跳转到主要内容
POST
xAI TTS 1
  1. 提交后会返回 task_id。如果提供了 callback_url,当任务状态变为 finished 或 failed 时,系统会向 callback_url 发送 POST 请求。
  2. 无论是否提供 callback_url,都可以通过统一的查询任务状态接口获取结果。
使用 xAI TTS 将文本转换为语音,可从五种音色和多种语言中选择,适用于旁白、对话和口播内容。

模型

  • xai/tts/v1 - 将文本转换为语音。

功能

  • 将文本转换为语音。
  • 使用 voice 选择音色,使用 language_code 指定朗读语言。
  • 通过 text 中的标签控制停顿、笑声、叹息、耳语和放慢语速。

输出选项

输出格式

  • output_format:可选。传入包含以下字段的对象。
  • output_format.codec:可选。可选值:mp3、wav、pcm、mulaw、alaw。默认:mp3。
  • output_format.sample_rate:可选。采样率(Hz)。可选值:8000、16000、22050、24000、44100、48000。默认:24000。
  • output_format.bit_rate:可选。MP3 比特率(bit/s)。可选值:32000、64000、96000、128000、192000、null。MP3 默认:128000。
  • mp3 使用 output_format.bit_rate 选择比特率。wav、pcm、mulaw 和 alaw 请省略 bit_rate 或设为 null。

高级参数

在请求根级设置 model 和可选的 callback_url。所有工作流程参数(包括输出选项)都放在 input 中。

文本

  • text:必填。要朗读的文本。长度:1-15,000 个字符。
  • 长度按去除首尾空白后的文本计算。文本中的标签、标点和空格都计入长度。
  • 在需要的位置加入 [laugh]、[pause] 或 [sigh]。耳语段落使用 <whisper>text</whisper>,放慢语速使用 <slow>text</slow>。

音色

  • voice:可选。选择音色。可选值:eve、ara、rex、sal、leo。默认:eve。

语言代码

  • language_code:可选。字符串。默认:auto。
  • auto
  • en
  • ar-EG
  • ar-SA
  • ar-AE
  • bn
  • zh
  • fr
  • de
  • hi
  • id
  • it
  • ja
  • ko
  • pt-BR
  • pt-PT
  • ru
  • es-MX
  • es-ES
  • tr
  • vi

输出文件

  • 读取返回的 files 数组中的每一项。
  • 生成的音频 file_type 为 "audio"。
  • 使用 file_url 下载生成的语音。

请求示例

授权

Authorization
string
header
必填

使用 VIDGO_API_KEY。

请求体

application/json

model 和 callback_url 放在根级;text、voice、language_code 和 output_format 放在 input 中。

model
enum<string>
必填
可用选项:
xai/tts/v1
示例:

"xai/tts/v1"

input
object
必填
callback_url
string | null

提供公开的 HTTP(S) callback_url 以接收任务完成通知,建议使用 HTTPS。

响应

任务已提交

code
enum<integer>
必填
可用选项:
200
data
object
必填