xAI TTS 1 Text to Speech API

xai/tts/v1

xAI TTS 1 Text to Speech 将文稿转为多语言配音,提供五种音色与语音标签。用行内标记安排停顿和笑声,用包裹式标签引导段落低语与朗读节奏。

Input
232/15000
Output Format
Output
语音已就绪
$0.012 / 千字符 · 字符数 × 2.4 / 1000 credits · 0.5568 credits

示例

厨房里的声学实验.mp3

轻轻敲一下空玻璃杯,再往杯里加一点水,声音为什么变低了?[pause] 敲击让杯壁振动,水也跟着运动。<slow>一起振动的质量增加,振动频率就降低了。</slow> 厨房里,也藏着一间小小的声学实验室。

一起修好旧物.mp3

Este sábado abrimos el taller de reparación del barrio a las diez. [pause] Trae esa silla que cojea o una mochila con la cremallera rota. Compartiremos herramientas y aprenderemos a repararlas juntos. Nos vemos en la biblioteca.

xAI TTS 1 Text to Speech

xAI TTS 1 Text to Speech 是 xAI 的语音生成模型,将文稿与所选音色结合,生成多语言旁白和角色台词。行内标签引导停顿、笑声与叹息,包裹式标签为指定段落设置低语或慢速朗读。配合编码和采样率设置,可将音频用于视频剪辑、课程制作或音频系统接入。

为什么选择 xAI TTS 1

  • 直接在文稿中指导表达用行内标签标记停顿、笑声或叹息,再用包裹式标签引导整段低语或慢速朗读,将表达指令放在对应台词旁。

  • 从五种音色中选择角色声音用同一段台词比较 eve、ara、rex、sal 和 leo,为叙事者与角色选择声音,再沿用选定音色制作后续内容。

  • 为多语言内容配置朗读根据文稿自动识别语言,或选择语言及地区代码,为已本地化的课程、产品说明与故事制作不同语言版本的配音。

  • 兼顾剪辑与音频系统接入使用 MP3 播放、WAV 剪辑,或选择 PCM、mulaw 和 alaw 接入音频系统,再按接收端要求设置采样率及 MP3 码率。

语音参数

参数要求作用与用法
text必填

输入去除首尾空白后 1–15,000 个字符的文稿。通过 [laugh]、[pause]、[sigh]、<whisper>text</whisper> 或 <slow>text</slow> 引导语音表现。

voice可选

为旁白或角色选择 eve、ara、rex、sal 或 leo,默认 eve。

默认值eveararexsalleo
language_code可选

选择列表中的 BCP-47 语言代码,或使用 auto 自动识别语言。

默认值autoenar-EGar-SAar-AEbnzhfrdehiiditjakopt-BRpt-PTrues-MXes-EStrvi
output_format可选

包含 codec、sample_rate 及 MP3 bit_rate 设置的对象。

output_format.codec可选

音频编码格式:mp3、wav、pcm、mulaw 或 alaw,默认 mp3。

默认值mp3wavpcmmulawalaw
output_format.sample_rate可选

采样率,单位 Hz:8000、16000、22050、24000、44100 或 48000,默认 24000。

默认值24000800016000220504410048000
output_format.bit_rate可选

MP3 比特率,单位 bit/s:32000、64000、96000、128000、192000 或 null,MP3 默认 128000。使用 wav、pcm、mulaw 或 alaw 时省略 bit_rate 或设为 null。

默认值128000 (mp3)320006400096000128000192000null

创建第一段配音

  1. 准备朗读文稿在 Text 中填写文稿,在需要的位置加入 [pause] 或 [laugh],用成对标签包裹低语或慢速段落。

  2. 选择声音与语言在 Voice 中选择音色,在 Language Code 中选择语言代码或 auto,可先用一段短文试听。

  3. 设置输出并提交选择 Output Format.Codec 和 Output Format.Sample Rate;使用 mp3 时设置 Output Format.Bit Rate,核对费用后点击 Run。

  4. 试听并保存音频MP3 和 WAV 可在输出区试听;所有格式均可下载,PCM、mulaw 和 alaw 文件可用于音频应用。

按字符计费

xAI TTS 1 Text to Speech 每 1,000 个字符费用为 $0.012,即 2.4 credits。按去除首尾空白后的 Unicode 字符数比例计费,文本内的语音标签、标点和空格计入字符数。

文本长度费用计算方式
1 个字符$0.000012 · 0.0024 credits1 × 2.4 / 1000 = 0.0024 credits
1,000 个字符$0.012 · 2.4 credits1000 × 2.4 / 1000 = 2.4 credits
15,000 个字符$0.18 · 36 credits15000 × 2.4 / 1000 = 36 credits

语音应用场景

  • 故事旁白在叙事转折处加入停顿,用低语段落表现轻声台词,为短片与有声内容制作配音。

  • 角色台词为角色选择声音,逐段生成带有笑声、叹息或节奏变化的台词,再交给剪辑流程组合。

  • 本地化课程为已翻译的课程文稿选择语言,沿用选定音色,将术语说明与讲解内容制作成音频。

调整朗读表现

  • 把 [pause] 放在语句边界,把 [laugh] 或 [sigh] 放在台词需要情绪变化的位置。
  • 使用完整的 <whisper>台词</whisper> 或 <slow>台词</slow>,让包裹范围对应需要调整的段落。
  • 用同一段短文比较五种音色,再为完整旁白沿用所选声音与语言。
  • 长篇文稿按段落拆分,每次保持在 15,000 字符内,并沿用相同编码和采样率,便于后续剪辑。

选择输出设置

  • 默认输出为 MP3,采样率 24000 Hz,比特率 128000 bit/s。
  • 请求 wav、pcm、mulaw 或 alaw 时提供 codec 和 sample_rate,省略 bit_rate 或设为 null。

xAI TTS 1 Text to Speech API 常见问题

xAI TTS 1 Text to Speech API 是什么?

xAI TTS 1 Text to Speech 是 xAI 用于将文稿转为旁白和角色台词的语音生成模型。它提供五种音色、多语言朗读和文本内语音标签,适合故事配音与课程制作。行内标签控制局部停顿和表情声音,包裹式标签引导指定段落的低语或慢速表达。你可以通过 API 进行程序化调用,也可以在体验区标签页直接在线试用。

xAI TTS 1 可以选择哪些音色?

Voice 提供 eve、ara、rex、sal 和 leo,默认 eve。用同一段台词试听这些声音,再为旁白或角色选择合适的音色。

xAI TTS 1 如何使用行内语音标签?

在 Text 中需要停顿、笑声或叹息的位置加入 [pause]、[laugh] 或 [sigh]。标签紧邻对应台词,便于试听后逐句调整表达。

xAI TTS 1 如何使用包裹式标签?

用 <whisper>台词</whisper> 引导低语,用 <slow>台词</slow> 引导慢速朗读。成对标签包裹需要调整的文字,可将同一文稿中的不同段落分别处理。

xAI TTS 1 如何选择朗读语言?

Language Code 可设为 auto 自动识别,也可选择 zh、en、ja 等语言代码。葡萄牙语、西班牙语和阿拉伯语提供列表中的地区选项,按文稿选择对应代码。

xAI TTS 1 接受多长的文稿?

每次接受去除首尾空白后 1–15,000 个 Unicode 字符,文稿内的标签、标点和空格均计入长度。长篇内容可按段落拆分,并沿用相同音色、语言和输出设置。

xAI TTS 1 提供哪些音频格式?

Output Format.Codec 提供 mp3、wav、pcm、mulaw 和 alaw。MP3 与 WAV 可在页面试听,PCM、mulaw 和 alaw 可下载后用于音频系统;采样率从参数说明列出的档位中选择。

xAI TTS 1 如何设置 MP3 码率?

选择 mp3 后,在 Output Format.Bit Rate 中选择 32000、64000、96000、128000 或 192000,单位为 bit/s,默认 128000。使用其他编码时省略 bit_rate 或设为 null,音频规格由编码与采样率确定。