# Grok Voice API

> وكيل صوتي يستمع إلى مقطع صوتي مسجّل ويردّ بالكلام مع نص مفرّغ

أرسل تسجيلًا عبر `audio_url`، فيجيب الوكيل بصوت كلامي يُعاد بصيغة WAV أحادية القناة بتردد 24 kHz، مع مدته ونص مفرّغ عند توفره. تحدد `prompt` الاختيارية (حتى 20000 حرف) الشخصية والسياق، ويختار `voice` صوتًا مدمجًا. يمكن للكائن `tools` تفعيل بحث الويب أو بحث X أو خوادم MCP عن بُعد، وجميعها معطّلة افتراضيًا.

- Model id: `xai/grok-voice`
- Made by: xAI
- Category: Audio
- Output: audio
- Charged by usage (up to $1.494 per run, typical $0.006; the rest of the hold is refunded): $0.00083 / second of the voice session (cheapest run $0.006 (6 API credits))
- Run: `POST https://api.doitong.com/v1/run/xai/grok-voice`
- Quote: `POST https://api.doitong.com/v1/quote/xai/grok-voice`
- Docs page: https://doitong.com/ar/developers/models/xai/grok-voice

## Pricing

Price: **$0.00083 / second of the voice session**. Charged by actual usage at $0.00083 / second of the voice session: up to $1.494 per run (the quote gives the maximum for your input), the rest is refunded automatically after the run. A typical run costs $0.006.

The full example input below holds up to $1.494 = 1494 API credits (up to 1800 s of voice session × $0.00083) when it starts; a typical run costs $0.006 (6 API credits).

Prices are the upstream price in USD, paid from the API balance in API credits (1000 API credits = 1 USD). This model is charged by usage: `POST https://api.doitong.com/v1/quote/xai/grok-voice` with the same JSON body returns the most the run can cost for that input (`credits`, debited when the run starts); after the run you pay the usage the model reports and the rest is refunded automatically. An input whose maximum would exceed the per-run limit is refused with 422. Invalid input is never charged and failed or canceled requests are refunded automatically.

## Input parameters

Send either the canonical name or the native field name (not both). Canonical names are the same across models.

| Parameter | Canonical name | Type | Required | Default | Allowed values / range | Description |
|---|---|---|---|---|---|---|
| `audio_url` | `audio` | string (audio URL) | yes |  |  | عنوان URL لصوت كلام المستخدم، بحد أقصى 10 دقائق و50 MB. يمكن إرسال معظم تنسيقات الصوت الشائعة؛ وقبل أن يستلم Grok الصوت، يُحوّل إلى PCM أحادي بقيم عينات 16 بت عند 24 kHz. يستجيب الوكيل للتسجيل بصوت. |
| `prompt` |  | string \| null | no |  | ≤ 20000 characters | تعليمات نظام اختيارية توفر سياق المحادثة وتحدد شخصية بدلًا من الشخصية الافتراضية لـ Grok؛ ويؤدي حذفها إلى الاحتفاظ بالشخصية الافتراضية. |
| `voice` |  | enum (string) \| null | no |  | `carina`, `zagan`, `helix`, `orion`, `luna`, `iris`, `altair`, `zenith`, `perseus`, `helios`, `lux`, `kepler`, `rigel`, `cosmo`, `celeste`, `ursa`, `sirius`, `lumen`, `castor`, `naksh`, `atlas`, `aurora`, `liora`, `ara`, `eve`, `leo`, `rex`, `sal` | اختر صوت xAI مدمجًا لتجاوز الصوت الافتراضي لـ Grok في رد الوكيل؛ ويؤدي تركه دون ضبط إلى الاحتفاظ بذلك الصوت الافتراضي. |
| `tools` |  | object {mcp_servers, web_search, x_search} | no | `{"mcp_servers":[],"web_search":{"enabled":false},"x_search":{"enabled":false}}` |  | إعداد أدوات الوكيل للاستخدام من جانب الخادم، مع استبعاد file_search/collections من الإعداد المكتوب بسبب ZDR. تبدأ جميع الأدوات معطلة؛ وتشمل الخيارات المدعومة أدوات MCP البعيدة وأدوات الويب وأدوات X. |
| `tools.mcp_servers` |  | array of object {allowed_tools, authorization, enabled, headers, server_description, server_label, server_url} | no |  |  | خوادم MCP البعيدة التي يتصل بها مزود النموذج لتنفيذ الأدوات. |
| `tools.mcp_servers[].allowed_tools` |  | array of string \| null | no |  | ≥ 1 items | قائمة اختيارية تحدد أسماء الأدوات التي يعرِضها هذا الخادم. |
| `tools.mcp_servers[].authorization` |  | string \| null | no |  |  | قيمة تفويض حساسة تُرسل حصريًا إلى مزود النموذج. |
| `tools.mcp_servers[].enabled` |  | boolean | no | `true` |  | علامة تضمين الخادم؛ تستبعد false الخادم. |
| `tools.mcp_servers[].headers` |  | object \| null | no |  |  | رؤوس حساسة لطلبات MCP، تُرسل حصريًا إلى مزود النموذج. |
| `tools.mcp_servers[].server_description` |  | string \| null | no |  | ≤ 2000 characters | وصف يوضح القدرات التي يتيحها هذا الخادم. |
| `tools.mcp_servers[].server_label` |  | string | yes |  | 1 – 128 characters | تسمية الخادم التي يستخدمها مزود النموذج لتحديد أدواته وإضافة بادئة إلى أسمائها. |
| `tools.mcp_servers[].server_url` |  | string | yes |  | ≥ 1 characters | عنوان HTTP(S) يرسله المستدعي لخادم MCP يتصل به Grok عن بُعد عبر وسائل نقل Streaming HTTP/SSE. |
| `tools.web_search` |  | object {allowed_domains, enable_image_understanding, enabled, excluded_domains, location} | no | `{"allowed_domains":null,"enable_image_understanding":null,"enabled":false,"excluded_domains":null,"location":null}` |  | بحث ويب يديره المزود، ويظل معطلًا ما لم تكن enabled هي true. |
| `tools.web_search.allowed_domains` |  | array of string \| null | no |  | 1 – 5 items | تقييد نطاق نتائج البحث: حدّد ما يصل إلى خمسة نطاقات، مع حذف البروتوكولات والمسارات. |
| `tools.web_search.enable_image_understanding` |  | boolean \| null | no |  |  | إذن للوكيل بفحص الصور التي يكتشفها عبر عمليات بحث الويب. |
| `tools.web_search.enabled` |  | boolean | no | `false` |  | الوصول إلى بحث الويب للوكيل: تضيف true القيمة web_search إلى session.tools وتسمح بعمليات بحث الويب؛ ويترك الافتراضي هذه الميزة معطلة. |
| `tools.web_search.excluded_domains` |  | array of string \| null | no |  | 1 – 5 items | النطاقات المطلوب استبعادها من نتائج البحث، بحد أقصى خمسة إدخالات مع حذف البروتوكولات والمسارات. |
| `tools.web_search.location` |  | object {city, country, region, timezone} \| null | no |  |  | موقع اختياري لتخصيص نتائج البحث جغرافيًا. |
| `tools.x_search` |  | object {allowed_x_handles, enable_image_understanding, enable_video_understanding, enabled, excluded_x_handles, from_date, to_date} | no | `{"allowed_x_handles":null,"enable_image_understanding":null,"enable_video_understanding":null,"enabled":false,"excluded_x_handles":null,"from_date":null,"to_date":null}` |  | بحث X الذي يديره المزود، ويظل معطلًا ما لم تكن enabled هي true. |
| `tools.x_search.allowed_x_handles` |  | array of string \| null | no |  | 1 – 20 items | معرّفات X التي قد تظهر منشوراتها في النتائج، بحد أقصى 20 معرّفًا. |
| `tools.x_search.enable_image_understanding` |  | boolean \| null | no |  |  | إذن للوكيل بفحص الصور التي يكتشفها على X. |
| `tools.x_search.enable_video_understanding` |  | boolean \| null | no |  |  | إذن للوكيل بفحص الفيديوهات التي يكتشفها على X. |
| `tools.x_search.enabled` |  | boolean | no | `false` |  | الوصول إلى منشورات X عبر البحث: تضيف true القيمة x_search إلى session.tools كي يتمكن الوكيل من البحث في تلك المنشورات؛ ويترك الافتراضي هذه الميزة معطلة. |
| `tools.x_search.excluded_x_handles` |  | array of string \| null | no |  | 1 – 20 items | معرّفات X التي تُستبعد منشوراتها، بحد أقصى 20 معرّفًا. |
| `tools.x_search.from_date` |  | string \| null | no |  |  | أقدم تاريخ للمنشورات، بتنسيق ISO YYYY-MM-DD. |
| `tools.x_search.to_date` |  | string \| null | no |  |  | أحدث تاريخ للمنشورات، بتنسيق ISO YYYY-MM-DD. |
| `enable_safety_checker` |  | boolean | no | `true` |  | يمكن تخفيف الفحص بضبط القيمة على false، شريطة أن يكون المستدعي مخولًا بذلك. |

File parameters (`audio`) take a public `https://` URL, a `data:` URI up to 10 MB, or the `file_url` of an upload from `POST /files`.

## Example input

Required parameters only:

```json
{
  "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
}
```

A fuller example:

```json
{
  "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
}
```

## Run it

Set `DOITONG_API_KEY` to a key from https://doitong.com/developers/dashboard#keys. `?wait=20` returns the finished request in the same call when it is ready within 20 seconds; otherwise poll `GET /requests/{id}` (it also accepts `?wait=`), or pass `webhook_url`.

### curl

```bash
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/xai/grok-voice?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"
```

### JavaScript

```javascript
const API = "https://api.doitong.com/v1";
const headers = {
  "Authorization": "Bearer " + process.env.DOITONG_API_KEY,
  "Content-Type": "application/json",
};

// Run the model; wait up to 20 s for the finished result in the same call
let res = await fetch(API + "/run/xai/grok-voice?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }),
});
let request = await res.json();
if (!res.ok) throw new Error(request.error.code + ": " + request.error.message);

// Not finished yet: long-poll until it is
while (request.status === "queued" || request.status === "running") {
  res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers });
  request = await res.json();
}
if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error));
console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")");
```

### Python

```python
import os
import requests

API = "https://api.doitong.com/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/xai/grok-voice", params={"wait": 20}, json=payload, headers=headers)
request = r.json()
if not r.ok:
    raise RuntimeError(request["error"]["code"] + ": " + request["error"]["message"])

# Not finished yet: long-poll until it is
while request["status"] in ("queued", "running"):
    request = requests.get(API + "/requests/" + request["id"], params={"wait": 20}, headers=headers).json()
if request["status"] != "succeeded":
    raise RuntimeError(request["error"])
print([o["url"] for o in request["outputs"]], request["cost"]["credits"], "API credits", "$" + request["cost"]["usd"])
```

### MCP

The MCP server at `https://api.doitong.com/v1/mcp` exposes the tools `search_models`, `get_model`, `quote`, `run`, `get_request`, `cancel_request`, `list_requests`, `create_upload` and `get_account`. A `run` call for this model:

```json
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "run",
    "arguments": {
      "model_id": "xai/grok-voice",
      "input": {
        "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
      },
      "wait_seconds": 20
    }
  }
}
```

## Response

Every call returns a request object. `status` is one of `queued`, `running`, `succeeded`, `failed`, `canceled`. `outputs` lists the generated files with URLs on our storage (kept forever, or 7 days with `?storage=temporary`; `storage` says which); `output` is the model's own result object with the same URLs.

```json
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "xai/grok-voice",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 1494,
    "usd": "1.494",
    "charged": 1494,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "audio": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_name": "0-output.mp3",
      "file_size": 1843200
    },
    "text": "",
    "duration": 5
  },
  "outputs": [
    {
      "type": "audio",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_size": 1843200,
      "duration": 12,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `audio` | object {url, content_type, file_name, file_size} | رد صوتي من وكيل Grok، يُقدَّم بصيغة WAV أحادية القناة عند 24 kHz. |
| `text` | string | نص مصاحب لكلام الوكيل: تشير السلسلة الفارغة إلى أن Grok لم يوفّر تفريغًا نصيًا؛ وإلا فإنها تحتوي على التفريغ النصي. |
| `duration` | number | طول الصوت المُولّد، مقاساً بالثواني. |

## Related models

- [Grok Voice · Realtime](https://doitong.com/developers/models/xai/grok-voice/realtime.md) (`xai/grok-voice/realtime`): $0.00083 / second of the voice session
- [MMAudio V2](https://doitong.com/developers/models/mmaudio-v2.md) (`mmaudio-v2`): $0.001 / second
- [DeepFilterNet 3](https://doitong.com/developers/models/deepfilternet3.md) (`deepfilternet3`): $0.001 / second of input audio
- [Demucs](https://doitong.com/developers/models/demucs.md) (`demucs`): $0.0007 / second of input audio
- [ElevenLabs Audio Isolation](https://doitong.com/developers/models/elevenlabs/audio-isolation.md) (`elevenlabs/audio-isolation`): $0.10 / minute of input file
- [Elevenlabs Sound Effects V2](https://doitong.com/developers/models/elevenlabs/sound-effects/v2.md) (`elevenlabs/sound-effects/v2`): $0.002 / second
- [ElevenLabs Voice Changer](https://doitong.com/developers/models/elevenlabs/voice-changer.md) (`elevenlabs/voice-changer`): $0.30 / minute of input audio
- [FFmpeg API \[Merge Audios\]](https://doitong.com/developers/models/ffmpeg-api/merge-audios.md) (`ffmpeg-api/merge-audios`): $0.00017 / second of processing time

## Links

- HTML page: https://doitong.com/developers/models/xai/grok-voice
- All models and guides for AI agents: https://doitong.com/developers/llms.txt
- OpenAPI 3.1 with this model's typed request body: https://doitong.com/developers/openapi.json?model=xai/grok-voice
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/xai/grok-voice