
xAI द्वारा विकसित xAI स्पीच फ़ैमिली एक सेकंड से कम विलंबता के साथ स्वाभाविक, उच्च-गुणवत्ता वाला ऑडियो तैयार करती है। अभिव्यंजक टैग 20 भाषाओं में विराम, फुसफुसाहट, ज़ोर और बोलने की गति को नियंत्रित करते हैं, जबकि समायोज्य स्पीच स्पीड और टेक्स्ट नॉर्मलाइज़ेशन डिलीवरी पर बेहतर नियंत्रण प्रदान करते हैं। Atlas Cloud प्रोडक्शन वर्कफ़्लो के लिए सुसंगत Unicode कैरेक्टर-आधारित बिलिंग और पारदर्शी मानक मूल्य निर्धारण के साथ एक एकीकृत ऑडियो एंडपॉइंट उपलब्ध कराता है।
xAI को xAI द्वारा विकसित किया गया है। Atlas Cloud (Atlas Cloud AI LLC द्वारा संचालित) इस तक पहुँच प्रदान करता है, इसका स्वामी नहीं है। सभी ट्रेडमार्क उनके संबंधित स्वामियों की संपत्ति हैं।
Atlas Cloud पर नवीनतम AI वीडियो जनरेशन मॉडल के साथ टेक्स्ट और इमेज से सिनेमाई, उच्च-गुणवत्ता वाले वीडियो बनाएं।

Grok Imagine Video डेवलपर्स को xAI के वीडियो परिवार तक पहुँच प्रदान करता है, जिससे क्लिप बनाए, एनिमेट, विस्तारित और संपादित की जा सकती हैं। प्रॉम्प्ट से 1 से 15 सेकंड के वीडियो जनरेट करें, अधिकतम सात संदर्भ छवियों के साथ लोगों, वस्तुओं या शैलियों का मार्गदर्शन करें, और 480p या 720p में काम करें। Atlas Cloud इन क्षमताओं को OpenAI-संगत एंडपॉइंट्स और पारदर्शी पे-एज़-यू-गो मूल्य निर्धारण के माध्यम से एक साथ उपलब्ध कराता है। आज ही निर्माण शुरू करें।

Grok Imagine Video 1.5 Lite, Grok Imagine वीडियो परिवार में xAI का सबसे कम लागत वाला मॉडल है, जिसे प्रॉम्प्ट या स्रोत इमेज से एकीकृत दृश्य और ध्वनि जनरेशन के लिए बनाया गया है। यह मुंह की गति के अनुरूप speech और चुनी जा सकने वाली आउटपुट गुणवत्ता का समर्थन करता है, जिसमें 720p से upscaled 1080p भी शामिल है। Atlas Cloud पर दोनों जनरेशन मोड का उपयोग $0.02 प्रति सेकंड की pay-as-you-go कीमत और एक OpenAI-संगत key के साथ करें। आज ही बनाना शुरू करें।

xAI TTS v1, लिखित सामग्री को स्वाभाविक और भावपूर्ण ऑडियो में बदलने वाला xAI का उच्च-निष्ठा टेक्स्ट-टू-स्पीच मॉडल है। यह 20 भाषाओं का समर्थन करता है और विभिन्न एप्लिकेशन में वाणी के स्वरूप को अनुकूलित करने के लिए डिलीवरी पर बारीक नियंत्रण प्रदान करता है। एक OpenAI-संगत कुंजी और पारदर्शी पे-ऐज़-यू-गो मूल्य निर्धारण के साथ Atlas Cloud के ज़रिए मॉडल का उपयोग करें। आज ही निर्माण शुरू करें।

Grok Imagine Video 1.5 उन डेवलपर्स के लिए xAI का वीडियो जनरेशन परिवार है जिन्हें प्रॉम्प्ट और विज़ुअल इनपुट से नियंत्रित गति चाहिए। प्राकृतिक भाषा में गति संबंधी निर्देश देकर शुरुआती फ़्रेम को एनिमेट करें, रेफ़रेंस वर्कफ़्लो के लिए 480p या 720p चुनें, और परिणाम को निर्देशित करने के लिए वैकल्पिक रेफ़रेंस वॉइस जोड़ें। पारदर्शी pay-as-you-go मूल्य निर्धारण के साथ एक OpenAI-compatible Atlas Cloud कुंजी के ज़रिए समर्थित मोड का उपयोग करें। आज ही बनाना शुरू करें।
Atlas Cloud पर अत्याधुनिक AI इमेज जनरेशन मॉडल का उपयोग करके प्रॉम्प्ट और रेफरेंस से शानदार, प्रोडक्शन-रेडी विज़ुअल तैयार करें।

xAI द्वारा निर्मित Grok Imagine Image 2.0, संदर्भ-आधारित वर्कफ़्लो के लिए परिष्कृत टेक्स्ट-टू-इमेज जनरेशन को प्राकृतिक-भाषा संपादन के साथ जोड़ता है। 1K या 2K आउटपुट तैयार करें, प्रॉम्प्ट से तैयार दृश्य तक पहुँचें और सीधे निर्देशों के साथ मौजूदा इमेज को बेहतर बनाएँ। Atlas Cloud पारदर्शी पे-एज़-यू-गो मूल्य निर्धारण और सरल इंटीग्रेशन के साथ हर समर्थित endpoint को एक OpenAI-compatible API key के अंतर्गत उपलब्ध कराता है। आज ही निर्माण शुरू करें।

Grok Imagine API xAI की छवि, वीडियो और भाषण मॉडलों को शामिल करता है, Image 2.0 से Video 1.5 और xAI TTS v1 तक। 14 पहलू अनुपातों में 1K या 2K स्थिर छवियां उत्पन्न करें, एक दृश्य को 1080p में 15 सेकंड की गति तक बढ़ाएं, 7 संदर्भ छवियों के साथ शॉट्स को निर्देशित करें, या उन्हें 20 भाषाओं में सुनाएं। Atlas Cloud सभी मोड को एक endpoint पर चलाता है, प्रति उपयोग भुगतान मूल्य निर्धारण $0.02 प्रति छवि और $0.05 प्रति सेकंड से। आज ही निर्माण शुरू करें।
Atlas Cloud पर तेज़ और किफ़ायती ढंग से उपलब्ध अग्रणी बड़े भाषा मॉडल के साथ चैट, रीज़निंग और एजेंट को बड़े पैमाने पर सशक्त बनाएं।
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 |
Instantly explore and experiment with 400+ production-ready models in the Atlas Playground. Start customizing with one click.
Grok Imagine के इमेज और वीडियो एंडपॉइंट्स एक ही API से जेनरेशन, एडिटिंग और एनीमेशन को संभालते हैं। टीमें इनका उपयोग स्थिर एसेट्स को साउंड-ऑन वीडियो कंटेंट में बदलने और विज़ुअल क्रिएटिव्स को उस गति और लागत पर बनाने के लिए करती हैं जो पहले व्यावहारिक नहीं थी।
ई-कॉमर्स टीमें ऐसे पाइपलाइन बनाती हैं जो Grok Imagine Video v1.5 का उपयोग करके उत्पाद छवियों को छोटे वीडियो क्लिप में एनिमेट करते हैं, जिसमें एम्बिएंट साउंड और उत्पाद-संदर्भ ऑडियो एक ही कॉल में उत्पन्न होते हैं। एक एकल उत्पाद फोटो बिना किसी वीडियो शूट या ऑडियो संपादन के विज्ञापनों और उत्पाद पृष्ठों के लिए तैयार ध्वनि-युक्त क्लिप बन जाता है। Atlas Cloud पर $0.096 प्रति सेकंड की दर से, 10-सेकंड के उत्पाद वीडियो की कीमत एक डॉलर से भी कम होती है।
ब्रांड टीमें स्वीकृत अभियान फ़ोटोग्राफ़ी को मूल रूप से जेनरेट किए गए ऑडियो वाले एनिमेटेड सोशल विज्ञापनों में बदलने के लिए Grok Imagine Video v1.5 का उपयोग करती हैं। क्योंकि ऑडियो और वीडियो टोकन एक ही इन्फ़्रेंस पास (inference pass) में उत्पन्न होते हैं, इसलिए संवाद, ध्वनि प्रभाव और एम्बिएंट संगीत बिना पोस्ट-प्रोडक्शन कार्य के विज़ुअल के साथ सिंक्रोनाइज़ हो जाते हैं। यह विज्ञापन क्रिएटिव वर्कफ़्लो से ऑडियो प्रोडक्शन चरण को पूरी तरह से हटा देता है।
निर्देशक और सिनेमैटोग्राफर उत्पादन शुरू होने से पहले शॉट संयोजन, कैमरा एंगल और प्रकाश व्यवस्था दिखाने वाले दृश्य स्टोरीबोर्ड बनाने के लिए Grok Imagine Image का उपयोग करते हैं। 2K रिज़ॉल्यूशन आउटपुट इतना विस्तृत है कि इसे प्रत्येक दृश्य के लिए एक दृश्य संक्षिप्त विवरण के रूप में क्रू के साथ साझा किया जा सकता है। प्रति छवि $0.06 की दर से, कई शॉट विकल्पों के माध्यम से पुनरावृत्ति करने में उत्पादन समय के एक घंटे से भी कम का खर्च आता है।
रियल एस्टेट डेवलपर्स आर्किटेक्चरल रेंडर या इंटीरियर तस्वीरों से सिनेमैटिक लाइफस्टाइल क्लिप बनाने के लिए Grok Imagine Video v1.5 का उपयोग करते हैं। एक बालकनी रेंडर एम्बिएंट ऑडियो के साथ सनसेट-व्यू क्लिप बन जाता है, रसोई की तस्वीर प्राकृतिक ध्वनि के साथ सुबह के दृश्य में बदल जाती है। यह लिस्टिंग और प्री-सेल मार्केटिंग सामग्री के लिए महंगे लाइफस्टाइल फोटोग्राफी शूट की जगह लेता है।
रचनात्मक टीमें Grok Imagine Image Edit के 3-सोर्स इनपुट का उपयोग करके कई संदर्भ छवियों के तत्वों को एक सिंगल आउटपुट में संयोजित करती हैं — एक API कॉल में उत्पाद शॉट, पृष्ठभूमि और प्रकाश संदर्भ का संयोजन करती हैं। यह विभिन्न दृश्य सेटिंग्स में ब्रांड की एकरूपता बनाए रखने वाले अभियान वेरिएंट के उत्पादन को व्यावहारिक बनाता है। Atlas Cloud पर प्रत्येक कंपोजिट की कीमत $0.06 प्रति छवि है।
छोटे गेम स्टूडियो प्री-प्रोडक्शन के दौरान कॉन्सेप्ट आर्ट तैयार करने के लिए Grok Imagine Image का उपयोग करते हैं, फिर एनिमेटेड ट्रेलर अनुक्रम बनाने के लिए की-फ्रेम्स को Grok Imagine Video v1.5 में भेजते हैं। वीडियो एक्सटेंशन सुविधा टीमों को प्रति-कॉल 15-सेकंड की सीमा से परे लंबे सिनेमाई अनुक्रम बनाने के लिए एक ही शुरुआती फ्रेम से क्लिप को जोड़ने की अनुमति देती है। यह वर्कफ़्लो प्रारंभिक चरण की मार्केटिंग सामग्री के लिए बाहरी एनीमेशन ठेकेदारों की जगह लेता है।
xAI TTS v1, xAI का एक text to speech मॉडल है, जो लिखित सामग्री को स्वाभाविक और भावपूर्ण ऑडियो में बदलता है। Atlas Cloud इसे साझा audio generation endpoint के माध्यम से xai/tts-v1 मॉडल के रूप में उपलब्ध कराता है।
यह narration, product voiceovers, accessibility audio, localized speech और voice applications के लिए dialogue तैयार कर सकता है। Expressive tags और delivery settings को समायोजित करने की सुविधा, अलग-अलग दृश्यों और दर्शकों के अनुसार generated speech को ढालने में मदद करती है।
Bearer authentication, model value xai/tts-v1, अपना text और language setting शामिल करके https://api.atlascloud.ai/api/v1/model/generateAudio पर POST request भेजें। इसके बाद लौटाए गए task ID के साथ prediction endpoint को poll करें या completion के लिए webhook register करें।
Atlas Cloud में 80 से अधिक voices और 20 language options उपलब्ध हैं। auto setting के माध्यम से automatic language detection भी उपलब्ध है। Multilingual voices Ara, Eve, Leo, Rex और Sal endpoint schema में सूचीबद्ध हर language को support करते हैं।
Delivery को नियंत्रित करने के लिए [pause], [laugh] और [sigh] जैसे inline tags जोड़ें, या text को <whisper> और <slow> जैसे tags में wrap करें। Speech speed को 0.7 से 1.5 तक समायोजित किया जा सकता है, जबकि optional text normalization से numbers, abbreviations और symbols के उच्चारण में सुधार होता है।
अपनी playback या telephony requirements के अनुसार MP3, WAV, PCM, μ-law या A-law output चुनें। Supported sample rates 8,000 से 48,000 Hz तक हैं, और MP3 output में 32,000 से 192,000 bps तक bit rates उपलब्ध हैं।
Atlas Cloud xAI TTS v1 के लिए standard rate के अनुसार प्रति 1,000 input characters $0.015 शुल्क लेता है। Billing में Unicode characters गिने जाते हैं, इसलिए एक CJK character की गिनती एक Latin letter के समान होती है।
हर Atlas Cloud request में अधिकतम 15,000 characters का text स्वीकार किया जाता है। लंबे scripts को अलग-अलग requests में बाँटें और segments के बीच delivery एकसमान रखने के लिए voice, language, speed और output settings समान रखें।
वर्तमान Atlas Cloud documentation में asynchronous workflow बताया गया है, जिसमें आप job submit करते हैं और polling या webhook के माध्यम से result प्राप्त करते हैं। Request schema में latency optimization के तीन levels शामिल हैं, लेकिन public documentation सीधे Atlas Cloud WebSocket endpoint की पुष्टि नहीं करती।
Atlas Cloud का भरपूर लाभ उठाने में मदद करने वाली गाइड, ट्यूटोरियल और प्रोडक्ट अपडेट।