Grok TTS análise: 71 vozes predefinidas e formatos
Uma voz por solicitação, até 15.000 caracteres de roteiro.
A síntese de voz Grok da xAI, disponível para todos desde março de 2026: 71 vozes prontas em 20 idiomas, risadas, respirações e sussurros escritos direto no roteiro e um controle deslizante de velocidade. Até 15.000 caracteres por solicitação, cobrança a cada 1.000 caracteres, e a SpicyAPI não adiciona nenhum filtro de conteúdo.
- Lydia
- Sem teste prático · catálogo verificado em 7 de out. de 2026
- Atualizado em 7 de out. de 2026
Nossa conclusão
Não criamos novas amostras pagas para este artigo. Os exemplos publicados mostram entradas e saídas específicas, não uma comparação controlada. A ilustração do artigo é arte editorial, não uma amostra produzida pelo modelo analisado.
O que gostamos e o que atrapalhou
O que gostamos
- Mensagens de voz e apps de companhia. Um comentário sussurrado, uma risada na hora certa, uma respiração antes da próxima fala — escritos no roteiro como tags, então a interpretação faz parte do texto que você guarda e reproduz de novo.
- Narração multilíngue. Leia o mesmo roteiro em inglês, japonês, francês, coreano, árabe e outros idiomas, com uma das cinco vozes multilíngues ou com uma voz nativa para cada idioma.
O que atrapalhou
- Uma voz por solicitação, até 15.000 caracteres de roteiro. O resultado é um arquivo de áudio; não há tempos por palavra nem legendas. Só as 71 vozes prontas são oferecidas — sem clonagem e sem vozes personalizadas. pcm, mulaw e alaw devolvem áudio bruto sem cabeçalho de arquivo, que a maioria dos players e navegadores não consegue abrir diretamente.
O que as evidências mostram
As evidências deste artigo não estabelecem um resultado público comparável para a variante exata oferecida aqui. Um modelo próximo ou outro modo não preenche essa lacuna. Os controles descritos são capacidades verificadas do produto, não novas notas de naturalidade, inteligibilidade ou velocidade.
Como preparar a primeira entrada
A entrada abaixo se baseia em exemplos publicados e não garante resultados idênticos. Separe as palavras da direção quando houver campos próprios. Confira uma frase comum antes de ampliar o roteiro; adicionar adjetivos raramente resolve uma instrução ambígua.
{
"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"
}Comece pelo que define a aprovação: um nome, um número difícil ou uma frase cuja emoção muda. Compare o resultado com o original até o fim. Mantenha a entrada fixa e altere um controle de cada vez. Uma voz agradável não comprova que todas as palavras foram preservadas.
Confira o orçamento atual na página da tarefa antes de enviar. Cobranças por caractere, segundo e solicitação não são comparáveis apenas pelo preço inicial. Compare o mesmo trecho ou gravação e inclua conversões ou alinhamento ainda necessários.
Como escolher uma alternativa
Escolha primeiro pela capacidade ausente. Uma alternativa deve resolver um gargalo concreto: seleção de voz, roteiro maior, direção ou o tipo correto de transcrição. Um nome mais novo não basta. As páginas atuais mostram tarefas e unidades de cobrança.
O que Grok TTS faz na SpicyAPI
Direto da especificação atual do modelo na SpicyAPI. Alguns criadores oferecem mais nos próprios apps; estas são as funções que você pode usar pela nossa API hoje.
| Recurso | Texto para fala |
|---|---|
| Formatos de saída | mp3 · wav · pcm · mulaw · alaw |
| Controle de seed | Não |
| Prompt negativo | Não |
O que você acha?
Esta análise foi útil?
Entre na sua conta para votar.
Comentários
Os comentários passam por verificação automática e pela nossa equipe. Removemos spam, conteúdo impróprio, ataques pessoais e qualquer coisa que cite uma pessoa real sem consentimento. Denuncie um comentário e analisamos em até um dia útil.
Já testou este modelo? Conte o que funcionou. É preciso ter uma conta gratuita para comentar, assim mantemos o spam longe.
Perguntas frequentes sobre Grok TTS
Teste Grok TTS você mesmo
Ajuste cada parâmetro no Playground e veja o preço exato antes de rodar.
Mais análises
Ver as classificações →
Gemini 3.8 Flash-Lite TTS
Uma ou duas vozes por solicitação: até 5.000 caracteres de roteiro para uma voz, ou até 20 falas de diálogo com 250 caracteres cada para duas.
Sem teste prático · catálogo verificado em 7 de out. de 2026
Ler a análise
Gemini 3.8 Flash TTS
Uma ou duas vozes por solicitação: até 5.000 caracteres de roteiro para uma voz, ou até 20 falas de diálogo com 250 caracteres cada para duas.
Sem teste prático · catálogo verificado em 7 de out. de 2026
Ler a análise
Seed Speech 2.0
Uma voz por solicitação, até 5.000 caracteres de roteiro.
Sem teste prático · catálogo verificado em 7 de out. de 2026
Ler a análise