xAI Speech with Subsecond Latency
Die von xAI entwickelte xAI-Sprachfamilie erzeugt natürliche Audiodaten mit hoher Klangtreue und einer Latenz von unter einer Sekunde. Ausdrucksstarke Tags steuern Pausen, Flüstern, Betonung und Sprechtempo in 20 Sprachen, während die einstellbare Sprechgeschwindigkeit und Textnormalisierung eine präzisere Kontrolle über die Sprachwiedergabe ermöglichen. Atlas Cloud stellt einen einheitlichen Audio-Endpunkt mit konsistenter Abrechnung nach Unicode-Zeichen und transparenten Standardpreisen für produktive Workflows bereit.
xAI wurde von xAI entwickelt. Atlas Cloud (betrieben von Atlas Cloud AI LLC) stellt lediglich den Zugang bereit und ist nicht Eigentümerin des Modells. Alle Marken sind Eigentum ihrer jeweiligen Inhaber.
AI Video Models by xAI
Erzeugen Sie mit den neuesten KI-Modellen zur Videogenerierung auf Atlas Cloud kinoreife, hochdetaillierte Videos aus Text und Bildern.
Grok Imagine Video
Grok Imagine Video ermöglicht Entwicklern den Zugriff auf xAIs Videofamilie zum Erstellen, Animieren, Erweitern und Bearbeiten von Clips. Erstelle 1- bis 15-sekündige Videos aus Prompts, steuere Personen, Objekte oder Stile mit bis zu sieben Referenzbildern und arbeite in 480p oder 720p. Atlas Cloud bündelt diese Möglichkeiten über OpenAI-compatible Endpoints mit transparenten Pay-as-you-go-Preisen. Beginne noch heute mit der Entwicklung.
Grok Imagine Video 1.5 Lite
Grok Imagine Video 1.5 Lite ist xAIs kostengünstigstes Modell der Grok-Imagine-Videofamilie und wurde für die integrierte Bild- und Tonerzeugung aus Prompts oder Quellbildern entwickelt. Es unterstützt sprachsynchronisierte Lippenbewegungen und eine wählbare Ausgabequalität, einschließlich 1080p, hochskaliert von 720p. Nutze beide Generierungsmodi auf Atlas Cloud mit nutzungsbasierter Abrechnung von $0.02 pro Sekunde und einem einzigen OpenAI-kompatiblen Schlüssel. Beginne noch heute mit der Entwicklung.
xAI TTS V1
xAI TTS v1 ist das hochauflösende Text-to-Speech-Modell von xAI, das geschriebene Inhalte in natürlich klingendes, ausdrucksstarkes Audio umwandelt. Es unterstützt 20 Sprachen und bietet eine präzise Steuerung der Sprachwiedergabe, damit sich der Klang der Sprache an verschiedene Anwendungen anpassen lässt. Greifen Sie über Atlas Cloud mit einem einzigen OpenAI-kompatiblen Schlüssel und transparenten nutzungsbasierten Preisen auf das Modell zu. Beginnen Sie noch heute mit der Entwicklung.
Grok Imagine Video 1.5
Grok Imagine Video 1.5 ist die Videogenerierungsfamilie von xAI für Entwickler, die kontrollierte Bewegungen anhand von Prompts und visuellen Eingaben benötigen. Animieren Sie ein Ausgangsbild mit natürlichsprachlichen Bewegungsanweisungen, wählen Sie 480p oder 720p für Referenz-Workflows und fügen Sie optional eine Referenzstimme hinzu, um das Ergebnis zu steuern. Nutzen Sie unterstützte Modi mit einem OpenAI-kompatiblen Atlas Cloud API-Schlüssel und transparenter nutzungsbasierter Abrechnung. Beginnen Sie noch heute mit der Entwicklung.
AI Image Models by xAI
Erstellen Sie atemberaubende, produktionsreife Visuals aus Prompts und Referenzen mit den modernsten KI-Modellen zur Bildgenerierung auf Atlas Cloud.
Grok Imagine Image 2.0
Grok Imagine Image 2.0 von xAI kombiniert hochwertige Text-zu-Bild-Generierung mit natürlicher Sprachbearbeitung für referenzbasierte Workflows. Erstelle Ausgaben in 1K oder 2K, entwickle aus einem Prompt ein fertiges Bild und verfeinere bestehende Bilder mit direkten Anweisungen. Atlas Cloud bündelt alle unterstützten Endpoints unter einem OpenAI-kompatiblen API-Schlüssel mit transparenter nutzungsbasierter Abrechnung und einfacher Integration. Beginne noch heute mit der Entwicklung.
Grok Imagine
Die Grok Imagine API umfasst xAIs Bild-, Video- und Sprachmodelle, von Image 2.0 bis Video 1.5 und xAI TTS v1. Generieren Sie 1K oder 2K Standbilder über 14 Seitenverhältnisse, erweitern Sie eine Szene auf 15 Sekunden 1080p-Motion, steuern Sie Aufnahmen mit bis zu 7 Referenzbildern, oder озвучить Sie diese in 20 Sprachen. Atlas Cloud führt alle Modi auf einem Endpunkt aus, mit Pay-as-you-go-Preisgestaltung ab $0.02 pro Bild und $0.05 pro Sekunde. Beginnen Sie heute mit der Entwicklung.
Large Language Models by xAI
Treiben Sie Chat, Reasoning und Agenten im großen Maßstab mit führenden großen Sprachmodellen an – schnell und kostengünstig bereitgestellt auf Atlas Cloud.
xAI Models API Pricing Details
Compare standard vs. our pricing across every xAI model.
| Model | Standard Price (USD) | Our Price (USD) | Discount | |
|---|---|---|---|---|
| Grok Imagine Image 2.0 Developer Edit | $0.04/pic | Start from$0.014/pic | -65% | View |
| Grok Imagine Image 2.0 Developer Text-to-Image | $0.04/pic | Start from$0.014/pic | -65% | View |
| Grok Imagine Video V1.5 Lite Developer Image-to-Video | $0.02 | Start from$0.007/s video | -65% | View |
| Grok Imagine Video V1.5 Lite Developer Text-to-Video | $0.02 | Start from$0.007/s video | -65% | View |
| Grok Imagine Video v1.5 Developer Reference-to-Video | $0.08 | Start from$0.028/s video | -65% | View |
| Grok Imagine Video v1.5 Developer Text-to-Video | $0.08 | Start from$0.028/s video | -65% | View |
Explore models from other providers
Instantly explore and experiment with 400+ production-ready models in the Atlas Playground. Start customizing with one click.
xAI API-Anwendungsfälle, die Sie auf Atlas Cloud entwickeln können
Die Bild- und Video-Endpoints von Grok Imagine übernehmen die Generierung, Bearbeitung und Animation über eine einzige API. Teams nutzen sie, um statische Assets in vertonte Videoinhalte zu verwandeln und visuelle Creatives in einem Tempo und zu Kosten zu produzieren, die zuvor nicht praktikabel waren.
Automatisierte E-Commerce-Produktvideos
E-Commerce-Teams erstellen Pipelines, die Produktbilder mithilfe von Grok Imagine Video v1.5 in kurze Videoclips animieren, wobei Umgebungsgeräusche und produktbezogenes Audio im selben Aufruf generiert werden. Ein einziges Produktfoto wird zu einem Clip mit Ton, der ohne Videodreh oder Audiobearbeitung für Anzeigen und Produktseiten bereit ist. Bei 0,096 $ pro Sekunde auf Atlas Cloud kostet ein 10-sekündiges Produktvideo weniger als einen Dollar.
Markenanzeigen-Creative aus statischen Assets
Markenteams nutzen Grok Imagine Video v1.5, um freigegebene Kampagnenfotografie in animierte Social-Media-Anzeigen mit nativ generiertem Audio zu verwandeln. Da Audio- und Video-Tokens im selben Inferenzdurchlauf (inference pass) erzeugt werden, synchronisieren sich Dialoge, Soundeffekte und Hintergrundmusik ohne Postproduktionsaufwand mit den visuellen Elementen. Dadurch entfällt der Schritt der Audioproduktion im kreativen Werbe-Workflow vollständig.
Film-Pre-Production-Storyboarding
Regisseure und Kameraleute nutzen Grok Imagine Image, um visuelle Storyboards zu erstellen, die Bildkomposition, Kamerawinkel und Beleuchtung zeigen, bevor die Produktion beginnt. Die Ausgabe in 2K-Auflösung ist detailliert genug, um sie als visuelles Briefing für jede Szene mit der Crew zu teilen. Mit 0,06 $ pro Bild kostet das Iterieren durch mehrere Aufnahmeoptionen weniger als eine einzige Stunde Produktionszeit.
Immobilien-Lifestyle-Video
Immobilienentwickler nutzen Grok Imagine Video v1.5, um aus Architekturrenderings oder Innenraumfotos filmische Lifestyle-Clips zu erstellen. Ein Balkon-Rendering wird zu einem Clip mit Sonnenuntergangsblick und Umgebungsgeräuschen, ein Küchenfoto zu einer Morgenszene mit natürlichem Klang. Dies ersetzt teure Lifestyle-Fotoshootings für Immobilienangebote und Pre-Sale-Marketingmaterialien.
Multi-Referenz-Bildkomposition
Kreativteams nutzen den 3-Quellen-Input von Grok Imagine Image Edit, um Elemente aus mehreren Referenzbildern zu einer einzigen Ausgabe zusammenzusetzen – durch die Kombination einer Produktaufnahme, eines Hintergrunds und einer Beleuchtungsreferenz in einem einzigen API-Aufruf. Dies macht es praktisch, Kampagnenvarianten zu erstellen, die die Markenkonsistenz über verschiedene Szeneneinstellungen hinweg wahren. Jede Komposition kostet 0,06 $ pro Bild auf Atlas Cloud.
Konzeptkunst und Trailer für Indie-Spiele
Kleine Spielestudios verwenden Grok Imagine Image, um während der Vorproduktion Concept Art zu generieren, und übergeben dann Keyframes an Grok Imagine Video v1.5, um animierte Trailer-Sequenzen zu produzieren. Die Videoerweiterungsfunktion ermöglicht es Teams, Clips aus einem einzigen Startbild aneinanderzureihen, um längere filmische Sequenzen zu erstellen, die über das Limit von 15 Sekunden pro Aufruf hinausgehen. Dieser Workflow ersetzt externe Animationsdienstleister für Marketinginhalte in der Frühphase.
Verwandeln Sie Ihre Unternehmensvision mit Atlas Cloud AI in Realität.
Vertrieb kontaktierenFragen zur xAI TTS v1 API, beantwortet
xAI TTS v1 ist ein Text-to-Speech-Modell von xAI, das geschriebene Inhalte in natürliche, ausdrucksstarke Audiodaten umwandelt. Atlas Cloud stellt es als Modell xai/tts-v1 über seinen gemeinsamen Audio-Generierungsendpunkt bereit.
Damit lassen sich Erzählungen, Produkt-Voiceovers, barrierefreie Audiodateien, lokalisierte Sprachinhalte und Dialoge für Sprachanwendungen erzeugen. Ausdrucksstarke Tags und anpassbare Wiedergabeeinstellungen helfen dabei, die generierte Sprache an verschiedene Szenen und Zielgruppen anzupassen.
Senden Sie eine POST-Anfrage an https://api.atlascloud.ai/api/v1/model/generateAudio mit Bearer-Authentifizierung, dem Modellwert xai/tts-v1, Ihrem Text und einer Spracheinstellung. Fragen Sie anschließend den Prediction-Endpunkt mit der zurückgegebenen Task-ID ab oder registrieren Sie einen Webhook für den Abschluss.
Atlas Cloud führt mehr als 80 Stimmen und 20 Sprachoptionen auf. Über die Einstellung auto ist eine automatische Spracherkennung verfügbar. Die mehrsprachigen Stimmen Ara, Eve, Leo, Rex und Sal unterstützen jede im Endpunktschema aufgeführte Sprache.
Fügen Sie Inline-Tags wie [pause], [laugh] und [sigh] hinzu oder umschließen Sie Text mit Tags wie <whisper> und <slow>, um die Sprachwiedergabe zu gestalten. Die Sprechgeschwindigkeit lässt sich von 0.7 bis 1.5 anpassen, während die optionale Textnormalisierung die Aussprache von Zahlen, Abkürzungen und Symbolen verbessert.
Wählen Sie je nach Anforderungen an Wiedergabe oder Telefonie MP3-, WAV-, PCM-, μ-law- oder A-law-Ausgabe. Unterstützte Abtastraten reichen von 8,000 bis 48,000 Hz, und die MP3-Ausgabe bietet Bitraten von 32,000 bis 192,000 bps.
Atlas Cloud berechnet xAI TTS v1 zum Standardtarif von $0.015 pro 1,000 Eingabezeichen. Für die Abrechnung werden Unicode-Zeichen gezählt, sodass ein CJK-Zeichen genauso zählt wie ein lateinischer Buchstabe.
Jede Atlas Cloud-Anfrage akzeptiert bis zu 15,000 Textzeichen. Teilen Sie längere Skripte in separate Anfragen auf und verwenden Sie dieselbe Stimme, Sprache, Geschwindigkeit und Ausgabeeinstellungen, wenn die Sprachwiedergabe über alle Segmente hinweg einheitlich bleiben soll.
Die aktuelle Atlas Cloud-Dokumentation beschreibt einen asynchronen Workflow, bei dem Sie einen Auftrag übermitteln und das Ergebnis per Abfrage oder Webhook abrufen. Das Anfrage-Schema umfasst drei Stufen zur Latenzoptimierung, aber die öffentliche Dokumentation bestätigt keinen direkten Atlas Cloud WebSocket-Endpunkt.
Weitere Familien Erkunden
Kling 4.0
Die Kling 4 API stellt Kling 4.0 bereit, das Videomodell, das Kuaishou am 15. Oktober 2026 veröffentlicht hat. Es generiert bis zu 30 Sekunden in einem einzigen Durchlauf, folgt bis zu 10 Keyframes, mischt 15 Bilder, Videos und Motive über Omni Reference und fügt Stereo-Audio mit Lippensynchronisation hinzu. Atlas Cloud bedient alle vier Endpunkte, einschließlich der Videobearbeitung, über einen einzigen OpenAI-kompatiblen Schlüssel ab 0,11 $ pro Sekunde. Beginnen Sie noch heute mit der Entwicklung.
Seedance 2.5
Die Seedance 2.5 API bietet Entwicklern das gemeinsame Audio- und Videomodell von ByteDance Seed, das in einem Durchgang 4 bis 30 Sekunden aus Text, einem ersten Frame oder bis zu 50 Referenzen über Bilder, Video und Audio hinweg generiert. Es bearbeitet ausgewählte Bereiche, verlängert Clips und folgt White-Model- sowie Greenscreen-Eingaben. Atlas Cloud, ein autorisierter US-Wiederverkäufer, fügt einen 480p-Entwurfsmodus, native 1080p-Finaldateien und eine verbesserte 4K-Bereitstellung mit nutzungsbasierter Preisgestaltung hinzu.
Wan 3.0
Wan 3.0 ist Alibabas neuestes Videomodell, das in einer einzigen Generierung bis zu 30 Sekunden langes 1080p-Video bei 30fps mit Audio erzeugt. Steuern Sie es mit einem Text-Prompt, einem ersten Frame, bis zu 10 Referenzbildern oder einem Dokument. Standard kostet weniger pro Sekunde, während Prime die gleichen Funktionen beibehält und Ergebnisse schneller liefert. Beide laufen über denselben Atlas Cloud-Schlüssel wie Wan 2.7, 2.6 und 2.5.
MiniMax H3
MiniMax H3 ist die multimodale Videofamilie von MiniMax für text-, bild- und referenzgesteuerte Erstellung. Über die unterstützten Routen hinweg bleiben Motive aus Referenzmedien erhalten, flexible Seitenverhältnisse stehen zur Verfügung, und H3 Developer kombiniert generierten Ton mit visuellen Inhalten, wobei die Ausgabeprofile je nach Endpoint ausgewählt werden. Atlas Cloud bündelt die Familie hinter einem OpenAI-kompatiblen Schlüssel mit transparenter nutzungsbasierter Abrechnung zum Standardtarif von $0.038 pro Sekunde. Beginnen Sie noch heute mit der Entwicklung.
GPT Image 2.5
GPT Image 2.5 ist das Bildgenerierungs- und Bearbeitungsmodell von OpenAI, das am 8. September 2026 in zwei API-Versionen veröffentlicht wurde. Flare ist die Standardversion mit einer bis zu 50 % geringeren Latenz als GPT Image 2, während Sunburst länger braucht, um eine feinere Kontrolle über detaillierte Bearbeitungen zu ermöglichen. Beide unterstützen bis zu 16 Referenzbilder, fünf Qualitätsstufen, transparente Hintergründe und benutzerdefinierte Größen bis zu 3840px. Atlas Cloud stellt die GPT Image 2.5 API zu den Token-Raten von OpenAI oder zu einem Festpreis pro Bild je nach 1K-, 2K- oder 4K-Stufe bereit.
Seedream 5.0 Pro
Die Seedream 5.0 Pro API bietet Entwicklern das steuerbare Bildbearbeitungsmodell von ByteDance auf Atlas Cloud. Sie platziert Bearbeitungen präzise mit Ankern und Koordinaten, trennt Bilder in bearbeitbare Ebenen, verschmilzt mehrere Referenzen und passt exakte Farben und Materialien an, mit mehrsprachigem Text in 2K und 3K. Auf Atlas Cloud erreichen Sie es über einen einzigen Schlüssel!
Seedance 2.0
Seedance 2.0 ist ByteDances Produktionsvideomodell für die präzise Erstellung von Einstellungen. Verwandle Prompts in Videos, animiere ein Erstbild mit optionaler Führung durch ein Letztbild oder gestalte Ergebnisse mit Referenzmedien und optionaler Websuche. Atlas Cloud vereint diese Workflows in einer einheitlichen API mit transparenter nutzungsbasierter Preisgestaltung und einem einzigen OpenAI-kompatiblen Schlüssel. Beginne noch heute mit der Entwicklung.
Kling V3.0
Die Kling-V3-API-Familie von Kuaishou unterstützt Workflows mit Text, Bildern und Referenzvideos. Übertragen Sie Bewegungen, während die Identität der Figur erhalten bleibt, steuern Sie die Generierung mit visuellen Referenzen und bearbeiten Sie Videos per natürlichsprachlichen Anweisungen. Atlas Cloud bietet Standard- und Pro-Endpunkte für unterschiedliche Produktionsanforderungen. Neu: Kling V4 ist jetzt auf Atlas Cloud verfügbar. Entdecken Sie es auf der Seite [Kling V4](https://www.atlascloud.ai/zh/models/kling-v4).
Grok Imagine Video
Grok Imagine Video ermöglicht Entwicklern den Zugriff auf xAIs Videofamilie zum Erstellen, Animieren, Erweitern und Bearbeiten von Clips. Erstelle 1- bis 15-sekündige Videos aus Prompts, steuere Personen, Objekte oder Stile mit bis zu sieben Referenzbildern und arbeite in 480p oder 720p. Atlas Cloud bündelt diese Möglichkeiten über OpenAI-compatible Endpoints mit transparenten Pay-as-you-go-Preisen. Beginne noch heute mit der Entwicklung.
Vidu Q4 Preview
Vidu Q4 ist Vidus neuestes Flaggschiff-Videomodell, entwickelt für die Generierung von Image-to-Video- und Reference-to-Video-Inhalten. Es kann ein einzelnes Standbild animieren und automatische Szenenübergänge erstellen, sodass Entwicklern zwei Eingabepfade für unterschiedliche Produkt-Workflows zur Verfügung stehen. Atlas Cloud stellt dedizierte API-Endpunkte mit veröffentlichten Parameterschemata zum verifizierten Standardpreis von $0.04 pro Sekunde bereit. Beginnen Sie noch heute mit der Entwicklung.
Gemini Omni 1.1 Flash
Gemini Omni 1.1 Flash ist die von Google DeepMind entwickelte, von Grund auf multimodale Videomodellfamilie für flexible Produktions-Workflows. Bearbeiten Sie bestehendes Filmmaterial per Textanweisung, wahren Sie mit bis zu 10 Referenzbildern und 3 Videoclips die visuelle Konsistenz oder verlängern Sie eine Aufnahme in verkettbaren Segmenten auf bis zu 40 Sekunden. Greifen Sie mit einem einzigen OpenAI-kompatiblen API-Schlüssel, nutzungsabhängiger Abrechnung und Verfügbarkeit ab Tag 0 auf jeden Workflow in Atlas Cloud zu. Beginnen Sie noch heute mit der Entwicklung.
Nano Banana 2.1
Nano Banana 2.1 is Google's image model family built on Gemini 3.6 Flash. It delivers Pro-level generation and editing at Flash-level speed, supports natural-language edits and merges across 1 to 14 input images, and maintains consistency for up to 4 characters and 10 objects. Through Atlas Cloud, developers can access the family with one OpenAI-compatible key, reliable uptime, and Day-0 availability. Start building today.
Empfohlene Artikel
Anleitungen, Tutorials und Produkt-Updates, mit denen Sie das Beste aus Atlas Cloud herausholen.
