Przejdź do treści głównej

Bez cenzury — Ten model deklaruje brak filtra treści. SpicyAPI przekazuje żądanie dalej, nie dokładając własnego skanowania po stronie platformy; obowiązki prawne i kwestia zgody pozostają po stronie klienta.Zobacz wszystkie modele na tym poziomie filtrowania
xai/grok-tts/text-to-speech

Grok TTS od xAI to zamiana tekstu na mowę: czyta skrypt do 15 000 znaków jednym z 71 gotowych głosów w 20 językach. Znaczniki mowy, takie jak śmiech czy szept, są odegrane, a tempo mieści się od 0,7 do 1,5 raza.

Od $0.018/1 000 znaków
Uruchom model

Obszar roboczy

Wyślij żądanie

Szybki start

Przykłady korzystają z publicznych definicji parametrów wybranego endpointu. Podmień klucz API i przykładowe media, a potem wyślij żądanie ze swojego serwera.

SDK i integracje
POSThttps://api.spicyapi.ai/api/v1/jobs/createTask

Uwierzytelnianie API

Klucz API trzymaj w zmiennej środowiskowej serwera SPICY_API_KEY. Dla żądań JSON używaj uwierzytelniania Bearer i Content-Type: application/json.

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"

Wygenerowane ze schematu wejścia tego modelu – tego samego, względem którego API waliduje każde żądanie.

Parametry wejściowe

Te pola umieść w obiekcie input w ciele żądania. Nazwy i typy odpowiadają API. Gdy wartości domyślnej nie podano, nie zakładaj żadnej.

textstringWymagane

Słowa do wypowiedzenia, dokładnie tak, jak je napisano, z opcjonalnymi tagami mowy, np. [laugh] lub <whisper>…</whisper>. Od 1 do 15 000 znaków. Rozliczenie za każde 1000 znaków, łącznie ze spacjami, interpunkcją i tagami.

Domyślnie
Nie określono
Ograniczenia
minLength:1
maxLength:15000
optimize_streaming_latencyintegerOpcjonalne

Poziom opóźnienia strumieniowania modelu: 0 (domyślnie) zachowuje najlepszą jakość dźwięku; 1 zmniejsza pierwszy fragment audio, by dźwięk pojawiał się szybciej, z niewielką utratą jakości na styku fragmentów; 2 używa najmniejszego pierwszego fragmentu, a utrata jakości jest bardziej słyszalna. Nie wpływa na cenę.

Domyślnie
0
Dozwolone wartości
012
text_normalizationbooleanOpcjonalne

Po włączeniu formy pisane, takie jak liczby, skróty i symbole, są przed czytaniem zamieniane na formę mówioną. Domyślnie wyłączone. Nie wpływa na cenę.

Domyślnie
false
bitrateintegerOpcjonalne

Przepływność MP3 w bitach na sekundę: od 32000 do 192000, domyślnie 128000. Działa tylko przy output_format mp3. Nie wpływa na cenę.

Domyślnie
128000
Dozwolone wartości
320006400096000128000192000
sample_rateintegerOpcjonalne

Częstotliwość próbkowania w Hz: 8000, 16000, 22050, 24000 (domyślnie), 44100 lub 48000. Dla linii telefonicznych 8000 razem z mulaw lub alaw, do pracy studyjnej 44100 lub 48000. Nie wpływa na cenę.

Domyślnie
24000
Dozwolone wartości
80001600022050240004410048000
output_formatstringOpcjonalne

Kodowanie dźwięku: mp3 (domyślnie), wav albo strumienie bez nagłówka pcm, mulaw i alaw dla telefonii. Nie wpływa na cenę.

Domyślnie
"mp3"
Dozwolone wartości
"mp3""wav""pcm""mulaw""alaw"
speednumberOpcjonalne

Tempo mowy od 0,7 (wolniej) do 1,5 (szybciej); domyślnie 1,0. Nie wpływa na cenę.

Domyślnie
1
Ograniczenia
minimum:0.7
maximum:1.5
languagestringOpcjonalne

Język czytania jako kod języka albo auto (domyślnie), aby wykryć go ze scenariusza. Ustaw go, gdy krótki lub wielojęzyczny scenariusz jest czytany w niewłaściwym języku. Głosy niderlandzkie, polskie, szwedzkie, fińskie, duńskie i tajskie nie mają własnego kodu: zostaw auto. Nie wpływa na cenę.

Domyślnie
"auto"
Dozwolone wartości
"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_idstringOpcjonalne

Jeden z 71 gotowych głosów, opisanych imieniem, płcią i językiem. Eve (domyślnie), Ara, Leo, Rex i Sal mówią we wszystkich obsługiwanych językach; pozostałe są dostrojone do jednego języka. Nie wpływa na cenę.

Domyślnie
"eve"
Dozwolone wartości
"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"

Śledź zadanie

HTTP 202 oznacza, że zadanie zostało przyjęte, a nie ukończone. Zapisz zwrócone taskId i odpytuj właśnie to zadanie. Nie twórz kolejnego zadania, czekając na jego wynik.

Odpowiedź o przyjęciu
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"
  }
}

Odpowiedź o przyjęciu zawiera szacunek, dzięki czemu twoja aplikacja pokaże tę samą kwotę w historii zadań i w rozliczeniach.

Odczytaj zadanie
curl --get "https://api.spicyapi.ai/api/v1/jobs/recordInfo" \
  --data-urlencode "taskId=$TASK_ID" \
  -H "Authorization: Bearer $SPICY_API_KEY"

Zacznij odpytywać mniej więcej co 2 sekundy i stopniowo wydłużaj odstęp. Zatrzymaj się na stanie końcowym. Po zerwaniu połączenia odpytaj pierwotne taskId. Tworzenie ponawiaj wyłącznie z pierwotnym kluczem idempotentności i pierwotnym ciałem żądania.

Albo odbierz wynik przez callback
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);
});

Podaj callBackUrl przy tworzeniu zadania, a gotowy rekord przyjdzie do ciebie metodą POST – bez żadnej pętli odpytywania. Każda dostawa niesie X-Webhook-Timestamp, X-Webhook-Signature i X-Webhook-Payload-Version. Podpis to HMAC-SHA256 w base64 z taskId.timestamp.sha256(body), więc trzeba go sprawdzać na surowych bajtach: sparsowanie JSON-a i ponowne zserializowanie zmienia je i weryfikacja się nie powiedzie. Nieudane dostawy są ponawiane, więc to samo taskId może przyjść dwa razy – zrób obsługę idempotentną. Najpierw odpowiedz kodem 2xx, a pracę wykonaj potem; wolna obsługa jest traktowana jak nieudana dostawa.

Odczytaj wynik

Wynik wykorzystuj dopiero przy stanie succeeded. Przy niepowodzeniu skorzystaj z errorCode, errorMessage i request_id. Przykładowe koszty i stany nie odpowiadają rzeczywistemu rozliczeniu.

Przykład odpowiedzi po zakończeniu
{
  "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"
  }
}

Każdy dostępny materiał otwieraj lub pobieraj bezpośrednio spod assets[].url, bez nagłówka Authorization. Podpisany adres wygasa o expiresAt; odpytaj zadanie ponownie, żeby go odświeżyć, dopóki materiał mieści się w okresie przechowywania. Materiał oczekujący lub niedostępny nie ma adresu. Podpisane adresy traktuj jako prywatne.

SDK i integracje

Korzystaj ze SpicyAPI w aplikacji, terminalu, asystencie AI lub wizualnym przepływie pracy. Wybierz instrukcję konfiguracji.

SDKs
TypeScript · Python · Go · PHP · Java
CLI
Polecenia terminala i skrypty automatyzacji.
MCP
Claude Code · Cursor · Codex
Agent Skill
Instrukcje wielokrotnego użytku dla asystenta AI.
n8n
Węzły społecznościowe dla instalacji self-hosted i szablony HTTP Request do importu w n8n Cloud.
ComfyUI
Przepływy obrazów, wideo i dźwięku na płótnie węzłów.

Więcej integracji

SillyTavernTelegram / DiscordApp proxyOpenAI SDKLangChainVercel AI SDK
Przeglądaj gotowe przepływy pracy

Użyj w ComfyUI

Zainstaluj węzły SpicyAPI przez ComfyUI Manager albo poleceniem poniżej, a potem wyszukaj na płótnie Grok TTS · Text to Speech. Węzeł ma te same opcje co ta strona i pokazuje cenę, zanim ruszy.

cd ComfyUI/custom_nodes
git clone https://github.com/spicyapi-ai/comfyui-spicyapi
Przykładowe workflowyPoradnik konfiguracjiKod źródłowy na GitHubie