


xAI TTS v1 är xAI:s text-till-tal-modell med hög naturtrogenhet för att omvandla skriftligt innehåll till naturligt, uttrycksfullt ljud. Den stöder 20 språk och erbjuder finmaskig kontroll över framförandet, så att du kan anpassa hur talet låter i olika applikationer. Få åtkomst till modellen via Atlas Cloud med en enda OpenAI-kompatibel nyckel och transparent användningsbaserad prissättning. Börja bygga redan idag.
xAI TTS V1 är utvecklad av xAI. Atlas Cloud (som drivs av Atlas Cloud AI LLC) tillhandahåller åtkomst till modellen men äger den inte. Alla varumärken tillhör sina respektive ägare.
Atlas Cloud förser dig med de senaste branschledande kreativa modellerna.
Utforska familjens funktioner för text-till-tal och tal-till-text i flerspråkiga röstapplikationer.
| Modalitet | Beskrivning |
|---|---|
| xAI TTS v1 API (Text to Speech) | Konvertera text till naturligt och uttrycksfullt tal med latens under en sekund på 20 språk och med fler än 80 röster. Finkornig kontroll över framförandet gör denna endpoint lämplig för röstassistenter, lokaliserade uppläsningar och responsiva ljudupplevelser. |
| xAI STT v1 API (Speech to Text) | Ljud omvandlas till korrekt, formaterad text med automatisk språkidentifiering på fler än 24 språk. Använd tidsstämplar på ordnivå, talarseparering, transkribering av flera kanaler och invers textnormalisering för mötesanteckningar, undertexter och samtalsanalys. |
xAI TTS v1 kombinerar uttrycksfulla taletiketter, 20 språk, skript på upp till 15,000 tecken, fem utdata-codec:ar, justerbar latens för strömning och transparent teckenbaserad prissättning via en enda Atlas Cloud API-nyckel.

Styr xAI TTS v1 direkt med infogade etiketter som [pause] och omslutande stilar som <whisper> för att forma framförandet i skriptet. Röstsignaler tolkas under syntesen, så känsla, tempo och betoning kräver ingen separat redigeringsomgång. Den här kontrollen passar för karaktärsdialog, varumärkesanpassad berättarröst, supportmeddelanden och all produktion som behöver uttrycksfull timing.

Välj bland fler än 70 röstidentifierare i det aktuella Atlas Cloud-schemat, inklusive fem flerspråkiga röster som är utformade för att täcka alla språk som stöds. Ange ett av 20 BCP-47-språkalternativ eller använd automatisk identifiering, medan övriga röster förblir optimerade för sina respektive modersmål. Lokalisera assistenter, handledningar, kampanjer och servicemeddelanden utan att bygga om syntesarbetsflödet för varje marknad.

En enda begäran accepterar skript på upp till 15,000 tecken och låter dig ställa in talhastigheten från 0.7× till 1.5×. Valfri textnormalisering omvandlar skrivna tal, förkortningar och symboler till talade former före syntesen. Använd dessa reglage för att hålla långa berättarröster tydliga och samtidigt matcha tempot i förklarande videor, lektioner eller voiceovers inom ett enhetligt API-arbetsflöde.

Exportera ljud som MP3, WAV, PCM, μ-law eller A-law, med samplingsfrekvenser från 8 kHz till 48 kHz. MP3-utdata stöder även bithastigheter från 32 kbps till 192 kbps, så att du kan balansera ljudkvalitet och filstorlek. Välj studioparametrar för medieproduktion eller telefoni-format för samtalsflöden och inbäddade röstsystem i efterföljande applikationer.

Tre nivåer för latensoptimering låter xAI TTS v1 väga storleken på det första chunket mot utdatakvaliteten vid strömmande syntes. Nivå 0 prioriterar ljudkvalitet, medan nivå 1 och 2 stegvis minskar tiden till det första ljudet, med ökande kompromisser vid segmentgränserna. Välj den inställning som passar responsiva röstagenter, direktuppläsning eller andra latenskänsliga upplevelser där startfördröjningen spelar roll.

Kör xAI TTS v1 via en enda Atlas Cloud-endpoint och en enda API-nyckel, med standardanvändning debiterad till $0.015 per 1,000 tecken i indata. Unicode-tecken räknas konsekvent, inklusive CJK-tecken, så att kostnadsuppskattningar förblir enkla i alla språk. Den här pay-as-you-go-modellen stöder både prototyper och produktionsarbetsbelastningar, samtidigt som kostnaderna förblir proportionella mot antalet förfrågningar i stor skala.
Se hur tre Atlas Cloud-videomodeller tolkar identiska promptar inom filmisk dialog, rörelse, komposition, kontinuitet och visuellt berättande.
Skapa en komplett, välpolerad och interaktiv HTML-webbsida i en enda fil med titeln ”Ballongdispatch från molnen”. Skriv endast det slutgiltiga HTML-dokumentet, med all CSS och JavaScript inline. Den måste öppnas och fungera direkt i en modern webbläsare utan byggsteg och utan externa beroenden, bibliotek, typsnitt, CDN:er, bild-URL:er, API:er eller ytterligare filer. Detta är en responsiv webbsida, inte en fast 16:9-komposition. Utforma en uppslukande kontrollstation för en luftballongsflotta i gryningen, där vintageflyginstrument, screentryckta topografiska kartor, taktila pappersstrukturer, mässingsreglage och modern realtidssimulering kombineras. Använd en noggrant lagerbyggd palett av koboltblått, krämgult, korallrött, varmvit, kolgrått och dämpad mässing. Det varma morgonljuset ska gradvis ljusna från det övre vänstra hörnet. Koda höjd, vindlager och fara konsekvent genom färg, linjetjocklek, mönster och tydliga teckenförklaringar. Skapa alla visuella element procedurellt med HTML, CSS, Canvas och inline-SVG där det passar. Det centrala området ska vara en stor animerad luftrumskarta sedd uppifrån, med en ravin, höjdkurvor, minst tolv individuellt identifierbara ballonger, flera skiftande vindlager, ett rörligt cumulonimbus-stormsystem, turbulenszoner och en svävande fyr som destination. Implementera en verklig lättviktsfysiksimulering: varje ballong ska spåra position, hastighet, höjd, bränsle, ballast, temperatur, risk och ruttens historik; vindriktning och vindstyrka ska variera beroende på höjd och utvecklas över tid; brännare ska öka lyftkraften samtidigt som de förbrukar bränsle; när ballast släpps ska ballongen stiga men ballastmängden minska permanent; avkylning ska orsaka nedstigning; ravinväggar och stormceller ska skapa meningsfulla faror. Ballongerna ska röra sig kontinuerligt och lämna synliga, gradvis avtonande flygspår. Målet är att guida hela flottan säkert till fyren innan resurserna eller tiden tar slut. Inkludera en framträdande nedräkning till start i gryningen med kontroller för Starta, Pausa, Fortsätt, Återställ och simuleringens hastighet. Före start ska ballongerna svaja subtilt medan instrumenten rycker lätt. Efter start ska vindpartiklar, ballongrörelser, stormens tillväxt, ritning av spår, varningspulser och förändrat ljus animeras. Användarna måste kunna dra vindriktningsnoder direkt på kartan för att ändra det lokala luftflödet i realtid, med omedelbar visuell och fysisk återkoppling. När en ballong klickas ska den väljas, dess rutt markeras, dess data centreras i gränssnittet och en kompakt detaljinspektör öppnas. Tillhandahåll taktila brännar- och ballastkontroller för den valda ballongen, inklusive brännarbeteende vid nedtryckning och hållning, en tydligt konsekvensfylld ballastutlösning, kortkommandon och tillgängliga knappar. Tillåt flerval eller kommandon för hela flottan vid avancerat spel. Ordna en vertikal sidopanel med uppdragskort som visar flottans mål, aktiva varningar, väderbriefingar och statusöversikter per ballong. Uppdragskorten ska uppdateras live och stödja filtrering efter säker, varning, kritisk, framme och förlorad status. Placera en tät men läsbar telemetrilist längs nederkanten med mjukt rullande Canvas-diagram för höjd, vertikal hastighet, bränsle, avstånd till stormen och flottans framsteg. När användaren för muspekaren över diagrammen eller skrapar i dem ska synkroniserade värden visas och motsvarande ögonblick på den valda ballongens spår markeras. Lägg till vintageinstrument, roterande visare, numeriska avläsningar, varningslampor, stämplade etiketter, kartkoordinater, höjdintervall, en kompakt minimap eller översikt samt en tydlig teckenförklaring. Använd responsivt layoutbeteende i stället för att bara förminska skrivbordskompositionen. På breda skärmar ska sidopanel, central karta, inspektör och telemetri visas samtidigt. På surfplattor ska sekundära kort fällas ihop till flikar eller lådor. På mobiler ska kartan och kontrollerna för den valda ballongen prioriteras, med stora tryckytor, staplade telemetripaneler och bevarade draginteraktioner. Se till att sidan fyller visningsområdet på ett smidigt sätt vid varierande bildförhållanden och förblir användbar med mus, pekskärm och tangentbord. Få simuleringen att kännas komplett: inkludera villkor för framgång och misslyckande, animerad ankomst och dockning vid den svävande fyren, återkoppling vid kollision eller stormförlust, kontextuella verktygstips, vägledning vid första användningen, tomma och inaktiverade lägen, bekräftelse för oåterkallelig ballastutlösning, omstartsflöde, statusmeddelanden och en slutlig uppdragsrapport med statistik som antal ankomster, förluster, bränsleeffektivitet, genomsnittlig risk och förfluten tid. Initiera startläget med ett frö så att scenariot omedelbart känns intressant men fortfarande går att vinna. Använd requestAnimationFrame för mjuk animering och Canvas för karta och telemetri där det passar. Håll renderingen effektiv, använd devicePixelRatio för skarpa canvas-element, hantera storleksändringar korrekt och undvik fel i konsolen. Prioritera exceptionell visuell hierarki, nyanserade mikrointeraktioner, övertygande instrumentbeteende, sammanlänkat tillstånd mellan alla paneler och detaljerad finish. Skapa inte en statisk mockup. Använd inte platshållarrektanglar, generiska gradienter som hela designen, låtsaskontroller utan funktion, externa resurser, externa typsnitt, alert()-dialoger, överdrivet förklarande text, horisontell överflödning, små oläsliga etiketter eller interaktioner som bara fungerar med mus. Tvinga inte fram en 16:9-canvas eller ett visningsområde med fast storlek. Alla större synliga kontroller måste fungera, och all visad data ska hämtas från simuleringens live-tillstånd.
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
Skapa en komplett, välpolerad och interaktiv HTML-webbsida i en enda fil med titeln ”Midnattsbageriet”, med endast inline-HTML, CSS och vanilla JavaScript. Skriv ut hela det körbara HTML-dokumentet och ingenting annat. Använd inte externa bibliotek, ramverk, CDN:er, typsnitt, bilder, SVG-filer, ljudfiler, API:er eller nätverksanrop; alla visuella element, ikoner, ljudliknande återkopplingar, effekter och spellogik ska genereras lokalt med HTML/CSS/JS. Bygg ett fullt spelbart spel för orderplanering i ett automatiserat bageri vid midnatt. Degbitar ska kontinuerligt komma in i ett isometriskt transportbandssystem och ha tydligt differentierade former, recept, erforderliga baktemperaturer, baktider, färskhetsgränser och poängvärden. Organisera gränssnittet kring en stor central industriugn, ett slingrande transportbandsnät med växlingsbara spår och realtidsinstrumentpaneler på sidorna. Spelarna ska kunna dra och ordna om degobjekt i ugnskön, dra dem mellan kompatibla platser där det är lämpligt, klicka på spårväxlar för att styra om inkommande deg, klicka på ugnskontroller för att justera temperaturen eller aktivera system och använda tydligt dokumenterade tangentbordskontroller för tillfällig acceleration av transportbandet och nödkylning. Alla interaktioner med mus, pekskärm, klick, dragning och tangentbord ska reagera omedelbart och synligt. Implementera verkligt tillståndsbaserat spel i stället för en statisk mockup. Inkludera flera samtidiga degbeställningar, transportbandsrörelse, spårdirigering, validering av kollisioner och fastsnäppning vid drag och släpp, kapacitetsgränser, individuella tidsmätare, tröghet i ugnstemperaturen, bakningsförlopp, tillstånden undergräddad/perfekt/överbakad, poäng, kombomultiplikator, liv eller anseende, gradvis ökande svårighetsgrad, pausa/fortsätt, omstart och en kort interaktiv introduktion eller hjälpöverlägg. Recepten ska skapa meningsfulla planeringskonflikter: olika produkter ska kräva olika temperaturer och baktider, vilket uppmuntrar till omordning av kön samt strategisk kylning eller acceleration. Perfekt gräddat bröd ska komma ut gyllenbrunt, utlösa en tillfredsställande partikeleffekt, lysa upp bageriets skyltfönster, öka kombon och uppdatera orderloggen. Misstag ska ge synligt bränt bröd, stigande rök- och glödpartiklar, varningslampor, skakande instrument, förlorad kombo och tydlig återkoppling utan ljud. Tillhandahåll en valfri ljudväxlare, men simulera ljudåterkoppling visuellt och med Web Audio som genereras helt i JavaScript när det är aktiverat; spelet måste förbli fullt begripligt även när ljudet är avstängt. Använd ett originellt och sammanhållet visuellt språk som kombinerar detaljerad isometrisk pixelgrafik med precisa industriinstrument. Kontrastera varmt bärnstensfärgat ugnsljus, kopparfärgade detaljer, glödande bröd och mjukt krämfärgade etiketter mot en djup indigo-miljö vid midnatt. Skapa djup med CSS-ritade maskiner, klinkergolv, rör, ventiler, skuggor, högdagrar, pixelstegade kanter, subtila scanlines, indikatorlampor, segmenterade displayer, mätare, varningsränder och animerade mekaniska detaljer. Få den centrala ugnen att kännas levande med ett flimrande ugnsrum, luckor, temperaturvred, värmedallring och statuslampor. Animera transportband, kugghjul, degens rörelse, rök, gnistor, kylånga, fönsterbelysning, kombobekräftelser och panelövergångar med effektiv CSS och JavaScript. Bevara skarp läsbarhet och tydlig hierarki trots den täta kontrollrumskänslan. Inkludera omfattande och noggrant arrangerat innehåll: det spelbara bagerigolvet, kön för inkommande beställningar, ugnskön, receptreferens, livevisning av poäng och kombo, temperatur- och genomströmningsinstrument, händelselogg, kontrollförklaring, statusnotiser samt en slutspels- eller skiftsammanfattning med detaljerade resultat och möjlighet att spela igen. Lägg till tillgängliga etiketter, synliga fokuslägen, tangentbordsanvändning, stöd för minskad rörelse och statusmarkörer som inte är beroende av färg. Gör layouten responsiv för datorer, surfplattor och mobila webbläsare genom att intelligent ordna om paneler och skala bageriet samtidigt som användbarheten bevaras. Detta är en webbsida, så tvinga inte fram en fast 16:9-canvas eller hårdkodade visningsmått; använd en flexibel responsiv layout som ser särskilt bra ut på vanliga bredbildsskärmar men också anpassar sig smidigt till stående skärmar. Prioritera fullständighet, spelkänsla, tillförlitlig tillståndshantering, exakt tidsmätning, robust draghantering, tydliga kollisionsregler, välpolerade övergångar och visuell återkoppling. Sidan måste fungera omedelbart när den sparas som en enda .html-fil och öppnas lokalt. Undvik: statisk konceptgrafik, en icke-funktionell dashboard, platshållarkontroller, låtsasinteraktioner för dragning, trasiga tidsmätare, överlappande text, oläsliga små etiketter, överdrivet förklarande innehåll, generiska platta kort, fotorealistiska bilder, externa resurser, externa beroenden, inbäddade base64-bilder, nätverksåtkomst, byggsteg, flera filer, fasta 16:9-mått, obligatoriskt ljud, ljud som spelas upp automatiskt, webbläsarvarningar, återkoppling som endast visas i konsolen och ofärdiga TODO-avsnitt.
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
Från responsiva röstagenter till flerspråkig berättarröst omvandlar xAI TTS v1 produkttexter till naturligt, uttrycksfullt tal för support, berättande, spel, tillgänglighet och handelsupplevelser.
xAI TTS v1 omvandlar text till naturligt tal med en latens på under 1 sekund för responsiva konversationsagenter. Produktteam kan använda det för virtuella assistenter, supportflöden och talbaserade gränssnitt.
Nå användare på 20 språk med naturligt tal och en katalog med fler än 80 röster. Lokaliserade appar kan presentera introduktion, uppdateringar och vägledning med en röst som passar varje målgrupp.
Forma berättarrösten med finjusterad kontroll över framförandet och uttrycksfullt tal som följer den avsedda stämningen i varje scen. Förlag, poddare och utbildningsplattformar kan skapa karaktärsfulla berättelser, lektioner och långformatsupplevelser för lyssning.
Ge spelkaraktärer distinkta röster från ett bibliotek med fler än 80 alternativ och finjustera sedan framförandet för varje ögonblick. Spelstudior kan röstlägga dialog, handledningar, följeslagare och dynamiska narrativa sekvenser.
Omvandla skrivet innehåll till naturligt tal för personer som föredrar eller behöver tillgång till ljud. Utbildningsteam, förlag och produktdesigners kan lägga till upplästa artiklar, lektioner, instruktioner och gränssnittsvägledning i stor skala.
Använd uttrycksfullt tal och finjusterad kontroll över framförandet för att presentera produkter, kampanjer och orderuppdateringar med en konsekvent röst. Handelsteam kan skapa ljudbaserade kontaktpunkter för köpassistenter och kundkommunikation.
Jämför xAI TTS v1 med ledande text-till-tal-modeller på Atlas Cloud utifrån språkstöd, kapacitet per begäran, leveranskontroller och standardpriser.
| Modell | Språk | Maximal textmängd per begäran | Leveranskontroller | Standardpris |
|---|---|---|---|---|
| xAI TTS v1 | 20 | 15,000 tecken | Talstaggar och hastighetskontroll | $0.015/1K tecken |
| MiniMax Speech 2.6 Turbo | 40+ | 10,000 tecken | Kontroller för känsla, hastighet och tonhöjd | $0.06/1K tecken |
| ElevenLabs v3 Text-to-Speech | 70+ | 5,000 tecken | Ljudtaggar och stabilitetskontroll | $0.10/1K tecken |
Get started in minutes — follow these simple steps to integrate and deploy models through Atlas Cloud’s platform.
Registrera dig på atlascloud.ai och slutför verifieringen. Nya användare får gratis krediter för att utforska plattformen och testa modeller.
Att kombinera de avancerade xAI TTS V1-modellerna med Atlas Clouds GPU-accelererade plattform ger oöverträffad prestanda, skalbarhet och utvecklarupplevelse.
Låg Latens:
GPU-optimerad inferens för realtidsresonemang.
Enhetligt API:
Kör xAI TTS V1, GPT, Gemini och DeepSeek med en integration.
Transparent Prissättning:
Förutsägbar fakturering per token med serverlösa alternativ.
Utvecklarupplevelse:
SDK:er, analys, finjusteringsverktyg och mallar.
Tillförlitlighet:
99.99% drifttid, RBAC och efterlevnadsredo loggning.
Säkerhet & Efterlevnad:
SOC 2 Type II, HIPAA-anpassning, datasuveränitet i USA.
xAI TTS v1 är en text-till-tal-modell med hög naturtrogenhet från xAI som omvandlar skrivet innehåll till naturligt, uttrycksfullt ljud. Atlas Cloud tillhandahåller den under modell-ID:t xai/tts-v1.
Använd det för att skapa röster för konversationsagenter, berättarröst, utbildningsinnehåll, hjälpmedel, lokaliserade medier och automatiserade kundupplevelser. De uttrycksfulla styrfunktionerna passar även för karaktärsdialog och manusbaserat ljud.
Skapa en Atlas Cloud API-nyckel och skicka en POST-begäran till den gemensamma slutpunkten för ljudgenerering med xai/tts-v1 som modell. Inkludera texten och ett obligatoriskt språkfält; använd auto när automatisk språkidentifiering föredras.
Atlas Cloud anger stöd för 20 språk och fler än 80 röster. Välj ett språk explicit för förutsägbart uttal, eller använd automatisk identifiering när inmatningsspråket kan variera.
Placera stöd för infogade och omslutande taletiketter i texten för att lägga till effekter som pauser, skratt, viskningar eller långsammare tal. Du kan även justera talhastigheten från 0.7 till 1.5 och aktivera textnormalisering för tal, förkortningar och symboler.
Välj MP3, WAV, PCM, μ-law eller A-law utifrån dina behov av uppspelning och bearbetning. Samplingsfrekvenser från 8 kHz till 48 kHz stöds, medan MP3-begäranden kan använda bithastigheter från 32 till 192 kbps.
Ja. Modellen är utformad för syntes på under en sekund och erbjuder tre nivåer för optimering av strömningslatens, från maximal ljudkvalitet till ett mindre första ljudsegment med större kompromiss i kvalitet.
Atlas Cloud tar ut standardpriset $0.015 per 1,000 inmatningstecken enligt betalning efter användning. Teckenräkningen använder Unicode-tecken, så ett CJK-tecken räknas på samma sätt som ett latinskt tecken.
Börja med att bekräfta att begäran använder en giltig Atlas Cloud API-nyckel, modell-ID:t xai/tts-v1 och ett språk som stöds. Kontrollera därefter att texten håller sig inom Atlas Cloud-gränsen på 15,000 tecken och att värdena för röst, codec, samplingsfrekvens, bithastighet och hastighet följer det dokumenterade schemat.
Guider, handledningar och produktnyheter som hjälper dig att få ut mesta möjliga av Atlas Cloud.