Hoppa till innehåll

Grok Voice

Integrera

Modell-id xai/grok-voice
# 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": "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"

Upp till 1,494 $ per körning debiteras efter faktisk användning, resten återbetalas Kör den på den här sidan

Hämta API-nyckel
xAI Ljud #xai#grok#voice#agent

Röstagent som lyssnar på ett inspelat ljudklipp och svarar med tal samt ett transkript

xAI · Ljud

Ditt första resultat visas här

Skapa en begäran nedan och kör den med din API-nyckel. Utdata kopieras till vår lagring och sparas för alltid eller 7 dagar kostnadsfritt.

Skapa en begäran

Kontrollerna genereras från modellschemat. Koden och priset uppdateras när du ändrar dem.

0 / 20000

Valfria systeminstruktioner som tillhandahåller samtalskontext och anger en persona i stället för Groks standardpersona; om de utelämnas behålls standardpersonan.

•obligatoriskt audio_url
Släpp en fil eller

Ljud-URL för användarens tal, begränsad till 10 minut och 50 MB. De flesta vanliga ljudformat kan anges; innan Grok tar emot ljudet konverteras det till mono-PCM med 16-bitars sampling vid 24 kHz. Agenten svarar på inspelningen med tal.

Avancerat voice · enable_safety_checker · tools

Välj en inbyggd xAI-röst för att ersätta Groks standardröst i agentens svar; om detta inte anges behålls standardrösten.

standard {"mcp_servers":[],"we...

Agentverktygskonfiguration för användning på serversidan, där file_search/collections utesluts från den typade konfigurationen på grund av ZDR. Alla verktyg är inaktiverade från början; alternativ som stöds är fjärrverktyg för MCP, webbverktyg och X-verktyg.

POST /run/xai/grok-voice?wait=20 pris → 1,494 $
# 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": "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"

Kör den här begäran

Din nyckel stannar i den här webbläsaren: den skickas endast till Doitong API och sparas endast i localStorage om du markerar Kom ihåg. Hämta en API-nyckel

Om Grok Voice

Skicka en inspelning via `audio_url`, så svarar agenten med talat ljud som returneras som mono-WAV i 24 kHz tillsammans med dess varaktighet och ett transkript när det finns tillgängligt. En valfri `prompt` (upp till 20000 tecken) anger persona och kontext, och `voice` väljer en inbyggd röst. Objektet `tools` kan aktivera webbsökning, X-sökning eller fjärranslutna MCP-servrar; allt är avstängt som standard.

Parametrar

Skicka antingen det kanoniska namnet eller det inbyggda namnet, inte båda. Kanoniska namn

NamnTyp StandardTillåtna Beskrivning
audio_urlobligatoriskt audio
Typurl · audio
Ljud-URL för användarens tal, begränsad till 10 minut och 50 MB. De flesta vanliga ljudformat kan anges; innan Grok tar emot ljudet konverteras det till mono-PCM med 16-bitars sampling vid 24 kHz. Agenten svarar på inspelningen med tal.
promptvalfritt
Typstring | null
≤ 20 000 tecken
Valfria systeminstruktioner som tillhandahåller samtalskontext och anger en persona i stället för Groks standardpersona; om de utelämnas behålls standardpersonan.
voicevalfritt
Typenum
carinazaganhelixorionlunairisaltairzenithperseusheliosluxkeplerrigelcosmocelesteursa
+12 tillsiriuslumencastornakshatlasauroralioraaraeveleorexsal
Välj en inbyggd xAI-röst för att ersätta Groks standardröst i agentens svar; om detta inte anges behålls standardrösten.
toolsvalfritt
Typobject
Standard{"mcp_servers":[],"web_search":{"enabled":false},"x_search":{"enabled":false}}
Agentverktygskonfiguration för användning på serversidan, där file_search/collections utesluts från den typade konfigurationen på grund av ZDR. Alla verktyg är inaktiverade från början; alternativ som stöds är fjärrverktyg för MCP, webbverktyg och X-verktyg.
tools.mcp_serversvalfritt
Typobject[]
Fjärrservrar för MCP som modellprovidern ansluter till för verktygskörning.
tools.mcp_servers[].allowed_toolsvalfritt
Typstring[]
≥ 1 items
Valfri lista som anger vilka verktygsnamn servern exponerar.
tools.mcp_servers[].authorizationvalfritt
Typstring | null
Känsligt auktoriseringsvärde som skickas exklusivt till modellprovidern.
tools.mcp_servers[].enabledvalfritt
Typboolean
Standardtrue
Flagga för serverinkludering; false utesluter servern.
tools.mcp_servers[].headersvalfritt
Typobject | null
Känsliga headers för MCP-begäran, som skickas exklusivt till modellprovidern.
tools.mcp_servers[].server_descriptionvalfritt
Typstring | null
≤ 2000 characters
Beskrivning av de funktioner som servern tillgängliggör.
tools.mcp_servers[].server_labelobligatoriskt
Typstring
1 – 128 characters
Serveretikett som modellprovidern använder för att identifiera verktygen och prefixa deras namn.
tools.mcp_servers[].server_urlobligatoriskt
Typstring
≥ 1 characters
HTTP(S)-adress som anroparen anger för en MCP-server som Grok ansluter till på distans via Streaming HTTP/SSE-transporter.
tools.web_search.allowed_domainsvalfritt
Typstring[]
1 – 5 items
Domänbegränsning för sökresultat: ange högst fem domäner utan protokoll och sökvägar.
tools.web_search.enable_image_understandingvalfritt
Typboolean | null
Behörighet för agenten att granska bilder som hittas genom webbsökningar.
tools.web_search.enabledvalfritt
Typboolean
Standardfalse
Webbsökningsåtkomst för agenten: true lägger till web_search i session.tools och tillåter webbsökningar; standardvärdet lämnar funktionen inaktiverad.
tools.web_search.excluded_domainsvalfritt
Typstring[]
1 – 5 items
Domäner som ska uteslutas från sökresultat, begränsat till fem poster utan protokoll och sökvägar.
tools.web_search.locationvalfritt
Typobject
Valfri plats för geografisk anpassning av sökresultat.
tools.x_search.allowed_x_handlesvalfritt
Typstring[]
1 – 20 items
X-handtag vars inlägg kan visas i resultaten, begränsat till 20 handtag.
tools.x_search.enable_image_understandingvalfritt
Typboolean | null
Behörighet för agenten att granska bilder som hittas på X.
tools.x_search.enable_video_understandingvalfritt
Typboolean | null
Behörighet för agenten att granska videor som hittas på X.
tools.x_search.enabledvalfritt
Typboolean
Standardfalse
Åtkomst till X-inlägg via sökning: true lägger till x_search i session.tools så att agenten kan söka efter dessa inlägg; standardvärdet lämnar funktionen inaktiverad.
tools.x_search.excluded_x_handlesvalfritt
Typstring[]
1 – 20 items
X-handtag vars inlägg utesluts, begränsat till 20 handtag.
tools.x_search.from_datevalfritt
Typstring | null
Tidigaste datum för inlägg, uttryckt i ISO-formatet YYYY-MM-DD.
tools.x_search.to_datevalfritt
Typstring | null
Senaste datum för inlägg, uttryckt i ISO-formatet YYYY-MM-DD.
enable_safety_checkervalfritt
Typboolean
Standardtrue
Granskningen kan lättas genom att ange false, om anroparen är behörig.
obligatoriskt Kanoniskt namn, accepteras också

Filparametrar tar emot en offentlig https://-URL, en data:-URI på upp till 10 MB eller file_url från en uppladdning. Filer

Resultat

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "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"
  }
}
Dina filer, ditt valVarje outputs[].url är en kopia i vår lagring: sparad för alltid (debiteras per GB-månad) eller 7 dagar kostnadsfritt, enligt din kontoinställning eller ?storage=.
Samma struktur för varje modelltype, url, content_type, width, height och duration, för bilder, video och ljud. output är modellens eget resultatobjekt.
Resultatets fält
audio
object {url, content_type, file_name, file_size}Talat svar från Grok-agenten, levererat som mono-WAV vid 24 kHz.
text
stringText som åtföljer agentens tal: en tom sträng anger att Grok inte tillhandahöll någon transkribering; annars innehåller den transkriberingen.
duration
numberLängden på det genererade ljudet, mätt i sekunder.

Fler modeller: Ljud

För AI-agenter: den här sidan som Markdown finns på https://doitong.com/sv/developers/models/xai/grok-voice.md. Alla modeller och guider: https://doitong.com/developers/llms.txt