xAI Speech with Subsecond Latency
Desenvolvida pela xAI, a família de modelos de fala da xAI cria áudio natural e de alta fidelidade com latência inferior a um segundo. Tags expressivas moldam pausas, sussurros, ênfase e ritmo em 20 idiomas, enquanto a velocidade de fala ajustável e a normalização de texto melhoram o controle sobre a entrega. A Atlas Cloud oferece um endpoint de áudio unificado, com cobrança consistente por caracteres Unicode e preços padrão transparentes para fluxos de trabalho de produção.
xAI foi desenvolvido pela xAI. A Atlas Cloud (operada pela Atlas Cloud AI LLC) fornece acesso ao modelo, mas não é sua proprietária. Todas as marcas registradas pertencem aos seus respectivos titulares.
AI Video Models by xAI
Gere vídeos cinematográficos e de alta fidelidade a partir de texto e imagens com os mais recentes modelos de IA de geração de vídeo na Atlas Cloud.
Grok Imagine Video
Grok Imagine Video dá aos desenvolvedores acesso à família de modelos de vídeo da xAI para criar, animar, estender e editar clipes. Gere vídeos de 1 a 15 segundos a partir de prompts, oriente pessoas, objetos ou estilos com até sete imagens de referência e trabalhe em 480p ou 720p. A Atlas Cloud reúne esses recursos por meio de endpoints compatíveis com a OpenAI, com preços transparentes conforme o uso. Comece a desenvolver hoje.
Grok Imagine Video 1.5 Lite
Grok Imagine Video 1.5 Lite é o modelo de menor custo da xAI na família de vídeos Grok Imagine, desenvolvido para a geração integrada de conteúdo visual e sonoro a partir de prompts ou imagens de origem. Ele oferece suporte a falas sincronizadas com o movimento dos lábios e à seleção da qualidade de saída, incluindo 1080p com upscaling a partir de 720p. Acesse os dois modos de geração no Atlas Cloud com preços sob demanda de $0.02 por segundo e uma única chave compatível com OpenAI. Comece a desenvolver hoje.
xAI TTS V1
xAI TTS v1 é o modelo de conversão de texto em fala de alta fidelidade da xAI, capaz de transformar conteúdo escrito em áudio natural e expressivo. Compatível com 20 idiomas, oferece controle detalhado da entrega para ajustar a forma como a fala soa em diferentes aplicações. Acesse o modelo pelo Atlas Cloud com uma única chave compatível com a OpenAI e preços transparentes conforme o uso. Comece a desenvolver hoje.
Grok Imagine Video 1.5
Grok Imagine Video 1.5 é a família de geração de vídeo da xAI para desenvolvedores que precisam de movimento controlado a partir de prompts e entradas visuais. Anime um quadro inicial com instruções de movimento em linguagem natural, selecione 480p ou 720p para fluxos de trabalho baseados em referência e adicione uma voz de referência opcional para orientar o resultado. Acesse os modos compatíveis usando uma única chave Atlas Cloud compatível com OpenAI, com preços transparentes conforme o uso. Comece a desenvolver hoje.
AI Image Models by xAI
Crie visuais impressionantes e prontos para produção a partir de prompts e referências com os mais avançados modelos de IA de geração de imagens na Atlas Cloud.
Grok Imagine Image 2.0
Desenvolvido pela xAI, o Grok Imagine Image 2.0 combina geração refinada de texto para imagem com edição em linguagem natural para fluxos de trabalho baseados em referências. Produza imagens em 1K ou 2K, passe de um prompt a um visual finalizado e refine imagens existentes com instruções diretas. A Atlas Cloud reúne todos os endpoints compatíveis em uma única chave de API compatível com OpenAI, com preços transparentes conforme o uso e integração simples. Comece a desenvolver hoje.
Grok Imagine
A API Grok Imagine cobre os modelos de imagem, vídeo e fala da xAI, desde Image 2.0 até Video 1.5 e xAI TTS v1. Renderize imagens estáticas em 1K ou 2K em 14 proporções de aspecto, estenda uma cena para 15 segundos de movimento em 1080p, controle os planos com até 7 imagens de referência ou narre-os em 20 idiomas. O Atlas Cloud executa todos os modos em um único endpoint, com preço por uso a partir de $0.02 por imagem e $0.05 por segundo. Comece a construir hoje.
Large Language Models by xAI
Impulsione chat, raciocínio e agentes em larga escala com os principais grandes modelos de linguagem, entregues de forma rápida e acessível na 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$0.028/s video | -65% | View |
Explore models from other providers
Instantly explore and experiment with 400+ production-ready models in the Atlas Playground. Start customizing with one click.
Casos de uso da API xAI que pode desenvolver na Atlas Cloud
Os endpoints de imagem e vídeo do Grok Imagine lidam com a geração, edição e animação a partir de uma única API. As equipes os utilizam para transformar ativos estáticos em conteúdo de vídeo com som e para produzir criativos visuais a um ritmo e custo que antes não eram viáveis.
Vídeos automatizados de produtos para e-commerce
As equipes de comércio eletrônico constroem pipelines que animam imagens de produtos em clipes de vídeo curtos usando o Grok Imagine Video v1.5, com som ambiente e áudio de contexto do produto gerados na mesma chamada. Uma única foto de produto se torna um clipe com som pronto para anúncios e páginas de produtos sem a necessidade de filmagem de vídeo ou edição de áudio. A US$ 0,096 por segundo na Atlas Cloud, um vídeo de produto de 10 segundos custa menos de um dólar.
Criativo de anúncio de marca a partir de ativos estáticos
As equipes de marca usam o Grok Imagine Video v1.5 para transformar a fotografia aprovada da campanha em anúncios sociais animados com áudio gerado nativamente. Como os tokens de áudio e vídeo são produzidos na mesma passagem de inferência, os diálogos, os efeitos sonoros e a música ambiente se alinham com as imagens sem trabalho de pós-produção. Isso remove totalmente a etapa de produção de áudio do fluxo de trabalho criativo do anúncio.
Storyboarding de Pré-produção Cinematográfica
Diretores e diretores de fotografia usam o Grok Imagine Image para gerar storyboards visuais que mostram a composição da cena, o ângulo da câmera e a iluminação antes do início da produção. O resultado em resolução 2K é detalhado o suficiente para ser compartilhado com a equipe como um briefing visual para cada cena. A US$ 0,06 por imagem, iterar por várias opções de cena custa menos do que uma única hora de tempo de produção.
Vídeo de Estilo de Vida Imobiliário
Os promotores imobiliários usam o Grok Imagine Video v1.5 para gerar clipes de estilo de vida cinematográficos a partir de renderizações arquitetônicas ou fotos de interiores. Uma renderização de varanda torna-se um clipe com vista para o pôr do sol e áudio ambiente, uma foto de cozinha torna-se uma cena matinal com som natural. Isso substitui as caras sessões de fotografia de estilo de vida para anúncios e materiais de marketing de pré-venda.
Composição de Imagens Multirreferência
As equipes criativas usam a entrada de 3 fontes do Grok Imagine Image Edit para compor elementos de múltiplas imagens de referência em uma saída única — combinando uma foto de produto, um fundo e uma referência de iluminação em uma chamada de API. Isso torna prático produzir variantes de campanhas que mantêm a consistência da marca em diferentes configurações de cenário. Cada composição custa US$ 0,06 por imagem na Atlas Cloud.
Arte Conceitual e Trailers de Jogos Indie
Pequenos estúdios de jogos usam o Grok Imagine Image para gerar arte conceitual durante a pré-produção e, em seguida, passam os quadros-chave para o Grok Imagine Video v1.5 para produzir sequências de trailers animados. O recurso de extensão de vídeo permite que as equipes encadeiem clipes a partir de um único quadro inicial para construir sequências cinematográficas mais longas além do limite de 15 segundos por chamada. Esse fluxo de trabalho substitui os contratados de animação externos para conteúdo de marketing em estágio inicial.
Transforme a visão da sua empresa em realidade com a Atlas Cloud AI.
Fale com vendasPerguntas e respostas sobre a API xAI TTS v1
O xAI TTS v1 é um modelo de conversão de texto em fala da xAI que transforma conteúdo escrito em áudio natural e expressivo. O Atlas Cloud disponibiliza o modelo xai/tts-v1 por meio do endpoint compartilhado de geração de áudio.
Ele pode produzir narrações, locuções de produtos, áudio para acessibilidade, fala localizada e diálogos para aplicações de voz. Tags expressivas e configurações ajustáveis de interpretação ajudam a adaptar a fala gerada a diferentes cenas e públicos.
Envie uma solicitação POST para https://api.atlascloud.ai/api/v1/model/generateAudio com autenticação Bearer, o valor de modelo xai/tts-v1, seu texto e uma configuração de idioma. Em seguida, consulte o endpoint de previsão usando o ID da tarefa retornado ou registre um webhook para receber a notificação de conclusão.
O Atlas Cloud oferece mais de 80 vozes e 20 opções de idioma, com detecção automática de idioma disponível por meio da configuração auto. As vozes multilíngues Ara, Eve, Leo, Rex e Sal são compatíveis com todos os idiomas listados no schema do endpoint.
Adicione tags inline como [pause], [laugh] e [sigh], ou envolva o texto com tags como <whisper> e <slow> para ajustar a interpretação. A velocidade da fala pode ser ajustada de 0.7 a 1.5, enquanto a normalização opcional de texto melhora a pronúncia de números, abreviações e símbolos.
Escolha a saída em MP3, WAV, PCM, μ-law ou A-law de acordo com os requisitos de reprodução ou telefonia. As taxas de amostragem compatíveis variam de 8,000 a 48,000 Hz, e a saída MP3 oferece taxas de bits de 32,000 a 192,000 bps.
O Atlas Cloud cobra o xAI TTS v1 pela tarifa padrão de $0.015 por 1,000 caracteres de entrada. A cobrança contabiliza caracteres Unicode, portanto um caractere CJK é contado da mesma forma que uma letra latina.
Cada solicitação do Atlas Cloud aceita até 15,000 caracteres de texto. Divida roteiros mais longos em solicitações separadas e mantenha a mesma voz, idioma, velocidade e configurações de saída quando precisar de uma interpretação consistente entre os segmentos.
A documentação atual do Atlas Cloud descreve um fluxo assíncrono no qual você envia uma tarefa e recupera o resultado por meio de consultas periódicas ou webhook. O schema da solicitação inclui três níveis de otimização de latência, mas a documentação pública não confirma um endpoint WebSocket direto do Atlas Cloud.
Explorar Mais Séries
Kling 4.0
A API Kling 4 oferece o Kling 4.0, o modelo de vídeo lançado pela Kuaishou em 15 de outubro de 2026. Ele gera até 30 segundos em uma única passagem, segue até 10 quadros-chave, combina 15 imagens, vídeos e assuntos através do Omni Reference e adiciona áudio estéreo com sincronização labial. A Atlas Cloud atende a todos os quatro endpoints, incluindo edição de vídeo, em uma chave compatível com OpenAI a partir de US$ 0,11 por segundo. Comece a construir hoje.
Seedance 2.5
A API Seedance 2.5 oferece aos desenvolvedores o modelo conjunto de áudio e vídeo da ByteDance Seed, gerando de 4 a 30 segundos em uma única passagem a partir de texto, um primeiro quadro ou até 50 referências entre imagens, vídeo e áudio. Ela edita regiões selecionadas, estende clipes e segue entradas de modelos brancos e telas verdes. A Atlas Cloud, uma revendedora autorizada nos EUA, adiciona um modo de rascunho de 480p, arquivos finais nativos de 1080p e entrega aprimorada em 4K com preços de pagamento conforme o uso.
Wan 3.0
O Wan 3.0 é o mais novo modelo de vídeo da Alibaba, produzindo até 30 segundos de vídeo em 1080p a 30fps com áudio em uma única geração. Guie-o com um prompt de texto, um primeiro quadro, até 10 imagens de referência ou um documento. O Standard custa menos por segundo, enquanto o Prime mantém as mesmas capacidades e retorna resultados mais rapidamente. Ambos rodam na mesma chave do Atlas Cloud que o Wan 2.7, 2.6 e 2.5.
MiniMax H3
MiniMax H3 é a família de vídeo multimodal da MiniMax para criação guiada por texto, imagem e referências. Nas rotas compatíveis, preserva os elementos das mídias de referência, oferece proporções flexíveis e combina som gerado com elementos visuais por meio do H3 Developer, com perfis de saída selecionados por endpoint. O Atlas Cloud unifica a família com uma única chave compatível com a OpenAI e preços transparentes de pagamento conforme o uso, a partir da tarifa padrão de $0.038 por segundo. Comece a criar hoje.
GPT Image 2.5
O GPT Image 2.5 é o modelo de geração e edição de imagens da OpenAI, lançado em 8 de setembro de 2026 em duas versões de API. O Flare é o padrão, com latência até 50% menor que o GPT Image 2, enquanto o Sunburst leva mais tempo para oferecer controle mais fino sobre edições detalhadas. Ambos suportam até 16 imagens de referência, cinco níveis de qualidade, fundos transparentes e tamanhos personalizados de até 3840px. O Atlas Cloud disponibiliza a API do GPT Image 2.5 com as taxas por token da OpenAI ou com um preço fixo por imagem por nível de 1K, 2K ou 4K.
Seedream 5.0 Pro
A API do Seedream 5.0 Pro fornece aos desenvolvedores o modelo de edição de imagens controlável da ByteDance no Atlas Cloud. Ela posiciona as edições com precisão usando âncoras e coordenadas, separa as imagens em camadas editáveis, funde múltiplas referências e combina cores e materiais exatos, com texto multilíngue em 2K e 3K. No Atlas Cloud, você pode acessá-lo por meio de uma única chave!
Seedance 2.0
Seedance 2.0 é o modelo de vídeo para produção da ByteDance, desenvolvido para a criação precisa de planos. Transforme prompts em vídeo, anime uma imagem do primeiro quadro com orientação opcional do último quadro ou defina os resultados com mídia de referência e pesquisa opcional na web. O Atlas Cloud reúne esses fluxos de trabalho em uma única API, com preços transparentes conforme o uso e uma única chave compatível com OpenAI. Comece a desenvolver hoje.
Kling V3.0
Da Kuaishou, a família de APIs Kling V3 oferece fluxos de trabalho com texto, imagens e vídeos de referência. Transfira movimentos preservando a identidade dos personagens, oriente a geração com referências visuais e edite vídeos com comandos em linguagem natural. A Atlas Cloud oferece endpoints Standard e Pro para diferentes necessidades de produção. Atualização: Kling V4 já está disponível na Atlas Cloud. Conheça-o na página [Kling V4](https://www.atlascloud.ai/zh/models/kling-v4).
Grok Imagine Video
Grok Imagine Video dá aos desenvolvedores acesso à família de modelos de vídeo da xAI para criar, animar, estender e editar clipes. Gere vídeos de 1 a 15 segundos a partir de prompts, oriente pessoas, objetos ou estilos com até sete imagens de referência e trabalhe em 480p ou 720p. A Atlas Cloud reúne esses recursos por meio de endpoints compatíveis com a OpenAI, com preços transparentes conforme o uso. Comece a desenvolver hoje.
Vidu Q4 Preview
O Vidu Q4 é o mais recente modelo de vídeo topo de linha da Vidu, desenvolvido para geração de imagem para vídeo e referência para vídeo. Ele pode animar uma única imagem estática e criar transições automáticas de cena, oferecendo aos desenvolvedores dois caminhos de entrada para diferentes fluxos de trabalho de produtos. A Atlas Cloud fornece endpoints de API dedicados com esquemas de parâmetros publicados pelo preço padrão verificado de $0.04 por segundo. Comece a desenvolver hoje.
Gemini Omni 1.1 Flash
Gemini Omni 1.1 Flash é a família de vídeos nativamente multimodal do Google DeepMind, criada para fluxos de produção flexíveis. Edite filmagens existentes por meio de instruções de texto, mantenha a consistência visual com até 10 imagens de referência e 3 clipes de vídeo ou estenda uma tomada em segmentos encadeáveis de até 40 segundos. Acesse todos os fluxos de trabalho no Atlas Cloud com uma única chave de API compatível com a OpenAI, preços conforme o uso e disponibilidade desde o Dia 0. Comece a desenvolver hoje.
Nano Banana 2.1
Nano Banana 2.1 é a família de modelos de imagem do Google baseada no Gemini 3.6 Flash. Oferece geração e edição de nível Pro com a velocidade do Flash, permite edições em linguagem natural e combinações entre 1 e 14 imagens de entrada, além de manter a consistência de até 4 personagens e 10 objetos. Por meio do Atlas Cloud, os desenvolvedores podem acessar a família com uma única chave compatível com OpenAI, disponibilidade confiável e disponibilidade desde o Dia 0. Comece a criar hoje.
Artigos recomendados
Guias, tutoriais e novidades de produto para você aproveitar ao máximo a Atlas Cloud.
