在故事中安排停顿、低语与笑声
在相关文字旁使用 [pause]、[laugh] 与 <whisper> 段落等标签。博物馆记录使用 eve，从发现物品发展为低声细节与幽默领悟，可以聆听表达变化与故事连贯性。
xAI TTS V1 multilingual speech with expressive delivery tags
xAI TTS V1 可以通过五种声音之一，将文本转换为多语言语音。使用目标语言准备文字，在需要改变表达的位置放置停顿、笑声，或段落级低语与慢速标签。选择语言或自动判断，再为播放、编辑或兼容电话工作流设置编码和采样率；MP3 还支持选择比特率。查看去除首尾空白后的字符估算，并完整试听结果后，可以将语音用于故事、讲解或应用。
xAI TTS V1 由 xAI 开发，Vidgo 提供模型调用服务。模型名称与商标归各自所有者所有。探索 xAI TTS V1 模型
打开现有 xAI 语音任务，填写完整朗读文字，从 eve、ara、rex、sal 或 leo 中选择声音，选择语言并在上下文中增加表达标签。设置返回音频格式，查看字符估算后生成，原模型卡片与任务路由继续作为入口。
xAI TTS V1 朗读文本与声音设置
text 字段包含文字与内嵌提示，voice 选择声音，language_code 提供支持语言或 auto。output_format 选择 codec、sample_rate，以及适用时的 MP3 bit_rate。对照音频时保留来源文字的实际朗读语言，页面译文说明含义，并保留原始记录输入。
| 模型 / 任务 | 输入与工作流 |
|---|---|
| xAI TTS 1 Text to Speech | 通过五种声音、内嵌语音标签与可配置音频输出，生成富有表现力的多语言语音。 |
xAI TTS V1：多语言朗读与语音表达标签
已有录音包括英文博物馆故事、中文厨房声学讲解与西班牙语社区维修通知，各组使用独立文字、声音和语言，以及记录中的 MP3 配置。聆听各自结果，结合完整输入了解表达提示与输出参数。
通过慢速段落说明概念
使用目标语言准备讲解，通过 <slow> 标签包裹需要较慢表达的段落。中文声学记录使用 rex 与 zh，通过停顿和较慢段落说明振动质量与频率，可以检查音频清晰度和节奏。
准备目标语言的通知
选择支持的语言代码与五种声音之一，编写包含合适停顿的完整通知。维修工坊记录使用 ara 与 es-ES，邀请邻居参加共同活动，可以作为检查西班牙语朗读的实际来源。
The museum was closing when I spotted something beneath the dinosaur. [pause] <whisper>A tiny red mitten. With my name inside.</whisper> I had spent ten minutes looking for a priceless artifact. [laugh] Turns out, I was the mystery.
将表达提示放在朗读文字旁
编写准确文本，并通过段落级标签包裹其作用文字。展示的博物馆文本为原始英文输入，包含停顿、低语细节与笑声提示，可以先对照生成旁白，再用于自己的创作。
{
"voice": "rex",
"language_code": "zh",
"output_format": {
"codec": "mp3",
"sample_rate": 24000,
"bit_rate": 128000
}
}配置返回音频的编码
选择 mp3、wav、pcm、mulaw 或 alaw，以及支持的采样率。MP3 选择允许的 bit_rate，其他编码设置 codec 和 sample_rate。展示的请求保留实际 MP3、24,000 Hz 与每秒 128,000 比特参数，可以结合返回文件核对。
xAI TTS V1 英文故事与中文解说案例
英文博物馆请求使用 eve、停顿、低语段落与笑声，讲述寻找手套的故事；中文厨房请求使用 rex、停顿与较慢段落，解释加水为何改变玻璃杯声音。聆听对应结果时，结合完整原始文本、含义译文，以及记录的声音和输出设置进行检查。
原始朗读文本与释义
原始英文朗读文本： The museum was closing when I spotted something beneath the dinosaur. [pause] <whisper>A tiny red mitten. With my name inside.</whisper> I had spent ten minutes looking for a priceless artifact. [laugh] Turns out, I was the mystery. 中文释义： 博物馆快关门时，我发现恐龙下面有个东西。[停顿] <低语>一只小小的红手套，里面写着我的名字。</低语> 我花了十分钟寻找一件无价文物。[笑] 原来，我自己才是那个谜。
{
"voice": "eve",
"language_code": "en",
"output_format": {
"codec": "mp3",
"sample_rate": 24000,
"bit_rate": 128000
}
}原始朗读文本与释义
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。
{
"voice": "rex",
"language_code": "zh",
"output_format": {
"codec": "mp3",
"sample_rate": 24000,
"bit_rate": 128000
}
}xAI TTS V1 的创作应用场景
使用目标语言准备文字，选择声音，在有助于传达信息的位置放置表达提示，再选择音频配置。生成并完整检查结果后，可以用于故事旁白、教学讲解、公共通知、引导体验、本地化信息与应用语音。
故事旁白
编写完整短场景，在故事变化处放置停顿或表达段落，选择声音并检查文字清晰度、表达和最终反应，供音频叙事使用。
教学讲解
准备清楚概念讲解，在学习者需要时间理解的位置使用较慢段落，再检查生成音频中的发音、停顿和节奏，供课程使用。
社区通知
使用目标语言写清活动、时间、地点与需要执行的动作，选择声音和有意停顿，再完整检查口语信息，用于通知或共同活动。
引导体验
准备包含清楚停顿和强调的口语指令，试听所选声音的易懂程度后，用于导览、入门流程或引导任务。
本地化口语信息
使用各实际目标语言准备信息，选择支持的语言代码，分别检查各版本发音与表达后，用于本地化体验。
应用中的语音
收集文本、声音、语言与输出配置，按照文档提交请求，通过任务 ID 获取完成音频，并使用与应用播放或通信工作流兼容的编码和采样率。
xAI TTS V1 模型规格与 API 价格
xAI TTS 去除首尾空白后，按照当前每 1,000 个 Unicode 字符单价计费。文本内部的内嵌标签、标点与空格均计入提交文字，根据该数量按比例计算请求金额。下方动态表格展示当前单价，请在任务中填写完整文本查看估算，并按照实际文字长度安排后续录音。
| 模型 | 厂商 | 任务类型 | 输入素材 | 音频编码 | 起价 |
|---|---|---|---|---|---|
| xAI TTS 1 Text to Speech | xAI | 文字转语音 | 朗读文本与表达标签 | MP3 / WAV / PCM / MULAW / ALAW | $0.012 / 1,000 字符 |
如何在 Vidgo 使用 xAI TTS V1
先在线测试创作方案， 再将确认后的请求接入应用。
在线体验
使用计划中的参数生成结果
打开 xAI 语音任务，填写包含表达标签的完整文本，设置声音、语言与输出参数，查看字符估算后生成。完整聆听结果，检查发音、停顿与表达，再通过计划的播放或编辑工作流检查返回文件。
为何在 Vidgo 使用 xAI TTS V1
选择对应任务，查看参数与费用，并将在线测试中的素材和设置用于经过身份验证的 API 请求。
创作测试与任务选择
围绕创作目标选择输入
使用实际朗读语言准备文字，从 eve、ara、rex、sal 或 leo 中选择声音，并设置支持语言代码或 auto。在上下文中放置停顿和段落级提示，再选择编码、采样率，以及适用时的 MP3 比特率。
试听朗读文字与声音设置
打开 xAI 语音任务，填写包含表达标签的完整文本，设置声音、语言与输出参数，查看字符估算后生成。完整聆听结果，检查发音、停顿与表达，再通过计划的播放或编辑工作流检查返回文件。
生成前查看费用估算
计算去除首尾空白后文本的 Unicode 字符，包含全部内嵌标签、内部空格和标点，结合任务当前每 1,000 字符单价与各计划录音的完整文字查看预算。
API 接入与结果管理
参考完整的真实生成案例
结合原始朗读文本与声音设置聆听结果，译文用于说明含义，并保留录音原本的朗读语言。将请求用于自己的文字前，请检查发音、节奏与表达。
通过任务 ID 跟踪每次生成
保存 API 返回的任务 ID，用于查询生成状态并获取完成文件的地址。通过在线生成记录回看先前结果与测试过的创作方向。
按照所选任务的文档完成接入
通过各任务提供的文档查看准确的模型标识、支持的输入、身份验证方法与响应格式。接入已经在线测试过的任务，使请求中的素材与设置保持一致。
xAI TTS V1 API 常见问题
xAI TTS V1 是 Vidgo 提供的多语言语音任务，包含五种声音、内嵌表达标签与可配置音频编码。它接受去除首尾空白后最多 15,000 个 Unicode 字符，提供语言或自动判断、编码、采样率，以及适用的 MP3 比特率设置。
探索更多模型系列
推荐阅读
阅读语音模型介绍、API 指南与平台比较，了解文本准备、声音控制、接入与按字符计算的费用。
