本文へスキップ

規制なし — このモデルはコンテンツフィルターを持たないと表明しています。SpicyAPI 側で内容スキャンを追加することはなく、リクエストはそのまま転送します。法令の順守と同意の確認は、お客様の責任です。このフィルタリング水準のモデルを一覧で見る
xai/grok-tts/text-to-speech

Grok TTS は xAI の text-to-speech で、最大 15,000 文字の台本を 20 言語・71 種のプリセットボイスで読み上げます。笑い声やささやきなどのタグが演じられ、速度は 0.7〜1.5 倍です。

最低価格 $0.018/1,000 文字
モデルを実行

プレイグラウンド

リクエストを送信

クイックスタート

例は、選択中のエンドポイントの公開パラメーター定義から作っています。API キーとサンプル素材を差し替えて、ご自身のサーバーから送信してください。

SDK・連携
POSThttps://api.spicyapi.ai/api/v1/jobs/createTask

API 認証

API キーはサーバーの環境変数 SPICY_API_KEY に保存します。Bearer 認証を使用し、JSON リクエストには Content-Type: application/json を指定してください。

Authorization: Bearer $SPICY_API_KEY
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
  -H "Authorization: Bearer $SPICY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
  -d '{
  "model": "xai/grok-tts/text-to-speech",
  "input": {
    "text": "Welcome back. Your files finished rendering a minute ago and are ready to download.",
    "bitrate": 128000,
    "language": "auto",
    "voice_id": "eve",
    "sample_rate": 24000,
    "output_format": "mp3"
  }
}'

# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
  -H "Authorization: Bearer $SPICY_API_KEY"

このモデルの入力スキーマから生成した例です。API はどのリクエストも、同じスキーマで検証します。

入力パラメーター

これらのフィールドは、リクエスト本文の input オブジェクトに指定します。名前と型は API と一致します。デフォルト値の指定がない項目に、デフォルト値があると想定しないでください。

textstring必須

読み上げる言葉を書かれたとおりに指定します。[laugh] や <whisper>…</whisper> などの音声タグも書けます。1〜15,000 文字。スペース、句読点、タグを含めて 1,000 文字ごとに課金されます。

デフォルト値
指定なし
制約
minLength:1
maxLength:15000
optimize_streaming_latencyinteger任意

モデルのストリーミング遅延レベルです。0(既定)は最高の音質を保ちます。1 は最初の音声チャンクを小さくして最初の音が出るまでの時間を短くし、チャンクの境目でわずかに音質が落ちることがあります。2 は最初のチャンクを最小にし、音質の低下がより目立つことがあります。料金には影響しません。

デフォルト値
0
使用可能な値
012
text_normalizationboolean任意

オンにすると、数字、略語、記号などの書き言葉を読み上げ前に話し言葉の形に変換します。既定はオフです。料金には影響しません。

デフォルト値
false
bitrateinteger任意

MP3 のビットレート(bps)で、32000〜192000、既定は 128000 です。output_format が mp3 のときだけ有効です。料金には影響しません。

デフォルト値
128000
使用可能な値
320006400096000128000192000
sample_rateinteger任意

サンプリングレート(Hz)で、8000、16000、22050、24000(既定)、44100、48000 から選びます。電話回線には mulaw か alaw と 8000 を、スタジオ用途には 44100 か 48000 を使います。料金には影響しません。

デフォルト値
24000
使用可能な値
80001600022050240004410048000
output_formatstring任意

音声のエンコード形式です。mp3(既定)、wav、または電話システム向けのヘッダーなしストリーム pcm、mulaw、alaw から選びます。料金には影響しません。

デフォルト値
"mp3"
使用可能な値
"mp3""wav""pcm""mulaw""alaw"
speednumber任意

話す速さで、0.7(遅い)〜1.5(速い)、既定は 1.0 です。料金には影響しません。

デフォルト値
1
制約
minimum:0.7
maximum:1.5
languagestring任意

読み上げ言語の言語コード、または台本から自動判定する auto(既定)を指定します。短い台本や言語が混ざった台本が別の言語で読まれるときに設定してください。オランダ語、ポーランド語、スウェーデン語、フィンランド語、デンマーク語、タイ語のボイスには専用のコードがないため auto のままにします。料金には影響しません。

デフォルト値
"auto"
使用可能な値
"auto""en""zh""ar-EG""ar-SA""ar-AE""bn""fr""de""hi""id""it""ja""ko""pt-BR""pt-PT""ru""es-MX""es-ES""tr""vi"
voice_idstring任意

71 種類のプリセットボイスから 1 つを選びます。一覧には名前、性別、言語が表示されます。Eve(既定)、Ara、Leo、Rex、Sal は対応するすべての言語を話し、ほかは 1 言語に特化しています。料金には影響しません。

デフォルト値
"eve"
使用可能な値
"ara""eve""leo""rex""sal""jpi39icg""d18jlf6v""33g9t0jl""26w6ihxi""dr8gqysu""wy0m9l5w""om17cury""x7avnu1k""bcs7l2c3""hqxr4yub""h27ltdnz""89q2pnko""73xd5dum""0p0rt7o1""hbxkrnwm""69smp8rm""yis75yfp""ekhwx401""jupvcf34""0hhfxxqq""0ih5oi34""gwnexu6y""97zmdc6s""fc7de6afcf6c""7a9ee820b342""0895a5b8ce5c""f8cf5c2c78d4""96819d0bd28d""79f3a8b96d43""78a495fdbb39""e22152e06fd8""490ea3be50b1""1f046a033914""dfe7b9e7d217""c3a2c594479e""83c6f4fea98e""34fd4dce1ba3""d634b6da3d3b""670a0c3ac005""182a91893636""d0cb9ff07d95""b1a7441b97a1""bf9fe5b5f981""b5ae17439907""a0401c9101f8""23be42535a45""abfbdf26f115""6da5baee46d0""3d030bc92a87""a13662ba951c""58d27475085e""247783ebdd51""244e27b39200""97fabd54445f""37329fd8895a""2badb5f46b1e""1b12d5daee6b""908c4626660f""4ff93971bfdc""70013edeb8e8""35c8d7f60dc8""23468361b4ef""458705c07139""41321eb41295""40f31906b23d""3a7889066fa2"

タスクを追跡

HTTP 202 はタスクを受け付けたという意味で、生成が終わったという意味ではありません。返ってきた taskId を保存し、そのタスクの状態を問い合わせてください。結果を待っている間に、同じ内容でタスクを作り直さないでください。

受理レスポンス
HTTP/1.1 202 Accepted
Location: /api/v1/jobs/recordInfo?taskId=job_01k3m8x9q2z4v7n5p6r8s0t1w3

{
  "code": 200,
  "msg": "success",
  "request_id": "req_example_create",
  "data": {
    "taskId": "job_01k3m8x9q2z4v7n5p6r8s0t1w3",
    "state": "queued",
    "estimatedCost": "0.750000"
  }
}

受理レスポンスには今回の概算料金が含まれるため、アプリのタスク履歴と請求画面に同じ金額を表示できます。

タスクを取得する
curl --get "https://api.spicyapi.ai/api/v1/jobs/recordInfo" \
  --data-urlencode "taskId=$TASK_ID" \
  -H "Authorization: Bearer $SPICY_API_KEY"

ポーリングは約 2 秒間隔から始め、徐々に間隔を延ばします。終了状態になったら止めてください。通信が切れたときも、元の taskId で状態を確認します。作成をやり直すときは、同じ冪等キーと同じ本文をそのまま使い回してください。

あるいは、コールバックに知らせてもらう
import { verifyWebhook } from "@spicyapi/sdk";

// express.raw keeps the bytes we signed; express.json never matches.
app.post("/hooks/spicy", express.raw({ type: "application/json" }), (req, res) => {
  const { payload } = verifyWebhook({
    rawBody: req.body,
    timestamp: req.header("X-Webhook-Timestamp"),
    signature: req.header("X-Webhook-Signature"),
    payloadVersion: Number(req.header("X-Webhook-Payload-Version")),
    secret: process.env.SPICY_WEBHOOK_SECRET,
  });
  res.status(200).end();
  void handleFinishedTask(payload);
});

タスク作成時に callBackUrl を渡せば、完了したレコードが POST で届きます——ポーリングは一切不要です。配信には毎回 X-Webhook-Timestamp、X-Webhook-Signature、X-Webhook-Payload-Version が付きます。署名は taskId.timestamp.sha256(body) に対する HMAC-SHA256（base64）なので、生のバイト列で検証してください。JSON を解析して再度文字列化するとバイト列が変わり、検証は必ず失敗します。失敗した配信は再送されるため同じ taskId が二度届くことがあります。ハンドラーは冪等に。まず 2xx を返し、処理はその後で——応答が遅いと配信失敗として扱われます。

結果を取得

output を読むのは、state が succeeded のときだけにしてください。失敗したときは errorCode、errorMessage、request_id を手がかりに調べます。例に出ている料金や状態は、実際の請求ではありません。

完了レスポンスの例
{
  "code": 200,
  "msg": "success",
  "request_id": "req_example_record",
  "data": {
    "taskId": "job_01k3m8x9q2z4v7n5p6r8s0t1w3",
    "model": "xai/grok-tts/text-to-speech",
    "state": "succeeded",
    "output": {
      "assets": [
        {
          "key": "tasks/2026/08/28/job_01k3m8x9q2z4v7n5p6r8s0t1w3/3f7a1c9e5b2d48f0a6c1e3d5b7f9a1c3.mp3",
          "mime": "audio/mpeg",
          "url": "https://example.r2.cloudflarestorage.com/results/job_01k3m8x9q2z4v7n5p6r8s0t1w3/result.mp3?X-Amz-Signature=SIGNATURE_FROM_RESPONSE",
          "expiresAt": "2026-08-28T12:20:08.000Z"
        }
      ]
    },
    "cost": "0.750000",
    "settled": true,
    "createdAt": "2026-08-28T12:00:00Z",
    "completedAt": "2026-08-28T12:00:30Z"
  }
}

利用可能なファイルは assets[].url からそのまま開くか、ダウンロードできます。API の Authorization ヘッダーは不要です。署名付き URL は expiresAt で失効しますが、保存期間内であればタスクを再取得することで更新できます。処理中または利用できないファイルに URL はありません。署名付き URL は非公開情報として扱ってください。

SDK・連携

アプリ、ターミナル、AI アシスタント、ビジュアルワークフローで SpicyAPI を活用。接続ガイドを選んでください。

SDKs
TypeScript · Python · Go · PHP · Java
CLI
ターミナルコマンドと自動化スクリプト。
MCP
Claude Code · Cursor · Codex
Agent Skill
AI アシスタントで再利用できる手順。
n8n
セルフホスト版のコミュニティノードと、n8n Cloud にインポートできる HTTP Request テンプレート。
ComfyUI
ノードで組み立てる画像・動画・音声ワークフロー。

その他の連携

SillyTavernTelegram / DiscordApp proxyOpenAI SDKLangChainVercel AI SDK
すぐ使えるワークフローを見る

ComfyUI で使う

ComfyUI Manager か下のコマンドで SpicyAPI ノードをインストールしたら、キャンバスで Grok TTS · Text to Speech を検索してください。このノードにはこのページと同じオプションがあり、実行前に価格が表示されます。

cd ComfyUI/custom_nodes
git clone https://github.com/spicyapi-ai/comfyui-spicyapi
ワークフロー例セットアップガイドGitHub のソース