ข้ามไปยังเนื้อหา

Grok Voice

ผสานการทำงาน

ID โมเดล 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"

สูงสุด $1.494 ต่อการเรียกใช้ คิดค่าบริการตามการใช้งานจริง ส่วนที่เหลือจะคืนเงิน เรียกใช้ในหน้านี้

รับคีย์ API
xAI เสียง #xai#grok#voice#agent

เอเจนต์เสียงที่ฟังคลิปเสียงที่บันทึกไว้และตอบกลับด้วยเสียงพูดพร้อมข้อความถอดเสียง

xAI · เสียง

ผลลัพธ์แรกของคุณจะแสดงที่นี่

สร้างคำขอด้านล่างและเรียกใช้ด้วยคีย์ API ของคุณ เอาต์พุตจะถูกคัดลอกไปยังพื้นที่จัดเก็บของเรา และเก็บไว้ตลอดไปหรือฟรี 7 วัน

สร้างคำขอ

ตัวควบคุมสร้างจากสคีมาของโมเดล โค้ดและราคาจะอัปเดตเมื่อคุณเปลี่ยนค่า

0 / 20000

คำสั่งระบบที่ไม่บังคับใช้เพื่อให้บริบทการสนทนาและระบุบุคลิกแทนค่าเริ่มต้นของ Grok หากไม่ระบุ ระบบจะคงบุคลิกค่าเริ่มต้นไว้

•จำเป็น audio_url
วางไฟล์ หรือ

URL เสียงสำหรับคำพูดของผู้ใช้ จำกัดที่ 10 นาทีและ 50 MB สามารถระบุรูปแบบเสียงที่ใช้กันทั่วไปได้ ก่อนที่ Grok จะได้รับเสียง ระบบจะแปลงเป็น mono PCM ที่มีตัวอย่าง 16 บิตและความถี่ 24 kHz เอเจนต์จะตอบกลับการบันทึกด้วยเสียงพูด

ขั้นสูง voice · enable_safety_checker · tools

เลือกเสียง xAI ในตัวเพื่อแทนที่เสียงค่าเริ่มต้นของ Grok สำหรับการตอบกลับของเอเจนต์ หากไม่ตั้งค่านี้ ระบบจะคงเสียงค่าเริ่มต้นไว้

ค่าเริ่มต้น {"mcp_servers":[],"we...

การกำหนดค่าเครื่องมือของเอเจนต์สำหรับการใช้งานฝั่งเซิร์ฟเวอร์ โดยไม่รวม file_search/collections จากการกำหนดค่าแบบมีชนิดเนื่องจาก ZDR เครื่องมือทั้งหมดเริ่มต้นในสถานะปิด ตัวเลือกที่รองรับได้แก่เครื่องมือ MCP ระยะไกล เครื่องมือเว็บ และเครื่องมือ X

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

เรียกใช้คำขอนี้

คีย์ของคุณจะอยู่ในเบราว์เซอร์นี้ โดยส่งไปยัง Doitong API เท่านั้น และจะบันทึกใน localStorage ก็ต่อเมื่อคุณเลือกจดจำ รับคีย์ API

เกี่ยวกับ Grok Voice

ส่งไฟล์บันทึกผ่าน `audio_url` แล้วเอเจนต์จะตอบกลับเป็นเสียงพูดในรูปแบบ WAV โมโน 24 kHz พร้อมระยะเวลาและข้อความถอดเสียงเมื่อมีข้อมูล `prompt` ที่เป็นตัวเลือก (สูงสุด 20000 อักขระ) ใช้กำหนดบุคลิกและบริบท ส่วน `voice` ใช้เลือกเสียงในตัว ออบเจ็กต์ `tools` สามารถเปิดใช้การค้นหาเว็บ การค้นหา X หรือเซิร์ฟเวอร์ MCP ระยะไกล ซึ่งทั้งหมดปิดใช้งานไว้เป็นค่าเริ่มต้น

พารามิเตอร์

ส่งชื่อมาตรฐานหรือชื่อดั้งเดิมอย่างใดอย่างหนึ่งเท่านั้น ห้ามส่งทั้งสองชื่อ ชื่อมาตรฐาน

ชื่อประเภท ค่าเริ่มต้นค่าที่อนุญาต คำอธิบาย
audio_urlจำเป็น audio
ประเภทurl · audio
URL เสียงสำหรับคำพูดของผู้ใช้ จำกัดที่ 10 นาทีและ 50 MB สามารถระบุรูปแบบเสียงที่ใช้กันทั่วไปได้ ก่อนที่ Grok จะได้รับเสียง ระบบจะแปลงเป็น mono PCM ที่มีตัวอย่าง 16 บิตและความถี่ 24 kHz เอเจนต์จะตอบกลับการบันทึกด้วยเสียงพูด
promptไม่บังคับ
ประเภทstring | null
≤ 20,000 อักขระ
คำสั่งระบบที่ไม่บังคับใช้เพื่อให้บริบทการสนทนาและระบุบุคลิกแทนค่าเริ่มต้นของ Grok หากไม่ระบุ ระบบจะคงบุคลิกค่าเริ่มต้นไว้
voiceไม่บังคับ
ประเภทenum
carinazaganhelixorionlunairisaltairzenithperseusheliosluxkeplerrigelcosmocelesteursa
เพิ่มเติมอีก 12 ค่าsiriuslumencastornakshatlasauroralioraaraeveleorexsal
เลือกเสียง xAI ในตัวเพื่อแทนที่เสียงค่าเริ่มต้นของ Grok สำหรับการตอบกลับของเอเจนต์ หากไม่ตั้งค่านี้ ระบบจะคงเสียงค่าเริ่มต้นไว้
toolsไม่บังคับ
ประเภทobject
ค่าเริ่มต้น{"mcp_servers":[],"web_search":{"enabled":false},"x_search":{"enabled":false}}
การกำหนดค่าเครื่องมือของเอเจนต์สำหรับการใช้งานฝั่งเซิร์ฟเวอร์ โดยไม่รวม file_search/collections จากการกำหนดค่าแบบมีชนิดเนื่องจาก ZDR เครื่องมือทั้งหมดเริ่มต้นในสถานะปิด ตัวเลือกที่รองรับได้แก่เครื่องมือ MCP ระยะไกล เครื่องมือเว็บ และเครื่องมือ X
tools.mcp_serversไม่บังคับ
ประเภทobject[]
เซิร์ฟเวอร์ MCP ระยะไกลที่ผู้ให้บริการโมเดลเชื่อมต่อเพื่อดำเนินการเครื่องมือ
tools.mcp_servers[].allowed_toolsไม่บังคับ
ประเภทstring[]
≥ 1 items
รายการเสริมที่ระบุชื่อเครื่องมือที่เซิร์ฟเวอร์นี้เปิดให้ใช้งาน
tools.mcp_servers[].authorizationไม่บังคับ
ประเภทstring | null
ค่าการอนุญาตที่ละเอียดอ่อนซึ่งส่งให้ผู้ให้บริการโมเดลเท่านั้น
tools.mcp_servers[].enabledไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นtrue
แฟล็กการรวมเซิร์ฟเวอร์ หากเป็น false จะไม่รวมเซิร์ฟเวอร์นี้
tools.mcp_servers[].headersไม่บังคับ
ประเภทobject | null
ส่วนหัวที่ละเอียดอ่อนสำหรับคำขอ MCP ซึ่งส่งให้ผู้ให้บริการโมเดลเท่านั้น
tools.mcp_servers[].server_descriptionไม่บังคับ
ประเภทstring | null
≤ 2000 characters
คำอธิบายความสามารถที่เซิร์ฟเวอร์นี้เปิดให้ใช้งาน
tools.mcp_servers[].server_labelจำเป็น
ประเภทstring
1 – 128 characters
ป้ายกำกับเซิร์ฟเวอร์ที่ผู้ให้บริการโมเดลใช้ระบุเครื่องมือและเติมคำนำหน้าชื่อเครื่องมือ
tools.mcp_servers[].server_urlจำเป็น
ประเภทstring
≥ 1 characters
ที่อยู่ HTTP(S) ที่ผู้เรียกใช้ระบุสำหรับเซิร์ฟเวอร์ MCP ซึ่ง Grok เชื่อมต่อจากระยะไกลผ่านการส่งข้อมูลแบบ Streaming HTTP/SSE
tools.web_search.allowed_domainsไม่บังคับ
ประเภทstring[]
1 – 5 items
ข้อจำกัดโดเมนสำหรับผลการค้นหา: ระบุได้สูงสุดห้าโดเมน โดยไม่ต้องใส่โปรโตคอลและพาธ
tools.web_search.enable_image_understandingไม่บังคับ
ประเภทboolean | null
สิทธิ์ของเอเจนต์ในการตรวจสอบรูปภาพที่ค้นพบผ่านการค้นหาเว็บ
tools.web_search.enabledไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นfalse
สิทธิ์เข้าถึงการค้นหาเว็บสำหรับเอเจนต์: true จะเพิ่ม web_search ลงใน session.tools และอนุญาตให้ค้นหาเว็บ ค่าเริ่มต้นจะปิดใช้งาน
tools.web_search.excluded_domainsไม่บังคับ
ประเภทstring[]
1 – 5 items
โดเมนที่ไม่รวมจากผลการค้นหา จำกัดไว้ที่ห้ารายการ โดยไม่ต้องใส่โปรโตคอลและพาธ
tools.web_search.locationไม่บังคับ
ประเภทobject
ตำแหน่งเสริมสำหรับปรับผลการค้นหาตามภูมิศาสตร์
tools.x_search.allowed_x_handlesไม่บังคับ
ประเภทstring[]
1 – 20 items
แฮนเดิล X ที่โพสต์อาจปรากฏในผลลัพธ์ จำกัดไว้ที่ 20 แฮนเดิล
tools.x_search.enable_image_understandingไม่บังคับ
ประเภทboolean | null
สิทธิ์ของเอเจนต์ในการตรวจสอบรูปภาพที่ค้นพบบน X
tools.x_search.enable_video_understandingไม่บังคับ
ประเภทboolean | null
สิทธิ์ของเอเจนต์ในการตรวจสอบวิดีโอที่ค้นพบบน X
tools.x_search.enabledไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นfalse
สิทธิ์เข้าถึงโพสต์บน X ผ่านการค้นหา: true จะเพิ่ม x_search ลงใน session.tools เพื่อให้เอเจนต์ค้นหาโพสต์เหล่านั้นได้ ส่วนค่าเริ่มต้นจะปิดใช้งานไว้
tools.x_search.excluded_x_handlesไม่บังคับ
ประเภทstring[]
1 – 20 items
แฮนเดิล X ที่ไม่รวมโพสต์ของแฮนเดิลเหล่านั้น โดยจำกัดไว้ที่ 20 แฮนเดิล
tools.x_search.from_dateไม่บังคับ
ประเภทstring | null
วันที่เร็วที่สุดของโพสต์ ในรูปแบบ ISO YYYY-MM-DD
tools.x_search.to_dateไม่บังคับ
ประเภทstring | null
วันที่ล่าสุดของโพสต์ ในรูปแบบ ISO YYYY-MM-DD
enable_safety_checkerไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นtrue
สามารถผ่อนปรนการคัดกรองได้โดยตั้งค่าเป็น false หากผู้เรียกมีสิทธิ์
จำเป็น ชื่อมาตรฐาน ซึ่งรองรับเช่นกัน

พารามิเตอร์ไฟล์รับ URL https:// สาธารณะ, data: URI ขนาดไม่เกิน 10 MB หรือ file_url ของไฟล์ที่อัปโหลด ไฟล์

เอาต์พุต

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"
  }
}
ไฟล์ของคุณ คุณเลือกเองทุก outputs[].url คือสำเนาบนพื้นที่จัดเก็บของเรา: เก็บไว้ตลอดไป (คิดค่าบริการต่อ GB-เดือน) หรือฟรี 7 วัน โดยกำหนดได้ในการตั้งค่าบัญชีหรือ ?storage=
รูปแบบเดียวกันในทุกโมเดลtype, url, content_type, width, height และ duration สำหรับภาพ วิดีโอ และเสียงเหมือนกันทั้งหมด ส่วน output คือออบเจ็กต์ผลลัพธ์ของโมเดลเอง
ฟิลด์ของเอาต์พุต
audio
object {url, content_type, file_name, file_size}การตอบกลับด้วยเสียงจากเอเจนต์ Grok ส่งเป็น WAV แบบโมโนที่ 24 kHz
text
stringข้อความประกอบคำพูดของเอเจนต์: สตริงว่างหมายความว่า Grok ไม่ได้ส่งทรานสคริปต์มา มิฉะนั้นจะมีทรานสคริปต์อยู่
duration
numberความยาวของเสียงที่สร้างขึ้น วัดเป็นวินาที

โมเดลเพิ่มเติม: เสียง

สำหรับเอเจนต์ AI: หน้า Markdown นี้อยู่ที่ https://doitong.com/th/developers/models/xai/grok-voice.md. โมเดลและคู่มือทั้งหมด: https://doitong.com/developers/llms.txt