Grok TTS recenzja: 71 gotowych głosów i formaty audio
Jeden głos na żądanie, do 15 000 znaków scenariusza.
Synteza mowy Grok od xAI, ogólnie dostępna od marca 2026 roku: 71 gotowych głosów w 20 językach, śmiech, oddech i szept wpisywane wprost do scenariusza oraz suwak tempa. Do 15 000 znaków na żądanie, rozliczenie za każde 1000 znaków, a SpicyAPI nie dodaje żadnego filtra treści.
- Lydia
- Bez testu praktycznego · katalog sprawdzony 7 paź 2026
- Zaktualizowano 7 paź 2026

Nasz wniosek
Na potrzeby artykułu nie utworzono nowych płatnych próbek. Opublikowane przykłady pokazują konkretne wejście i wyjście, a nie kontrolowane porównanie. Ilustracja jest materiałem redakcyjnym, nie wynikiem testu omawianego modelu.
Co nam się podobało, a co przeszkadzało
Co nam się podobało
- Wiadomości głosowe i aplikacje towarzyszące. Szeptem rzucona uwaga, śmiech we właściwym miejscu, oddech przed kolejną kwestią — wszystko wpisane w scenariusz jako tagi, więc interpretacja staje się częścią tekstu, który przechowujesz i odtwarzasz.
- Narracja wielojęzyczna. Ten sam scenariusz można przeczytać po angielsku, japońsku, francusku, koreańsku, arabsku i w innych językach — jednym z pięciu głosów wielojęzycznych albo rodzimym głosem dla każdego języka.
Co przeszkadzało
- Jeden głos na żądanie, do 15 000 znaków scenariusza. Wynikiem jest jeden plik audio; nie ma znaczników czasu słów ani napisów. Dostępne są tylko 71 gotowe głosy — bez klonowania i bez własnych głosów. pcm, mulaw i alaw zwracają surowy dźwięk bez nagłówka pliku, którego większość odtwarzaczy i przeglądarek nie otworzy bezpośrednio.
Co potwierdzają dane
Dane artykułu nie ustalają porównywalnej publicznej oceny jakości dla dokładnego wariantu usługi. Sąsiedni model lub inny tryb nie wypełni tej luki. Opisane ustawienia są sprawdzonymi możliwościami produktu, a nie nowymi ocenami naturalności, zrozumiałości lub szybkości.
Jak przygotować pierwsze wejście
Poniższe wejście opiera się na opublikowanych przykładach i nie gwarantuje identycznych wyników. Oddziel tekst od wskazówek wykonawczych, jeśli są osobne pola. Sprawdź zwykłe zdanie przed rozszerzeniem skryptu; dodatkowe przymiotniki rzadko usuwają niejednoznaczność.
{
"language": "en",
"text": "Hey, it's me. [pause] I know it's late. [breath] <whisper>I keep thinking about the way you kissed me at the door.</whisper> [giggle] Call me back?",
"voice_id": "eve"
}Zacznij od elementu, który decyduje o akceptacji: nazwy, trudnej liczby lub zdania ze zmianą emocji. Porównaj wynik z oryginałem do końca. Utrzymuj stałe wejście i zmieniaj jedno ustawienie naraz. Przyjemny głos nie dowodzi, że zachowano wszystkie słowa.
Przed wysłaniem sprawdź aktualną wycenę na stronie zadania. Opłat za znak, sekundę i żądanie nie porównuje się tylko po cenie początkowej. Użyj tego samego fragmentu lub nagrania i uwzględnij potrzebną konwersję oraz wyrównanie.
Jak wybrać alternatywę
Najpierw wybierz brakującą funkcję. Alternatywa ma usunąć konkretną przeszkodę: wybór głosu, dłuższy skrypt, wskazówki lub odpowiedni rodzaj transkrypcji. Nowsza nazwa nie wystarczy. Aktualne strony pokazują zadania i jednostki rozliczenia.
Co Grok TTS potrafi w SpicyAPI
Wprost z aktualnej specyfikacji modelu w SpicyAPI. Niektórzy twórcy oferują więcej we własnych aplikacjach; tu jest to, co możesz wywołać przez nasze API już dziś.
| Funkcja | Tekst na mowę |
|---|---|
| Formaty wyjściowe | mp3 · wav · pcm · mulaw · alaw |
| Sterowanie seedem | Nie |
| Prompt negatywny | Nie |
Co o tym myślisz?
Czy ta recenzja była przydatna?
Zaloguj się, aby zagłosować.
Komentarze
Komentarze sprawdzamy automatycznie i ręcznie w zespole. Usuwamy spam, treści nieodpowiednie, ataki osobiste i wszystko, co bez zgody wymienia prawdziwą osobę. Zgłoś komentarz, a sprawdzimy go w ciągu jednego dnia roboczego.
Testowałeś ten model? Podziel się tym, co zadziałało. Aby komentować, potrzebujesz darmowego konta – tak trzymamy spam z daleka.
Najczęstsze pytania o Grok TTS

Wypróbuj Grok TTS samodzielnie
Ustaw każdy parametr w Playground i zobacz dokładną cenę przed uruchomieniem.
Więcej recenzji
Zobacz rankingi →
Gemini 3.8 Flash-Lite TTS
Jeden lub dwa głosy na żądanie: do 5000 znaków skryptu dla jednego głosu albo do 20 kwestii dialogu po 250 znaków dla dwóch.
Bez testu praktycznego · katalog sprawdzony 7 paź 2026
Przeczytaj recenzję
Gemini 3.8 Flash TTS
Jeden lub dwa głosy na żądanie: do 5000 znaków skryptu dla jednego głosu albo do 20 kwestii dialogu po 250 znaków dla dwóch.
Bez testu praktycznego · katalog sprawdzony 7 paź 2026
Przeczytaj recenzję
Seed Speech 2.0
Jeden głos na żądanie, skrypt do 5000 znaków.
Bez testu praktycznego · katalog sprawdzony 7 paź 2026
Przeczytaj recenzję