Grok Voice TTS 1.0 — это модель преобразования текста в речь от xAI. Она преобразует текст в озвученный аудио на более чем 20 языках с автоматическим определением языка и предлагает пять встроенных голосов (Eve, Ara, Rex, Sal, Leo), охватывающих широкий диапазон тонов. Встроенные теги речи позволяют управлять паузами, акцентом, высотой тона, скоростью и стилем голоса. Вывод доступен в форматах MP3, WAV, PCM, μ-law и A-law с частотой дискретизации от 8 кГц до 48 кГц, при этом максимальная длина запроса составляет до 15 000 символов.
curl https://api.vega.chat/api/v1/chat/completions \
-H "Authorization: Bearer $VEGA_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "x-ai/grok-voice-tts-1.0",
"messages": [
{"role": "user", "content": "Hello!"}
]
}'