


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.
xAI TTS V1 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.
Atlas Cloud le proporciona los últimos modelos creativos líderes en la industria.
Explora las capacidades de texto a voz y voz a texto de la familia para aplicaciones de voz multilingües.
| Modalidad | Descripción |
|---|---|
| xAI TTS v1 API (Text to Speech) | Convierte texto en voz natural y expresiva con una latencia inferior a un segundo en 20 idiomas y más de 80 voces. El control detallado de la interpretación hace que este endpoint sea adecuado para asistentes de voz, narración localizada y experiencias de audio con respuesta ágil. |
| xAI STT v1 API (Speech to Text) | El audio se convierte en texto preciso y con formato, con detección automática del idioma en más de 24 idiomas. Usa marcas de tiempo a nivel de palabra, diarización de hablantes, transcripción multicanal y normalización inversa del texto para registros de reuniones, subtítulos y análisis de llamadas. |
xAI TTS v1 combina etiquetas de voz expresivas, 20 idiomas compatibles, guiones de hasta 15,000 caracteres, cinco códecs de salida, latencia de streaming ajustable y precios transparentes basados en caracteres mediante una única clave de API de Atlas Cloud.

Controla xAI TTS v1 directamente con etiquetas insertadas, como [pause], y estilos envolventes, como <whisper>, para definir la interpretación dentro del guion. Las indicaciones vocales se interpretan durante la síntesis, por lo que la emoción, el ritmo y el énfasis no requieren una fase de edición independiente. Este control es ideal para diálogos de personajes, narraciones de marca, mensajes de soporte y cualquier producción que necesite una sincronización expresiva.

Elige entre más de 70 identificadores de voz del esquema actual de Atlas Cloud, incluidas cinco voces multilingües diseñadas para cubrir todos los idiomas compatibles. Configura una de las 20 opciones de idioma BCP-47 o utiliza la detección automática, mientras que las demás voces permanecen optimizadas para su idioma nativo. Localiza asistentes, tutoriales, campañas y mensajes de servicio sin reconstruir el flujo de trabajo de síntesis para cada mercado.

Una sola solicitud admite guiones de hasta 15,000 caracteres y permite establecer la velocidad del habla entre 0.7× y 1.5×. La normalización de texto opcional convierte números escritos, abreviaturas y símbolos en formas habladas antes de la síntesis. Usa estos controles para mantener la claridad en narraciones largas y adaptar el ritmo de explicaciones, lecciones o doblajes dentro de un flujo de trabajo de API coherente.

Exporta el audio como MP3, WAV, PCM, μ-law o A-law, con frecuencias de muestreo de 8 kHz a 48 kHz. La salida MP3 también admite tasas de bits de 32 kbps a 192 kbps, lo que permite equilibrar fidelidad y tamaño de archivo. Selecciona configuraciones de estudio para producción multimedia o formatos de telefonía para flujos de llamadas y sistemas de voz integrados en distintas aplicaciones posteriores.

Tres niveles de optimización de latencia permiten que xAI TTS v1 ajuste el tamaño del primer fragmento frente a la calidad de salida en la síntesis por streaming. El Nivel 0 prioriza la calidad del audio, mientras que los Niveles 1 y 2 reducen progresivamente el tiempo hasta el primer audio, con compromisos cada vez mayores en los límites. Elige la configuración adecuada para agentes de voz responsivos, lectura en directo u otras experiencias sensibles a la latencia en las que el retraso inicial es importante.

Ejecuta xAI TTS v1 mediante un único endpoint de Atlas Cloud y una sola clave de API, con un uso estándar facturado a $0.015 por cada 1,000 caracteres de entrada. Los caracteres Unicode se contabilizan de forma coherente, incluidos los caracteres CJK, por lo que las estimaciones de costes son sencillas en todos los idiomas. Este modelo de pago por uso admite prototipos y cargas de trabajo de producción, manteniendo el gasto proporcional al volumen de solicitudes a escala.
Descubre cómo tres modelos de video de Atlas Cloud interpretan prompts idénticos en diálogos cinematográficos, movimiento, composición, continuidad y narrativa visual.
Crea una página web HTML interactiva completa y pulida, en un único archivo, titulada “Despacho de globos Cloudborne”. Devuelve únicamente el documento HTML final, con todo el CSS y JavaScript en línea. Debe abrirse y funcionar directamente en un navegador moderno, sin pasos de compilación ni dependencias externas, bibliotecas, fuentes, CDNs, URL de imágenes, APIs o archivos adicionales. Es una página web adaptable, no una composición fija de 16:9. Diseña una estación inmersiva de control de una flota de globos aerostáticos de época, ambientada al amanecer, que combine instrumentos de aviación vintage, mapas topográficos serigrafiados, texturas táctiles de papel, controles de latón y simulación moderna en tiempo real. Usa una paleta cuidadosamente estratificada de azul cobalto, amarillo crema, rojo coral, blanco cálido, carbón y latón apagado. La luz cálida de la mañana debe intensificarse gradualmente desde la esquina superior izquierda. Codifica la altitud, las capas de viento y el peligro de forma coherente mediante el color, el grosor de las líneas, los patrones y leyendas claras. Crea todos los elementos visuales de forma procedural con HTML, CSS, Canvas y SVG en línea cuando resulte útil. La zona central debe ser un gran mapa animado del espacio aéreo, visto desde arriba, que muestre un cañón, líneas de contorno, al menos doce globos identificables individualmente, varias capas de viento cambiantes, un sistema de tormenta cumulonimbus en movimiento, zonas de turbulencia y un faro flotante como destino. Implementa una simulación física ligera y auténtica: cada globo debe registrar posición, velocidad, altitud, combustible, lastre, temperatura, riesgo e historial de ruta; la dirección y la intensidad del viento deben variar según la altitud y evolucionar con el tiempo; los quemadores deben aumentar la sustentación mientras consumen combustible; liberar lastre debe elevar el globo, pero reducir permanentemente el lastre; enfriarlo debe provocar el descenso; las paredes del cañón y las celdas de tormenta deben crear peligros significativos. Los globos deben moverse continuamente y dejar estelas de vuelo visibles que se desvanezcan. El objetivo es guiar a toda la flota de forma segura hasta el faro antes de que se agoten los recursos o el tiempo. Incluye una cuenta atrás de lanzamiento destacada al amanecer, con controles de Iniciar, Pausar, Reanudar, Restablecer y velocidad de simulación. Antes del lanzamiento, los globos deben balancearse sutilmente y los instrumentos deben vibrar ligeramente. Después del lanzamiento, anima las partículas de viento, el movimiento de los globos, el crecimiento de la tormenta, el trazado de estelas, los pulsos de advertencia, y el cambio de iluminación. Los usuarios deben poder arrastrar directamente sobre el mapa los nodos de dirección del viento para modificar el flujo de aire local en tiempo real, con una respuesta visual y física inmediata. Al hacer clic en un globo, este debe seleccionarse, resaltar su ruta, centrar sus datos en toda la interfaz y abrir un inspector de detalles compacto. Proporciona controles táctiles de quemador y lastre para el globo seleccionado, incluido el comportamiento de mantener pulsado el quemador, una acción claramente significativa para liberar lastre, atajos de teclado y botones accesibles. Permite la selección múltiple o comandos para toda la flota destinados a una gestión avanzada. Organiza una barra lateral vertical de tarjetas de misión que muestre los objetivos de la flota, las alertas activas, los informes meteorológicos y resúmenes del estado de cada globo. Las tarjetas de misión deben actualizarse en directo y permitir filtrar por los estados seguro, advertencia, crítico, llegado y perdido. Coloca en la parte inferior una franja densa pero legible de telemetría, con gráficos de Canvas desplazables suavemente para altitud, velocidad vertical, combustible, proximidad de la tormenta y progreso de la flota. Al pasar el cursor por los gráficos o desplazarse sobre ellos, deben mostrarse valores sincronizados y resaltarse el momento correspondiente en la estela del globo seleccionado. Añade indicadores vintage, agujas giratorias, lecturas numéricas, luces de advertencia, etiquetas estampadas, coordenadas del mapa, bandas de altitud, un minimapa o vista general compacta y una leyenda clara. Usa un comportamiento de diseño adaptable en lugar de limitarte a reducir la composición de escritorio. En pantallas anchas, muestra simultáneamente la barra lateral, el mapa central, el inspector y la telemetría. En tablets, agrupa las tarjetas secundarias en pestañas o paneles deslizables. En móviles, prioriza el mapa y los controles del globo seleccionado, proporciona objetivos táctiles grandes, apila los paneles de telemetría y conserva las interacciones de arrastre. Asegúrate de que la página ocupe la ventana correctamente en distintas relaciones de aspecto y siga siendo utilizable con ratón, pantalla táctil y teclado. Haz que la simulación se sienta completa: incluye condiciones de éxito y fracaso, un atraque de llegada animado en el faro flotante, respuestas ante colisiones o pérdidas por tormenta, información contextual, orientación para el primer uso, estados vacíos y deshabilitados, confirmación para la liberación irreversible de lastre, flujo de reinicio, anuncios de estado y un informe final de misión con estadísticas como llegadas, pérdidas, eficiencia de combustible, riesgo medio y tiempo transcurrido. Inicializa el estado para que el escenario resulte interesante de inmediato, pero siga siendo ganable. Usa requestAnimationFrame para lograr una animación fluida y Canvas para el mapa y la telemetría cuando corresponda. Mantén un buen rendimiento de renderizado, usa devicePixelRatio para obtener Canvas nítidos, gestiona correctamente los eventos de redimensionamiento y evita errores en la consola. Prioriza una jerarquía visual excepcional, microinteracciones sutiles, un comportamiento convincente de los instrumentos, un estado vinculado entre todos los paneles y un acabado detallado. No crees una maqueta estática. No uses rectángulos de relleno, degradados genéricos como diseño completo, controles falsos no funcionales, recursos externos, fuentes externas, diálogos alert(), texto explicativo excesivo, desplazamiento horizontal, etiquetas diminutas ilegibles ni interacciones que funcionen únicamente con el ratón. No fuerces un Canvas de 16:9 ni una ventana de tamaño fijo. Todos los controles principales visibles deben funcionar y todos los datos mostrados deben derivarse del estado de la simulación en directo.
Generated with Grok Imagine Video v1.5 Text-to-Video on Atlas Cloud
Generated with Seedance 2.0 Text-to-Video on Atlas Cloud
Generated with Grok Imagine Video v1.5 Developer Text-to-Video on Atlas Cloud
Crea una página web HTML interactiva completa, pulida y en un único archivo, titulada “Panadería automatizada de medianoche”, usando únicamente HTML, CSS y JavaScript vanilla en línea. Devuelve el documento HTML completo y ejecutable, sin nada más. No uses bibliotecas externas, frameworks, CDNs, fuentes, imágenes, archivos SVG, archivos de audio, APIs ni solicitudes de red; todos los elementos visuales, iconos, respuestas similares al sonido, efectos y la lógica del juego deben generarse localmente con HTML/CSS/JS. Construye un juego de programación de pedidos completamente jugable, ambientado en una panadería automatizada a medianoche. Las piezas de masa deben entrar continuamente en un sistema de cintas transportadoras isométrico, con formas, recetas, temperaturas de horneado requeridas, duraciones de horneado, límites de frescura y valores de puntuación claramente diferenciados. Organiza la interfaz alrededor de un gran horno industrial central, una red de cintas transportadoras en bucle con vías conmutables y paneles laterales de instrumentación en tiempo real. Los jugadores deben poder arrastrar y reordenar los productos de masa en la cola del horno, arrastrarlos entre ranuras compatibles cuando corresponda, hacer clic en los desvíos para redirigir la masa entrante, hacer clic en los controles del horno para ajustar la temperatura o activar sistemas y usar controles de teclado claramente documentados para acelerar temporalmente la cinta y activar el enfriamiento de emergencia. Todas las interacciones con ratón, pantalla táctil, clic, arrastre y teclado deben responder de inmediato y de forma visible. Implementa una jugabilidad real con estado, no una maqueta estática. Incluye varios pedidos de masa simultáneos, movimiento de la cinta, direccionamiento de vías, validación de colisiones y ajuste mediante arrastrar y soltar, límites de capacidad, temporizadores por producto, inercia de la temperatura del horno, progreso de horneado, estados poco horneado/perfecto/quemado, puntuación, combo multiplicador, vidas o reputación, dificultad creciente, pausar/reanudar, reiniciar y un tutorial interactivo breve o una superposición de ayuda. Las recetas deben crear conflictos de programación significativos: distintos productos deben requerir temperaturas y duraciones diferentes, fomentando la reorganización de la cola y el enfriamiento o la aceleración estratégicos. El pan perfectamente horneado debe salir dorado, activar una satisfactoria ráfaga de partículas, iluminar el escaparate de la panadería, aumentar el combo y actualizar el registro de pedidos. Los errores deben producir pan visiblemente carbonizado, humo y partículas de brasas ascendentes, luces de advertencia, vibración de los instrumentos, pérdida del combo y una respuesta clara no sonora. Proporciona un interruptor de sonido opcional, pero simula la respuesta de audio visualmente y mediante Web Audio generado completamente en JavaScript cuando esté activado; el juego debe seguir siendo totalmente comprensible en modo silencioso. Usa un lenguaje visual original y cohesionado que combine pixel art isométrico detallado con instrumentación industrial de precisión. Contrasta la luz ámbar cálida del horno, los reflejos de cobre, el pan resplandeciente y las etiquetas de color crema con un entorno de medianoche en índigo profundo. Crea profundidad con maquinaria dibujada en CSS, suelos de baldosas, tuberías, rejillas de ventilación, sombras, reflejos, bordes escalonados de píxeles, líneas de escaneo sutiles, luces indicadoras, pantallas segmentadas, medidores, franjas de advertencia y detalles mecánicos animados. Haz que el horno central parezca vivo, con una cámara parpadeante, puertas, un dial de temperatura, distorsión térmica y luces de estado. Anima las cintas transportadoras, engranajes, movimiento de la masa, humo, chispas, vapor de enfriamiento, iluminación del escaparate, respuesta del combo y transiciones de los paneles mediante CSS y JavaScript eficientes. Mantén una legibilidad nítida y una jerarquía sólida a pesar de la estética densa de sala de control. Incluye contenido amplio y cuidadosamente organizado: el suelo jugable de la panadería, la cola de pedidos entrantes, la cola del horno, una referencia de recetas, la puntuación y el combo en directo, instrumentos de temperatura y rendimiento, un registro de eventos, una leyenda de controles, notificaciones de estado y un modal de fin de partida o resumen del turno con resultados detallados y una acción para volver a jugar. Añade etiquetas accesibles, estados de foco visibles, manejo mediante teclado, compatibilidad con movimiento reducido y señales de estado independientes del color. Haz que el diseño se adapte a navegadores de escritorio, tablet y móvil, reorganizando inteligentemente los paneles y escalando la panadería sin perder usabilidad. Es una página web, así que no fuerces un Canvas fijo de 16:9 ni dimensiones de ventana codificadas; usa un diseño adaptable y fluido que se vea especialmente bien en pantallas panorámicas comunes y que también se adapte con elegancia a pantallas verticales. Prioriza la integridad, la sensación de juego, una gestión fiable del estado, una temporización precisa, un manejo robusto del arrastre, reglas de colisión claras, transiciones pulidas y una respuesta visual completa. La página debe funcionar inmediatamente al guardarse como un único archivo .html y abrirse localmente. Evita: arte conceptual estático, un panel no funcional, controles de relleno, interacciones de arrastre falsas, temporizadores defectuosos, texto superpuesto, etiquetas diminutas ilegibles, texto explicativo excesivo, tarjetas planas genéricas, imágenes fotorrealistas, recursos externos, dependencias externas, imágenes base64 incrustadas, acceso a la red, pasos de compilación, varios archivos, dimensiones fijas de 16:9, sonido obligatorio, audio de reproducción automática, alertas del navegador, respuestas mostradas únicamente en la consola y secciones TODO sin terminar.
Generated with Grok Imagine Video v1.5 Text-to-Video on Atlas Cloud
Generated with Kling V3.0 Turbo Text-to-Video on Atlas Cloud
Generated with Grok Imagine Video v1.5 Developer Text-to-Video on Atlas Cloud
Desde agentes de voz con capacidad de respuesta hasta narraciones multilingües, xAI TTS v1 convierte el texto de los productos en un habla natural y expresiva para experiencias de soporte, storytelling, juegos, accesibilidad y comercio.
xAI TTS v1 convierte el texto en un habla natural con una latencia inferior a un segundo para agentes conversacionales con capacidad de respuesta. Los equipos de producto pueden utilizarlo para asistentes virtuales, flujos de soporte e interfaces habladas.
Llega a usuarios de 20 idiomas mediante un habla natural y un catálogo de más de 80 voces. Las aplicaciones localizadas pueden presentar la incorporación, las actualizaciones y las instrucciones con una voz adecuada para cada audiencia.
Da forma a la narración mediante un control detallado de la interpretación y un habla expresiva que sigue el estado de ánimo previsto para cada escena. Los editores, podcasters y plataformas de aprendizaje pueden crear historias, lecciones y experiencias de escucha de larga duración con voces llenas de personalidad.
Dota a los personajes de videojuegos de voces distintivas a partir de una biblioteca de más de 80 opciones y ajusta después su interpretación para cada momento. Los estudios pueden poner voz a diálogos, tutoriales, compañeros y secuencias narrativas dinámicas.
Convierte el contenido escrito en habla natural para las personas que prefieren o necesitan acceder al audio. Los equipos educativos, editores y diseñadores de producto pueden añadir artículos, lecciones, instrucciones y orientación de la interfaz hablados a gran escala.
Utiliza un habla expresiva y un control detallado de la interpretación para presentar productos, promociones y actualizaciones de pedidos con una voz coherente. Los equipos de comercio pueden crear puntos de contacto de audio para asistentes de compra y comunicaciones con clientes.
Compara xAI TTS v1 con los principales modelos de texto a voz disponibles en Atlas Cloud según la cobertura de idiomas, la capacidad por solicitud, los controles de entrega y los precios estándar.
| Modelo | Idiomas | Máximo de texto por solicitud | Controles de entrega | Precio estándar |
|---|---|---|---|---|
| xAI TTS v1 | 20 | 15,000 caracteres | Etiquetas de voz y control de velocidad | $0.015/1K caracteres |
| MiniMax Speech 2.6 Turbo | 40+ | 10,000 caracteres | Controles de emoción, velocidad y tono | $0.06/1K caracteres |
| ElevenLabs v3 Text-to-Speech | 70+ | 5,000 caracteres | Etiquetas de audio y control de estabilidad | $0.10/1K caracteres |
Empieza en minutos — sigue estos sencillos pasos para integrar y desplegar modelos a través de la plataforma de Atlas Cloud.
Regístrate en atlascloud.ai y completa la verificación. Los nuevos usuarios reciben créditos gratuitos para explorar la plataforma y probar modelos.
Combina modelos avanzados de xAI TTS V1 con la plataforma acelerada por GPU de Atlas Cloud, proporcionando rendimiento, escalabilidad y experiencia de desarrollo incomparables.
Baja Latencia:
Inferencia optimizada por GPU para respuestas en tiempo real.
API Unificada:
Una sola integración para acceder a xAI TTS V1, GPT, Gemini y DeepSeek.
Precios Transparentes:
Facturación por Token, soporta modo Serverless.
Experiencia del Desarrollador:
SDK, análisis de datos, herramientas de ajuste fino y plantillas todo en uno.
Confiabilidad:
99.99% de disponibilidad, control de permisos RBAC, registros de cumplimiento.
Seguridad y Cumplimiento:
Certificación SOC 2 Type II, cumplimiento HIPAA, soberanía de datos en EE.UU.
xAI TTS v1 es un modelo de texto a voz de alta fidelidad de xAI que convierte contenido escrito en audio natural y expresivo. Atlas Cloud lo ofrece con el ID de modelo xai/tts-v1.
Úsala para crear voces para agentes conversacionales, narraciones, contenido educativo, herramientas de accesibilidad, medios localizados y experiencias automatizadas de atención al cliente. Sus controles de expresividad también son adecuados para diálogos de personajes y audio guionizado.
Crea una clave de API de Atlas Cloud y envía una solicitud POST al endpoint compartido de generación de audio, usando xai/tts-v1 como modelo. Incluye el texto y un valor de idioma obligatorio; usa auto cuando prefieras la detección automática del idioma.
Atlas Cloud indica compatibilidad con 20 idiomas y más de 80 voces. Elige explícitamente un idioma para obtener una pronunciación predecible o usa la detección automática cuando el idioma de entrada pueda variar.
Coloca etiquetas de voz compatibles, tanto en línea como envolventes, dentro del texto para añadir efectos como pausas, risas, susurros o una locución más lenta. También puedes ajustar la velocidad de habla de 0.7 a 1.5 y activar la normalización de texto para números, abreviaturas y símbolos.
Elige una salida MP3, WAV, PCM, μ-law o A-law según tus necesidades de reproducción y procesamiento. Las frecuencias de muestreo compatibles van de 8 kHz a 48 kHz, mientras que las solicitudes MP3 pueden usar tasas de bits de 32 a 192 kbps.
Sí. El modelo está diseñado para una síntesis inferior a un segundo y ofrece tres niveles de optimización de latencia para streaming, desde la máxima calidad de audio hasta un primer fragmento de audio más pequeño, con un mayor compromiso en la calidad.
Atlas Cloud cobra la tarifa estándar de $0.015 por cada 1,000 caracteres de entrada mediante un modelo de pago por uso. El recuento de caracteres utiliza caracteres Unicode, por lo que un carácter CJK se cuenta del mismo modo que un carácter latino.
Primero, confirma que la solicitud utiliza una clave de API de Atlas Cloud válida, el ID de modelo xai/tts-v1 y un valor de idioma compatible. Después, mantén el texto dentro del límite de Atlas Cloud de 15,000 caracteres y verifica que los valores de voz, códec, frecuencia de muestreo, tasa de bits y velocidad coincidan con el esquema documentado.
Guías, tutoriales y novedades de producto para aprovechar al máximo Atlas Cloud.