模型能力

Voice 概览

xAI Voice API 提供一系列由 Grok 驱动的强大 voice 能力,并具备企业级可靠性和亚秒级延迟。

Speech to Speech

由 Grok 驱动、支持工具使用的实时 Speech to Speech 对话。

延迟
亚秒级
Realtime
起价 $0.05 / min
Endpoint
/v1/realtime

Text to Speech

使用富有表现力的多语言 voice、speech tag 和电话 codec 生成语音。

Voices
富有表现力、多语言
价格
$15.00 / 1M chars
Endpoint
/v1/tts

Speech to Text

使用 batch 和 streaming 模式,将 25 种语言的音频转录为文本。

Batch
$0.10 / hour
Streaming
$0.20 / hour
Endpoint
/v1/stt

Speech to Speech

通过 WebSocket 构建实时 Speech to Speech voice agent,并支持低延迟轮次交互和工具使用。对于客户端应用,请使用 Ephemeral Tokens进行安全连接,避免暴露 API key。

import asyncio
import json
import os
import websockets

async def voice_agent():
    async with websockets.connect(
        "wss://api.x.ai/v1/realtime?model=grok-voice-latest",
        additional_headers={"Authorization": f"Bearer {os.environ['XAI_API_KEY']}"}
    ) as ws:
        # Configure voice and enable tools
        await ws.send(json.dumps({
            "type": "session.update",
            "session": {
                "voice": "eve",
                "instructions": "You are a helpful customer support agent.",
                "turn_detection": {"type": "server_vad"},
                "tools": [{"type": "web_search"}]
            }
        }))
        
        # Stream audio and receive responses
        async for message in ws:
            event = json.loads(message)
            if event["type"] == "response.output_audio.delta":
                # Play audio: base64.b64decode(event["delta"])
                pass

asyncio.run(voice_agent())

Demo 应用: Web Agent · Twilio Phone Agent · WebRTC Agent · iOS Tester App

Text to Speech

使用丰富且富有表现力的 voice 将文本转换为语音。支持 inline speech tag(笑声、耳语、停顿),以及从高保真 MP3 到电话 μ-law 的多种输出格式。可使用 unary 请求或 WebSocket streaming。

curl -X POST https://api.x.ai/v1/tts \
  -H "Authorization: Bearer $XAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Welcome to xAI. How can I help you today?",
    "voice_id": "eve",
    "language": "en"
  }' \
  --output welcome.mp3

实际应用示例: LiveKit · Pipecat

Speech to Text

通过一次调用转录音频文件,或通过 WebSocket streaming。支持 12 种音频格式、word-level timestamp、multichannel、speaker diarization、Smart Turn 轮次结束检测和 25 种语言。

curl -X POST https://api.x.ai/v1/stt \
  -H "Authorization: Bearer $XAI_API_KEY" \
  -F file=@recording.mp3

实际应用示例: Voximplant

快速开始:Custom Voices

从一段简短的参考音频 clip 克隆 voice,然后可以在任何支持内置 voice 的位置使用生成的 voice_id

# 1. Create a custom voice from a reference audio clip (max 120s).
curl -X POST https://api.x.ai/v1/custom-voices \
  -H "Authorization: Bearer $XAI_API_KEY" \
  -F "name=Friendly Narrator" \
  -F "language=en" \
  -F "file=@reference.wav;type=audio/wav"

# Response: { "voice_id": "nlbqfwie", ... }

# 2. Use the custom voice for TTS.
curl -X POST https://api.x.ai/v1/tts \
  -H "Authorization: Bearer $XAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello! This is my custom voice.",
    "voice_id": "nlbqfwie",
    "language": "en"
  }' \
  --output custom.mp3

自定义 voice_id 同样适用于 streaming TTS WebSocket 和 Speech to Speech realtime API。完整 API 请参阅 Custom Voices 指南

Voices

使用 Speech to Speech API 或 Text to Speech 时,可以从完整的内置 voice 集合中进行选择。每种 voice 都有自己的个性与音色,请选择最适合应用的一种(eve 为默认 voice):

Voice音色与用例Sample
carina柔和、富有同理心且令人安心WellnessSupport
zagan有力、戏剧化且极具辨识度CharactersNarration
helix大胆、动感且充满冲劲CommentaryPodcast
orion浑厚、电影感且富有共鸣NarrationAudiobooks
luna温和、耐心且极具关怀感EducationAssistant
iris友好、积极且自然迷人SalesSupport
altair优雅、精致且具有高级感AdvertisingNarration
zenith敏锐、专注且充满驱动力SalesAdvertising
perseus坚定、自信且值得信赖AdvertisingNarration
helios活泼、充满能量且用途广泛AssistantWellness
lux沉稳、平静且含蓄睿智WellnessNarration
kepler创新、前瞻且富有魅力AdvertisingPodcast
rigel精准、专业且从容自信AssistantSupport
cosmo明快、好奇且易于理解EducationPodcast
celeste富有同理心、自信且令人安心SupportAssistant
ursa友好、温暖且坚定可靠AssistantPodcast
sirius机敏、聪慧且俏皮CommentaryCharacters
lumen温暖、表达清晰且富有感染力EducationAdvertising
castor富有魅力、亲切且随和SalesSupport
naksh温暖、周到且睿智AssistantSupport
atlas自信、有掌控力且令人安心SalesAssistant
ara温暖友好
eve充满活力且积极
leo权威有力
rex自信清晰
sal流畅均衡

企业合规与安全

xAI Voice API 面向具有严格安全与合规要求的生产工作负载构建。所有音频数据均实时处理,绝不会存储或用于训练。

  • SOC 2 Type II — 针对安全性、可用性和保密性实施经审计的控制措施

  • 符合 HIPAA 资格 — 可为处理 PHI 的医疗健康应用提供 BAA

  • 符合 GDPR — 提供数据处理协议和 EU 数据驻留选项

  • 数据驻留 — 根据合规要求进行区域化处理

  • 高可用性 — 为企业工作负载提供多区域基础设施和定制 SLA

  • SSO 与 RBAC — 支持 SAML SSO、基于角色的访问控制和审计日志