xAI Speech with Subsecond Latency
Desarrollada por xAI, la familia de voz de xAI crea audio natural y de alta fidelidad con una latencia inferior a un segundo. Las etiquetas expresivas dan forma a las pausas, los susurros, el énfasis y el ritmo en 20 idiomas, mientras que la velocidad de habla ajustable y la normalización del texto mejoran el control sobre la locución. Atlas Cloud proporciona un endpoint de audio unificado, con una facturación coherente por caracteres Unicode y precios estándar transparentes para flujos de trabajo de producción.
xAI ha sido desarrollado por xAI. Atlas Cloud (operado por Atlas Cloud AI LLC) proporciona acceso al modelo, pero no es su propietario. Todas las marcas comerciales pertenecen a sus respectivos titulares.
AI Video Models by xAI
Genera vídeos cinematográficos de alta fidelidad a partir de texto e imágenes con los modelos de IA de generación de vídeo más recientes en Atlas Cloud.
Grok Imagine Video
Grok Imagine Video brinda a los desarrolladores acceso a la familia de modelos de video de xAI para crear, animar, ampliar y editar clips. Genera videos de 1 a 15 segundos a partir de indicaciones, guía personas, objetos o estilos con hasta siete imágenes de referencia y trabaja en 480p o 720p. Atlas Cloud reúne estas capacidades mediante endpoints compatibles con OpenAI y precios transparentes de pago por uso. Empieza a crear hoy mismo.
Grok Imagine Video 1.5 Lite
Grok Imagine Video 1.5 Lite es el modelo de menor coste de xAI en la familia de vídeos Grok Imagine, diseñado para generar imágenes y sonido a partir de indicaciones o imágenes de origen. Admite habla sincronizada con el movimiento de los labios y una calidad de salida seleccionable, incluido 1080p reescalado desde 720p. Accede a ambos modos de generación en Atlas Cloud con un precio de pago por uso de $0.02 por segundo y una única clave compatible con OpenAI. Empieza a desarrollar hoy mismo.
xAI TTS V1
xAI TTS v1 es el modelo de texto a voz de alta fidelidad de xAI para convertir contenido escrito en audio natural y expresivo. Admite 20 idiomas y ofrece un control preciso de la interpretación para adaptar cómo suena la voz en distintas aplicaciones. Accede al modelo a través de Atlas Cloud con una única clave compatible con OpenAI y precios transparentes de pago por uso. Empieza a crear hoy mismo.
Grok Imagine Video 1.5
Grok Imagine Video 1.5 es la familia de generación de video de xAI para desarrolladores que necesitan controlar el movimiento a partir de prompts y entradas visuales. Anima un fotograma inicial con instrucciones de movimiento en lenguaje natural, selecciona 480p o 720p para flujos de trabajo basados en referencias y añade una voz de referencia opcional para orientar el resultado. Accede a los modos compatibles mediante una única clave de Atlas Cloud compatible con OpenAI, con precios transparentes de pago por uso. Empieza a desarrollar hoy mismo.
AI Image Models by xAI
Crea imágenes impactantes y listas para producción a partir de prompts y referencias con los modelos de IA de generación de imágenes más avanzados en Atlas Cloud.
Grok Imagine Image 2.0
Desarrollado por xAI, Grok Imagine Image 2.0 combina una generación de texto a imagen refinada con edición en lenguaje natural para flujos de trabajo basados en referencias. Genera resultados en 1K o 2K, pasa de un prompt a una imagen terminada y perfecciona imágenes existentes mediante instrucciones directas. Atlas Cloud reúne todos los endpoints compatibles bajo una única clave de API compatible con OpenAI, con precios transparentes de pago por uso e integración sencilla. Empieza a desarrollar hoy mismo.
Grok Imagine
La API Grok Imagine cubre los modelos de imagen, video y voz de xAI, desde Image 2.0 hasta Video 1.5 y xAI TTS v1. Genera imágenes de 1K o 2K en 14 relaciones de aspecto, expande una escena a 15 segundos de movimiento en 1080p, controla tomas con hasta 7 imágenes de referencia, o nárralas en 20 idiomas. Atlas Cloud ejecuta todos los modos en un endpoint, con precios de pago por uso desde $0.02 por imagen y $0.05 por segundo. Empieza a construir hoy.
Large Language Models by xAI
Impulsa chat, razonamiento y agentes a gran escala con los principales grandes modelos de lenguaje, servidos de forma rápida y asequible en 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.
Casos de uso de la API xAI que puede desarrollar en Atlas Cloud
Los endpoints de imagen y video de Grok Imagine manejan la generación, edición y animación desde una sola API. Los equipos los utilizan para transformar activos estáticos en contenido de video con sonido y para producir creatividades visuales a un ritmo y costo que antes no era viable.
Videos automatizados de productos de comercio electrónico
Los equipos de comercio electrónico construyen flujos de trabajo que animan imágenes de productos en clips de video cortos utilizando Grok Imagine Video v1.5, con sonido ambiental y audio contextual del producto generados en la misma llamada. Una sola foto de producto se convierte en un clip con sonido listo para anuncios y páginas de productos sin necesidad de filmar un video ni editar audio. A $0.096 por segundo en Atlas Cloud, un video de producto de 10 segundos cuesta menos de un dólar.
Creatividad de anuncios de marca a partir de activos estáticos
Los equipos de marca utilizan Grok Imagine Video v1.5 para convertir la fotografía aprobada de la campaña en anuncios sociales animados con audio generado de forma nativa. Dado que los tokens de audio y video se producen en el mismo paso de inferencia, los diálogos, los efectos de sonido y la música ambiental se sincronizan con las imágenes sin necesidad de trabajo de posproducción. Esto elimina por completo el paso de producción de audio del flujo de trabajo creativo del anuncio.
Storyboarding de preproducción cinematográfica
Los directores y directores de fotografía utilizan Grok Imagine Image para generar guiones gráficos visuales que muestran la composición de la toma, el ángulo de la cámara y la iluminación antes de que comience la producción. El resultado en resolución 2K es lo suficientemente detallado como para compartirlo con el equipo como un resumen visual para cada escena. A $0.06 por imagen, iterar a través de múltiples opciones de tomas cuesta menos que una sola hora de tiempo de producción.
Video de Estilo de Vida Inmobiliario
Los promotores inmobiliarios utilizan Grok Imagine Video v1.5 para generar clips de estilo de vida cinematográficos a partir de renders arquitectónicos o fotos de interiores. Un render de un balcón se convierte en un clip con vista al atardecer y audio ambiental, una foto de una cocina se convierte en una escena matutina con sonido natural. Esto reemplaza las costosas sesiones de fotografía de estilo de vida para los listados y los materiales de marketing de preventa.
Composición de imágenes multirreferencia
Los equipos creativos utilizan la entrada de 3 fuentes de Grok Imagine Image Edit para componer elementos de múltiples imágenes de referencia en una salida única: combinando una foto de producto, un fondo y una referencia de iluminación en una sola llamada a la API. Esto hace que sea práctico producir variantes de campañas que mantengan la coherencia de la marca en diferentes configuraciones de escena. Cada composición cuesta 0,06 $ por imagen en Atlas Cloud.
Arte Conceptual y Tráileres de Juegos Indie
Los pequeños estudios de videojuegos utilizan Grok Imagine Image para generar arte conceptual durante la preproducción, y luego pasan los fotogramas clave a Grok Imagine Video v1.5 para producir secuencias de tráileres animados. La función de extensión de video permite a los equipos encadenar clips desde un solo fotograma inicial para construir secuencias cinematográficas más largas que superan el límite de 15 segundos por llamada. Este flujo de trabajo reemplaza a los contratistas de animación externos para el contenido de marketing en etapas iniciales.
Haz realidad la visión de tu empresa con Atlas Cloud AI.
Contactar con ventasPreguntas y respuestas sobre la API xAI TTS v1
xAI TTS v1 es un modelo de texto a voz de xAI que convierte contenido escrito en audio natural y expresivo. Atlas Cloud lo ofrece como el modelo xai/tts-v1 mediante su endpoint compartido de generación de audio.
Puede generar narraciones, locuciones de productos, audio accesible, voz localizada y diálogos para aplicaciones de voz. Las etiquetas expresivas y los ajustes de entrega permiten adaptar el habla generada a distintas escenas y audiencias.
Envía una solicitud POST a https://api.atlascloud.ai/api/v1/model/generateAudio con autenticación Bearer, el valor de modelo xai/tts-v1, tu texto y una configuración de idioma. Después, consulta periódicamente el endpoint de predicción con el ID de tarea devuelto o registra un webhook para recibir la notificación de finalización.
Atlas Cloud ofrece más de 80 voces y 20 opciones de idioma, con detección automática del idioma mediante la configuración auto. Las voces multilingües Ara, Eve, Leo, Rex y Sal admiten todos los idiomas incluidos en el esquema del endpoint.
Añade etiquetas en línea como [pause], [laugh] y [sigh], o encierra el texto entre etiquetas como <whisper> y <slow> para definir la forma de entrega. La velocidad del habla se puede ajustar de 0.7 a 1.5, mientras que la normalización de texto opcional mejora la pronunciación de números, abreviaturas y símbolos.
Elige una salida MP3, WAV, PCM, μ-law o A-law según tus requisitos de reproducción o telefonía. Las frecuencias de muestreo compatibles van de 8,000 a 48,000 Hz, y la salida MP3 ofrece tasas de bits de 32,000 a 192,000 bps.
Atlas Cloud factura xAI TTS v1 a la tarifa estándar de $0.015 por cada 1,000 caracteres de entrada. La facturación cuenta los caracteres Unicode, por lo que un carácter CJK se contabiliza igual que una letra latina.
Cada solicitud de Atlas Cloud admite hasta 15,000 caracteres de texto. Divide los guiones más largos en varias solicitudes y conserva la misma voz, idioma, velocidad y configuración de salida cuando necesites una entrega uniforme entre segmentos.
La documentación actual de Atlas Cloud describe un flujo de trabajo asíncrono en el que envías una tarea y recuperas el resultado mediante consultas periódicas o un webhook. El esquema de solicitud incluye tres niveles de optimización de latencia, pero la documentación pública no confirma un endpoint WebSocket directo de Atlas Cloud.
Explorar Más Series
Kling 4.0
La API de Kling 4 ofrece Kling 4.0, el modelo de video que Kuaishou lanzó el 15 de octubre de 2026. Genera hasta 30 segundos en una sola pasada, sigue hasta 10 fotogramas clave, combina 15 imágenes, videos y sujetos a través de Omni Reference, y agrega audio estéreo con sincronización labial. Atlas Cloud sirve los cuatro endpoints, incluida la edición de video, en una clave compatible con OpenAI desde $0.11 por segundo. Comience a construir hoy.
Seedance 2.5
La API de Seedance 2.5 ofrece a los desarrolladores el modelo conjunto de audio y video de ByteDance Seed, generando de 4 a 30 segundos en una sola pasada a partir de texto, un primer fotograma o hasta 50 referencias entre imágenes, video y audio. Permite editar regiones seleccionadas, extender clips y seguir entradas de modelos en blanco y pantallas verdes. Atlas Cloud, un revendedor autorizado en EE. UU., añade un modo borrador a 480p, archivos finales nativos a 1080p y entrega en 4K mejorada con precios de pago por uso.
Wan 3.0
Wan 3.0 es el modelo de video más nuevo de Alibaba, que produce hasta 30 segundos de video a 1080p y 30fps con audio en una sola generación. Guíelo con un prompt de texto, un primer fotograma, hasta 10 imágenes de referencia o un documento. Standard cuesta menos por segundo, mientras que Prime mantiene las mismas capacidades y devuelve resultados más rápido. Ambos se ejecutan en la misma clave de Atlas Cloud que Wan 2.7, 2.6 y 2.5.
MiniMax H3
MiniMax H3 es la familia de vídeo multimodal de MiniMax para la creación guiada por texto, imagen y referencias. En las rutas compatibles, conserva los sujetos del material de referencia, ofrece relaciones de aspecto flexibles y combina el sonido generado con los elementos visuales mediante H3 Developer, con perfiles de salida seleccionados según el endpoint. Atlas Cloud reúne toda la familia bajo una única clave compatible con OpenAI, con precios transparentes de pago por uso a partir de la tarifa estándar de $0.038 por segundo. Empieza a crear hoy mismo.
GPT Image 2.5
GPT Image 2.5 es el modelo de generación y edición de imágenes de OpenAI, lanzado el 8 de septiembre de 2026 en dos versiones de API. Flare es la versión predeterminada, con una latencia hasta un 50% menor que GPT Image 2, mientras que Sunburst tarda más para ofrecer un control más preciso sobre ediciones detalladas. Ambos admiten hasta 16 imágenes de referencia, cinco niveles de calidad, fondos transparentes y tamaños personalizados de hasta 3840px. Atlas Cloud sirve la API de GPT Image 2.5 a las tarifas por token de OpenAI, o a un precio fijo por imagen según el nivel de 1K, 2K o 4K.
Seedream 5.0 Pro
La API de Seedream 5.0 Pro ofrece a los desarrolladores el modelo de edición de imágenes controlable de ByteDance en Atlas Cloud. Sitúa las ediciones con precisión mediante anclajes y coordenadas, separa las imágenes en capas editables, fusiona múltiples referencias y empareja colores y materiales exactos, con texto multilingüe a 2K y 3K. ¡En Atlas Cloud puede acceder a él mediante una sola clave!
Seedance 2.0
Seedance 2.0 es el modelo de vídeo para producción de ByteDance, diseñado para crear planos con precisión. Convierte prompts en vídeo, anima una imagen del primer fotograma con orientación opcional del último fotograma o da forma a los resultados mediante medios de referencia y búsqueda web opcional. Atlas Cloud reúne estos flujos de trabajo en una única API unificada, con precios transparentes de pago por uso y una sola clave compatible con OpenAI. Empieza a crear hoy mismo.
Kling V3.0
De Kuaishou, la familia de API Kling V3 admite flujos de trabajo de texto, imagen y video de referencia. Transfiere el movimiento sin perder la identidad de los personajes, guía la generación con referencias visuales y edita videos mediante instrucciones en lenguaje natural. Atlas Cloud ofrece endpoints Standard y Pro para distintas necesidades de producción. Actualización: Kling V4 ya está disponible en Atlas Cloud. Descúbrelo en la página de [Kling V4](https://www.atlascloud.ai/zh/models/kling-v4).
Grok Imagine Video
Grok Imagine Video brinda a los desarrolladores acceso a la familia de modelos de video de xAI para crear, animar, ampliar y editar clips. Genera videos de 1 a 15 segundos a partir de indicaciones, guía personas, objetos o estilos con hasta siete imágenes de referencia y trabaja en 480p o 720p. Atlas Cloud reúne estas capacidades mediante endpoints compatibles con OpenAI y precios transparentes de pago por uso. Empieza a crear hoy mismo.
Vidu Q4 Preview
Vidu Q4 es el último modelo de vídeo insignia de Vidu, diseñado para la generación de vídeo a partir de imágenes y referencias. Puede animar una sola imagen estática y crear transiciones automáticas entre escenas, ofreciendo a los desarrolladores dos vías de entrada para distintos flujos de trabajo de producto. Atlas Cloud proporciona endpoints de API dedicados con esquemas de parámetros publicados, a un precio estándar verificado de $0.04 por segundo. Empieza a desarrollar hoy mismo.
Gemini Omni 1.1 Flash
Gemini Omni 1.1 Flash es la familia de vídeo nativamente multimodal de Google DeepMind para flujos de producción flexibles. Edita material existente mediante instrucciones de texto, mantén la coherencia visual con hasta 10 imágenes de referencia y 3 clips de vídeo, o amplía una toma en segmentos encadenables de hasta 40 segundos. Accede a todos los flujos de trabajo en Atlas Cloud con una sola clave de API compatible con OpenAI, precios de pago por uso y disponibilidad desde el día 0. Empieza a desarrollar hoy mismo.
Nano Banana 2.1
Nano Banana 2.1 es la familia de modelos de imagen de Google basada en Gemini 3.6 Flash. Ofrece generación y edición con calidad Pro a la velocidad de Flash, admite ediciones y combinaciones mediante lenguaje natural con entre 1 y 14 imágenes de entrada, y mantiene la coherencia de hasta 4 personajes y 10 objetos. A través de Atlas Cloud, los desarrolladores pueden acceder a la familia con una única clave compatible con OpenAI, disponibilidad fiable y disponibilidad desde el día 0. Empieza a crear hoy mismo.
Artículos recomendados
Guías, tutoriales y novedades de producto para aprovechar al máximo Atlas Cloud.
