAI · ஆடியோ

உங்கள் முதல் முடிவு இங்கே வரும்

கீழே ஒரு கோரிக்கையை உருவாக்கி, உங்கள் API விசையுடன் இயக்குங்கள். வெளியீடுகள் எங்கள் சேமிப்பகத்தில் நகலெடுக்கப்பட்டு, நிரந்தரமாக அல்லது இலவசமாக 7 நாட்கள் வைக்கப்படும்.

கோரிக்கையை உருவாக்கு

மாடல் ஸ்கீமாவிலிருந்து கட்டுப்பாடுகள் உருவாக்கப்படுகின்றன. அவற்றை மாற்றும்போது குறியீடும் விலையும் புதுப்பிக்கப்படும்.

0 / 20000

உரையாடல் சூழலை வழங்கி, Grok-ன் இயல்புநிலை persona-வுக்குப் பதிலாக persona-வை வரையறுக்கும் விருப்பமான system instructions; இவற்றைத் தவிர்த்தால் இயல்புநிலை persona தொடரும்.

•தேவை audio_url
கோப்பை விடுங்கள் அல்லது

பயனரின் பேச்சுக்கான ஆடியோ URL; 10 நிமிடம் மற்றும் 50 MB வரை மட்டுப்படுத்தப்பட்டது. பொதுவாகப் பயன்படுத்தப்படும் பெரும்பாலான ஆடியோ வடிவங்களை வழங்கலாம்; Grok ஆடியோவைப் பெறுவதற்கு முன், அது 24 kHz-இல் 16-bit மாதிரிகளைக் கொண்ட mono PCM ஆக மாற்றப்படும். முகவர் பதிவுக்கு பேச்சு மூலம் பதிலளிக்கும்.

மேம்பட்டவை voice · enable_safety_checker · tools

முகவரின் பதிலுக்காக Grok-ன் இயல்புநிலை குரலை மாற்ற, உள்ளமைக்கப்பட்ட xAI குரலைத் தேர்ந்தெடுக்கவும்; இதை அமைக்காமல் விட்டால் இயல்புநிலை குரல் தொடரும்.

இயல்புநிலை {"mcp_servers":[],"we...

சர்வர்-பக்கப் பயன்பாட்டிற்கான முகவர் கருவி உள்ளமைவு; ZDR காரணமாக typed configuration-இலிருந்து file_search/collections விலக்கப்பட்டுள்ளன. அனைத்து கருவிகளும் முதலில் முடக்கப்பட்டிருக்கும்; ஆதரிக்கப்படும் விருப்பங்களில் remote MCP tools, web tools மற்றும் X tools அடங்கும்.

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

இந்தக் கோரிக்கையை இயக்கு

உங்கள் key இந்த உலாவியில் மட்டுமே இருக்கும்: அது Doitong API-க்கு மட்டும் அனுப்பப்படும்; Remember-ஐத் தேர்ந்தெடுத்தால் மட்டுமே (localStorage)-ல் சேமிக்கப்படும். API விசையைப் பெறுங்கள்

Grok Voice பற்றி

`audio_url` மூலம் ஒரு பதிவை அனுப்பினால், முகவர் பேச்சு ஆடியோவில் பதிலளிக்கிறார்; அது 24 kHz ஒற்றை ஒலி WAV ஆகவும், அதன் கால அளவு மற்றும் கிடைக்கும்போது உரைமாற்றத்துடனும் வழங்கப்படுகிறது. விருப்ப `prompt` (20000 எழுத்துகள் வரை) நபர்தன்மை மற்றும் சூழலை அமைக்கிறது; `voice` உள்ளமைக்கப்பட்ட குரலைத் தேர்ந்தெடுக்கிறது. `tools` பொருள் வலைத் தேடல், X தேடல் அல்லது தொலைநிலை MCP சேவையகங்களை இயக்கலாம்; இவை அனைத்தும் இயல்புநிலையாக முடக்கப்பட்டுள்ளன.

அளவுருக்கள்

நியமப் பெயர் அல்லது நேட்டிவ் பெயர் இரண்டில் ஒன்றை மட்டும் அனுப்பவும். நியமப் பெயர்கள்

பெயர்வகை இயல்புநிலைஅனுமதிக்கப்பட்டது விளக்கம்
audio_urlதேவை audio
வகைurl · audio
பயனரின் பேச்சுக்கான ஆடியோ URL; 10 நிமிடம் மற்றும் 50 MB வரை மட்டுப்படுத்தப்பட்டது. பொதுவாகப் பயன்படுத்தப்படும் பெரும்பாலான ஆடியோ வடிவங்களை வழங்கலாம்; Grok ஆடியோவைப் பெறுவதற்கு முன், அது 24 kHz-இல் 16-bit மாதிரிகளைக் கொண்ட mono PCM ஆக மாற்றப்படும். முகவர் பதிவுக்கு பேச்சு மூலம் பதிலளிக்கும்.
promptவிருப்பத்தேர்வு
வகைstring | null
≤ 20,000 எழுத்துகள்
உரையாடல் சூழலை வழங்கி, Grok-ன் இயல்புநிலை persona-வுக்குப் பதிலாக persona-வை வரையறுக்கும் விருப்பமான system instructions; இவற்றைத் தவிர்த்தால் இயல்புநிலை persona தொடரும்.
voiceவிருப்பத்தேர்வு
வகைenum
carinazaganhelixorionlunairisaltairzenithperseusheliosluxkeplerrigelcosmocelesteursa
+12 மேலும்siriuslumencastornakshatlasauroralioraaraeveleorexsal
முகவரின் பதிலுக்காக Grok-ன் இயல்புநிலை குரலை மாற்ற, உள்ளமைக்கப்பட்ட xAI குரலைத் தேர்ந்தெடுக்கவும்; இதை அமைக்காமல் விட்டால் இயல்புநிலை குரல் தொடரும்.
toolsவிருப்பத்தேர்வு
வகைobject
இயல்புநிலை{"mcp_servers":[],"web_search":{"enabled":false},"x_search":{"enabled":false}}
சர்வர்-பக்கப் பயன்பாட்டிற்கான முகவர் கருவி உள்ளமைவு; ZDR காரணமாக typed configuration-இலிருந்து file_search/collections விலக்கப்பட்டுள்ளன. அனைத்து கருவிகளும் முதலில் முடக்கப்பட்டிருக்கும்; ஆதரிக்கப்படும் விருப்பங்களில் remote MCP tools, web tools மற்றும் X tools அடங்கும்.
tools.mcp_serversவிருப்பத்தேர்வு
வகைobject[]
கருவி செயல்பாட்டிற்காக மாதிரி வழங்குநர் இணையும் Remote MCP servers.
tools.mcp_servers[].allowed_toolsவிருப்பத்தேர்வு
வகைstring[]
≥ 1 items
இந்த சர்வர் வெளிப்படுத்தும் கருவிப் பெயர்களைக் குறிப்பிடும் விருப்பமான பட்டியல்.
tools.mcp_servers[].authorizationவிருப்பத்தேர்வு
வகைstring | null
மாதிரி வழங்குநருக்கு மட்டுமே அனுப்பப்படும் உணர்திறன் மிக்க authorization மதிப்பு.
tools.mcp_servers[].enabledவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைtrue
சர்வர் சேர்க்கைக் கொடி; false என்றால் சர்வர் விலக்கப்படும்.
tools.mcp_servers[].headersவிருப்பத்தேர்வு
வகைobject | null
MCP கோரிக்கைகளுக்கான உணர்திறன் மிக்க headers; மாதிரி வழங்குநருக்கு மட்டுமே அனுப்பப்படும்.
tools.mcp_servers[].server_descriptionவிருப்பத்தேர்வு
வகைstring | null
≤ 2000 characters
இந்த சர்வர் வழங்கும் திறன்களைச் சுருக்கமாக விளக்கும் விளக்கம்.
tools.mcp_servers[].server_labelதேவை
வகைstring
1 – 128 characters
மாதிரி வழங்குநர் அதன் கருவிகளை அடையாளம் காணவும், அவற்றின் பெயர்களுக்கு முன்னொட்டு சேர்க்கவும் பயன்படுத்தும் சர்வர் label.
tools.mcp_servers[].server_urlதேவை
வகைstring
≥ 1 characters
Streaming HTTP/SSE transports மூலம் Grok தொலைவிலிருந்து இணையும் MCP server-க்காக caller வழங்கும் HTTP(S) முகவரி.
tools.web_search.allowed_domainsவிருப்பத்தேர்வு
வகைstring[]
1 – 5 items
தேடல் முடிவுகளுக்கான domain கட்டுப்பாடு: protocol-களும் paths-உம் இல்லாமல் அதிகபட்சம் ஐந்து domains குறிப்பிடவும்.
tools.web_search.enable_image_understandingவிருப்பத்தேர்வு
வகைboolean | null
web searches மூலம் கண்டறியப்பட்ட படங்களை ஆய்வு செய்ய முகவருக்கான அனுமதி.
tools.web_search.enabledவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைfalse
முகவருக்கான web-search அணுகல்: true என்பது session.tools-இல் web_search-ஐச் சேர்த்து web searches-ஐ அனுமதிக்கும்; இயல்புநிலை அதை முடக்கி வைக்கும்.
tools.web_search.excluded_domainsவிருப்பத்தேர்வு
வகைstring[]
1 – 5 items
தேடல் முடிவுகளில் இருந்து விலக்க வேண்டிய domains; protocol-களும் paths-உம் இல்லாமல் அதிகபட்சம் ஐந்து பதிவுகள்.
tools.web_search.locationவிருப்பத்தேர்வு
வகைobject
தேடல் முடிவுகளைப் புவியியல் அடிப்படையில்த் தனிப்பயனாக்குவதற்கான விருப்பமான இருப்பிடம்.
tools.x_search.allowed_x_handlesவிருப்பத்தேர்வு
வகைstring[]
1 – 20 items
முடிவுகளில் இடுகைகள் தோன்றக்கூடிய X handles; அதிகபட்சம் 20 handles.
tools.x_search.enable_image_understandingவிருப்பத்தேர்வு
வகைboolean | null
X-இல் கண்டறியப்பட்ட படங்களை ஆய்வு செய்ய முகவருக்கான அனுமதி.
tools.x_search.enable_video_understandingவிருப்பத்தேர்வு
வகைboolean | null
X-இல் கண்டறியப்பட்ட வீடியோக்களை ஆய்வு செய்ய முகவருக்கான அனுமதி.
tools.x_search.enabledவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைfalse
X இடுகைகளைத் தேடுவதன் மூலம் அவற்றை அணுகுதல்: true எனில், முகவர் அந்த இடுகைகளைத் தேடுவதற்காக session.tools-இல் x_search சேர்க்கப்படும்; இயல்புநிலை மதிப்பு அதை முடக்கியே வைக்கும்.
tools.x_search.excluded_x_handlesவிருப்பத்தேர்வு
வகைstring[]
1 – 20 items
இடுகைகள் விலக்கப்பட வேண்டிய X handle-கள்; அதிகபட்சம் 20 handle-கள்.
tools.x_search.from_dateவிருப்பத்தேர்வு
வகைstring | null
இடுகைகளுக்கான ஆரம்பத் தேதி, ISO வடிவமான YYYY-MM-DD-இல் குறிப்பிடப்படுகிறது.
tools.x_search.to_dateவிருப்பத்தேர்வு
வகைstring | null
இடுகைகளுக்கான இறுதித் தேதி, ISO வடிவமான YYYY-MM-DD-இல் குறிப்பிடப்படுகிறது.
enable_safety_checkerவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைtrue
அழைப்பாளர் அங்கீகரிக்கப்பட்டிருந்தால், false என அமைப்பதன் மூலம் திரையிடலைத் தளர்த்தலாம்.
தேவை நியமப் பெயர், இதுவும் ஏற்கப்படும்

கோப்பு அளவுருக்கள் பொதுவான https:// URL, 10 MB வரையிலான data: URI அல்லது பதிவேற்றத்தின் file_url-ஐ ஏற்கும். கோப்புகள்

வெளியீடு

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"
  }
}
உங்கள் கோப்புகள், உங்கள் தேர்வுஒவ்வொரு outputs[].url-ம் எங்கள் சேமிப்பகத்தில் உள்ள ஒரு நகல்: நிரந்தரமாக (GB-மாதத்திற்கு கட்டணம்) அல்லது உங்கள் கணக்கு அமைப்பு அல்லது ?storage= மூலம் இலவசமாக 7 நாட்கள் வைக்கப்படும்.
ஒவ்வொரு மாடலிலும் ஒரே வடிவம்படங்கள், வீடியோ மற்றும் ஆடியோ ஆகிய அனைத்திற்குமான type, url, content_type, width, height மற்றும் duration. output என்பது மாதிரியின் சொந்த முடிவு பொருளாகும்.
வெளியீட்டின் புலங்கள்
audio
object {url, content_type, file_name, file_size}Grok முகவரிடமிருந்து கிடைக்கும் பேச்சுப் பதில், 24 kHz mono WAV ஆக வழங்கப்படுகிறது.
text
stringமுகவரின் பேச்சுடன் வரும் உரை: வெற்று string எனில், Grok உரைமாற்றத்தை வழங்கவில்லை என்பதைக் குறிக்கும்; இல்லையெனில், அதில் உரைமாற்றம் இருக்கும்.
duration
numberஉருவாக்கப்பட்ட ஆடியோவின் நீளம், வினாடிகளில் அளவிடப்படுகிறது.

மேலும் மாதிரிகள்: ஆடியோ

AI ஏஜெண்டுகளுக்கு: இந்தப் பக்கம் Markdown வடிவில் இங்கே உள்ளது https://doitong.com/ta/developers/models/xai/grok-voice.md. அனைத்து மாடல்களும் வழிகாட்டிகளும்: https://doitong.com/developers/llms.txt