مواد پر جائیں

Grok Voice

انٹیگریٹ کریں

ماڈل 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"

ہر رن کے لیے ⁨$1.494⁩ تک حقیقی استعمال کے مطابق چارج، باقی رقم واپس اس صفحے پر چلائیں

API کلید حاصل کریں
xAI آڈیو #xai#grok#voice#agent

وائس ایجنٹ جو ریکارڈ شدہ آڈیو کلپ سنتا ہے اور تقریر کے ساتھ جواب اور نقل فراہم کرتا ہے

xAI · آڈیو

آپ کا پہلا نتیجہ یہاں آئے گا

ذیل میں درخواست بنائیں اور اپنی API کلید کے ساتھ چلائیں۔ آؤٹ پٹس ہمارے اسٹوریج میں کاپی ہو جاتے ہیں، ہمیشہ کے لیے یا مفت میں 7 دن تک محفوظ رہتے ہیں۔

درخواست بنائیں

کنٹرولز ماڈل اسکیما سے تیار ہوتے ہیں۔ آپ کے بدلنے کے ساتھ کوڈ اور قیمت اپ ڈیٹ ہوتے ہیں۔

0 / 20000

اختیاری system instructions جو گفتگو کا context فراہم کرتی اور Grok کے ڈیفالٹ persona کی جگہ persona متعین کرتی ہیں؛ انہیں نہ دینے پر وہ ڈیفالٹ persona برقرار رہتا ہے۔

•لازمی audio_url
فائل ڈراپ کریں، یا

صارف کی تقریر کا آڈیو URL، زیادہ سے زیادہ 10 منٹ اور 50 MB۔ عام آڈیو formats فراہم کیے جا سکتے ہیں؛ Grok کو آڈیو ملنے سے پہلے اسے 24 kHz پر 16-bit samples کے ساتھ mono PCM میں تبدیل کیا جاتا ہے۔ ایجنٹ recording کا جواب تقریر کے ساتھ دیتا ہے۔

ایڈوانسڈ voice · enable_safety_checker · tools

ایجنٹ کے جواب کے لیے Grok کے ڈیفالٹ کو override کرنے والی built-in xAI voice منتخب کریں؛ اسے unset رکھنے پر ڈیفالٹ voice برقرار رہتی ہے۔

ڈیفالٹ {"mcp_servers":[],"we...

سرور سائیڈ استعمال کے لیے ایجنٹ tool configuration؛ ZDR کی وجہ سے typed configuration سے file_search/collections خارج ہیں۔ تمام tools ابتدا میں disabled ہوتے ہیں؛ supported options میں remote MCP tools، web tools اور X tools شامل ہیں۔

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

یہ درخواست چلائیں

آپ کی key اسی براؤزر میں رہتی ہے: یہ صرف Doitong API کو بھیجی جاتی ہے اور صرف اس صورت میں localStorage میں محفوظ ہوتی ہے جب آپ Remember منتخب کریں۔ API کلید حاصل کریں

Grok Voice کے بارے میں

`audio_url` کے ذریعے ریکارڈنگ بھیجیں، اور ایجنٹ بولی گئی آڈیو میں جواب دیتا ہے، جو 24 kHz مونو WAV کے طور پر اس کے دورانیے اور دستیاب ہونے پر ٹرانسکرپٹ کے ساتھ واپس آتی ہے۔ اختیاری `prompt` (زیادہ سے زیادہ 20000 حروف) شخصیت اور سیاق مقرر کرتا ہے، جبکہ `voice` بلٹ اِن آواز منتخب کرتا ہے۔ `tools` آبجیکٹ ویب سرچ، X سرچ یا ریموٹ MCP سرورز فعال کر سکتا ہے؛ سب کا ڈیفالٹ آف ہے۔

پیرامیٹرز

معیاری نام یا مقامی نام میں سے صرف ایک بھیجیں، دونوں نہیں۔ معیاری نام

نامقسم ڈیفالٹمجاز تفصیل
audio_urlلازمی audio
قسمurl · audio
صارف کی تقریر کا آڈیو URL، زیادہ سے زیادہ 10 منٹ اور 50 MB۔ عام آڈیو formats فراہم کیے جا سکتے ہیں؛ Grok کو آڈیو ملنے سے پہلے اسے 24 kHz پر 16-bit samples کے ساتھ mono PCM میں تبدیل کیا جاتا ہے۔ ایجنٹ recording کا جواب تقریر کے ساتھ دیتا ہے۔
promptاختیاری
قسمstring | null
≤ 20,000 کریکٹرز
اختیاری system instructions جو گفتگو کا context فراہم کرتی اور Grok کے ڈیفالٹ persona کی جگہ persona متعین کرتی ہیں؛ انہیں نہ دینے پر وہ ڈیفالٹ persona برقرار رہتا ہے۔
voiceاختیاری
قسمenum
carinazaganhelixorionlunairisaltairzenithperseusheliosluxkeplerrigelcosmocelesteursa
+12 مزیدsiriuslumencastornakshatlasauroralioraaraeveleorexsal
ایجنٹ کے جواب کے لیے Grok کے ڈیفالٹ کو override کرنے والی built-in xAI voice منتخب کریں؛ اسے unset رکھنے پر ڈیفالٹ voice برقرار رہتی ہے۔
toolsاختیاری
قسمobject
ڈیفالٹ{"mcp_servers":[],"web_search":{"enabled":false},"x_search":{"enabled":false}}
سرور سائیڈ استعمال کے لیے ایجنٹ tool configuration؛ ZDR کی وجہ سے typed configuration سے file_search/collections خارج ہیں۔ تمام tools ابتدا میں disabled ہوتے ہیں؛ supported options میں remote MCP tools، web tools اور X tools شامل ہیں۔
tools.mcp_serversاختیاری
قسمobject[]
وہ remote MCP servers جن سے tool execution کے لیے ماڈل provider جڑتا ہے۔
tools.mcp_servers[].allowed_toolsاختیاری
قسمstring[]
≥ 1 items
اختیاری فہرست جو متعین کرتی ہے کہ یہ server کون سے tool names expose کرتا ہے۔
tools.mcp_servers[].authorizationاختیاری
قسمstring | null
حساس authorization value جو صرف ماڈل provider کو بھیجی جاتی ہے۔
tools.mcp_servers[].enabledاختیاری
قسمboolean
ڈیفالٹtrue
Server inclusion flag؛ false server کو خارج کرتا ہے۔
tools.mcp_servers[].headersاختیاری
قسمobject | null
MCP درخواستوں کے لیے حساس headers، جو صرف ماڈل provider کو بھیجے جاتے ہیں۔
tools.mcp_servers[].server_descriptionاختیاری
قسمstring | null
≤ 2000 characters
اس server کی فراہم کردہ capabilities کا خاکہ۔
tools.mcp_servers[].server_labelلازمی
قسمstring
1 – 128 characters
وہ server label جسے ماڈل provider اپنے tools کی شناخت اور ان کے names کے prefix کے لیے استعمال کرتا ہے۔
tools.mcp_servers[].server_urlلازمی
قسمstring
≥ 1 characters
caller کی فراہم کردہ HTTP(S) address، جس سے Grok Streaming HTTP/SSE transports کے ذریعے remote MCP server سے جڑتا ہے۔
tools.web_search.allowed_domainsاختیاری
قسمstring[]
1 – 5 items
Search results کے لیے domain restriction: زیادہ سے زیادہ پانچ domains متعین کریں، protocols اور paths کے بغیر۔
tools.web_search.enable_image_understandingاختیاری
قسمboolean | null
ایجنٹ کو web searches کے ذریعے دریافت ہونے والی تصاویر کا جائزہ لینے کی اجازت۔
tools.web_search.enabledاختیاری
قسمboolean
ڈیفالٹfalse
ایجنٹ کے لیے web-search رسائی: true، session.tools میں web_search شامل کرتا اور web searches کی اجازت دیتا ہے؛ ڈیفالٹ اسے disabled رکھتا ہے۔
tools.web_search.excluded_domainsاختیاری
قسمstring[]
1 – 5 items
Search results سے خارج کیے جانے والے domains، زیادہ سے زیادہ پانچ entries؛ protocols اور paths کے بغیر۔
tools.web_search.locationاختیاری
قسمobject
جغرافیائی طور پر search results کو حسبِ ضرورت بنانے کے لیے اختیاری location۔
tools.x_search.allowed_x_handlesاختیاری
قسمstring[]
1 – 20 items
X handles جن کی posts نتائج میں ظاہر ہو سکتی ہیں، زیادہ سے زیادہ 20 handles۔
tools.x_search.enable_image_understandingاختیاری
قسمboolean | null
ایجنٹ کو X پر دریافت ہونے والی تصاویر کا جائزہ لینے کی اجازت۔
tools.x_search.enable_video_understandingاختیاری
قسمboolean | null
ایجنٹ کو X پر دریافت ہونے والی ویڈیوز کا جائزہ لینے کی اجازت۔
tools.x_search.enabledاختیاری
قسمboolean
ڈیفالٹfalse
Search کے ذریعے X posts تک رسائی: true، session.tools میں x_search شامل کرتا ہے تاکہ ایجنٹ ان posts کو search کر سکے؛ ڈیفالٹ اسے disabled رکھتا ہے۔
tools.x_search.excluded_x_handlesاختیاری
قسمstring[]
1 – 20 items
X handles جن کی posts خارج کی جاتی ہیں، زیادہ سے زیادہ 20 handles۔
tools.x_search.from_dateاختیاری
قسمstring | null
Posts کے لیے ابتدائی تاریخ، ISO format YYYY-MM-DD میں۔
tools.x_search.to_dateاختیاری
قسمstring | null
Posts کے لیے آخری تاریخ، ISO format YYYY-MM-DD میں۔
enable_safety_checkerاختیاری
قسمboolean
ڈیفالٹtrue
false سیٹ کر کے اسکریننگ نرم کی جا سکتی ہے، بشرطیکہ کال کرنے والا مجاز ہو۔
لازمی معیاری نام، یہ بھی قبول ہے

فائل پیرامیٹرز عوامی https:// URL، 10 MB تک کی data: URI، یا اپ لوڈ کے file_url کو قبول کرتے ہیں۔ فائلیں

آؤٹ پٹ

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"
  }
}
آپ کی فائلیں، آپ کا انتخابہر outputs[].url ہمارے اسٹوریج میں ایک کاپی ہے: ہمیشہ کے لیے محفوظ (فی GB-ماہ ادائیگی) یا مفت میں 7 دن تک، آپ کی اکاؤنٹ سیٹنگ یا ?storage= کے مطابق۔
ہر ماڈل میں ایک جیسی ساختtype، url، content_type، width، height اور duration، تصاویر، ویڈیو اور آڈیو سب کے لیے یکساں۔ output ماڈل کا اپنا نتیجہ آبجیکٹ ہے۔
آؤٹ پٹ کے فیلڈز
audio
object {url, content_type, file_name, file_size}Grok ایجنٹ کا بول کر دیا گیا جواب، 24 kHz پر mono WAV کے طور پر فراہم کیا جاتا ہے۔
text
stringایجنٹ کی گفتگو کے ساتھ موجود متن: خالی سٹرنگ اس بات کی نشاندہی کرتی ہے کہ Grok نے ٹرانسکرپٹ فراہم نہیں کیا؛ بصورتِ دیگر، اس میں ٹرانسکرپٹ شامل ہوتا ہے۔
duration
numberتیار کردہ آڈیو کی لمبائی، سیکنڈ میں۔

مزید ماڈلز: آڈیو

AI ایجنٹس کے لیے: یہ صفحہ Markdown میں یہاں موجود ہے https://doitong.com/ur/developers/models/xai/grok-voice.md. تمام ماڈلز اور گائیڈز: https://doitong.com/developers/llms.txt