Grok's Text to Speech API

API 內建五種聲音，各有各的性格與範圍。有些偏向溫暖、口語，有些聽起來更正式或更有活力。選定一種聲音就設定了基準。你可以在每次請求時切換。當一個應用程式需要沉穩的旁白講解教學，又需要更活潑的語氣做宣傳片段時，這點就很重要。你不必建一套錄音流程，只要換一個參數，就能得到不同的說話者。

Grok 文字轉語音 API 能處理超過二十種語言，讓單一產品能與世界各地的使用者對話。這使它成為實用的多語言 TTS 選項。你保留一份腳本，用它支援的語言呈現，不必為每個市場分別聘請配音。發音會依目標語言調整，所以非英語的輸出聽起來像母語，而不是翻譯腔。對正在拓展新市場的團隊來說，這移除了真正的瓶頸。

語音標籤讓你在文字中做記號，塑造句子的唸法。你可以把重音推上某個關鍵字、為了清楚而放慢一句話，或在換氣處加入停頓。這些小小的提示會改變聽者如何解讀語意。純文字做不到這件事。一行標上興奮的產品展示台詞，聽起來就跟同樣的字平淡唸出很不一樣。這個功能讓 API 有了編輯層，而不只是轉換步驟。

計費以字元為單位，每一百萬字元十五美元。這個模式很適合語音，因為成本跟著你實際說了多少走。一個每月產生幾千字元的原型，花費幾乎為零。規模衝到數百萬的大型應用程式，則能依自己的文字量預估支出。沒有依人數計費，也沒有隱藏的語音費，所以你可以只憑腳本長度規劃預算。

文字轉語音與語音辨識、語音代理工具同屬一個 API 家族。已經在用 xAI 模型的開發者，維持一把金鑰、一個控制台、一條帳單項目。這樣的一致性縮短了設定時間。它也減少了團隊必須管理的供應商數量。如果你的產品日後也需要聽，而不只是說，鄰近的端點早就準備好了。