xAI Speech with Subsecond Latency
Được phát triển bởi xAI, họ mô hình giọng nói xAI tạo ra âm thanh tự nhiên, có độ trung thực cao với độ trễ dưới một giây. Các thẻ biểu cảm định hình khoảng dừng, lời thì thầm, điểm nhấn và nhịp độ trong 20 ngôn ngữ, trong khi tốc độ nói có thể điều chỉnh và tính năng chuẩn hóa văn bản giúp kiểm soát tốt hơn cách truyền đạt. Atlas Cloud cung cấp endpoint âm thanh hợp nhất với cách tính phí ký tự Unicode nhất quán và mức giá tiêu chuẩn minh bạch cho quy trình sản xuất.
xAI do xAI phát triển. Atlas Cloud (vận hành bởi Atlas Cloud AI LLC) cung cấp quyền truy cập vào mô hình này và không sở hữu mô hình. Mọi thương hiệu đều thuộc về chủ sở hữu tương ứng.
AI Video Models by xAI
Tạo video điện ảnh độ trung thực cao từ văn bản và hình ảnh với các mô hình AI tạo video mới nhất trên Atlas Cloud.
Grok Imagine Video
Grok Imagine Video cung cấp cho các nhà phát triển quyền truy cập vào dòng sản phẩm video của xAI để tạo, tạo chuyển động, kéo dài và chỉnh sửa các đoạn video. Tạo video dài từ 1 đến 15 giây từ lời nhắc, định hướng nhân vật, vật thể hoặc phong cách bằng tối đa bảy hình ảnh tham chiếu, và làm việc ở độ phân giải 480p hoặc 720p. Atlas Cloud tập hợp các khả năng này thông qua các endpoint tương thích với OpenAI, cùng mức giá minh bạch theo mức sử dụng. Bắt đầu xây dựng ngay hôm nay.
Grok Imagine Video 1.5 Lite
Grok Imagine Video 1.5 Lite là mô hình có chi phí thấp nhất của xAI trong dòng video Grok Imagine, được xây dựng để tạo hình ảnh và âm thanh tích hợp từ câu lệnh hoặc hình ảnh nguồn. Mô hình hỗ trợ lời nói đồng bộ với chuyển động miệng và cho phép lựa chọn chất lượng đầu ra, bao gồm 1080p được nâng cấp từ 720p. Truy cập cả hai chế độ tạo trên Atlas Cloud với mức phí $0.02 mỗi giây và một khóa tương thích OpenAI. Bắt đầu xây dựng ngay hôm nay.
xAI TTS V1
xAI TTS v1 là mô hình chuyển văn bản thành giọng nói độ trung thực cao của xAI, giúp chuyển nội dung dạng văn bản thành âm thanh tự nhiên, giàu biểu cảm. Mô hình hỗ trợ 20 ngôn ngữ và cung cấp khả năng kiểm soát cách truyền đạt ở mức chi tiết, giúp tùy chỉnh giọng nói cho nhiều ứng dụng. Truy cập mô hình thông qua Atlas Cloud với một khóa tương thích OpenAI duy nhất và mức giá minh bạch theo hình thức trả theo mức sử dụng. Bắt đầu xây dựng ngay hôm nay.
Grok Imagine Video 1.5
Grok Imagine Video 1.5 là dòng sản phẩm tạo video của xAI dành cho các nhà phát triển cần kiểm soát chuyển động từ prompt và đầu vào hình ảnh. Tạo chuyển động cho khung hình bắt đầu bằng hướng dẫn chuyển động bằng ngôn ngữ tự nhiên, chọn 480p hoặc 720p cho các quy trình tham chiếu, đồng thời thêm giọng nói tham chiếu tùy chọn để định hướng kết quả. Truy cập các chế độ được hỗ trợ thông qua một khóa Atlas Cloud tương thích với OpenAI, với mức giá minh bạch theo lượng sử dụng. Bắt đầu xây dựng ngay hôm nay.
AI Image Models by xAI
Tạo ra những hình ảnh ấn tượng, sẵn sàng cho sản xuất từ prompt và ảnh tham chiếu bằng các mô hình AI tạo ảnh tiên tiến nhất trên Atlas Cloud.
Grok Imagine Image 2.0
Được xAI phát triển, Grok Imagine Image 2.0 kết hợp khả năng tạo ảnh từ văn bản tinh chỉnh với tính năng chỉnh sửa bằng ngôn ngữ tự nhiên cho các quy trình dựa trên hình ảnh tham chiếu. Tạo ảnh đầu ra 1K hoặc 2K, chuyển từ prompt đến hình ảnh hoàn chỉnh và tinh chỉnh ảnh hiện có bằng các chỉ dẫn trực tiếp. Atlas Cloud cung cấp mọi endpoint được hỗ trợ thông qua một API key tương thích với OpenAI, cùng mức giá minh bạch theo mức sử dụng và khả năng tích hợp đơn giản. Bắt đầu xây dựng ngay hôm nay.
Grok Imagine
Grok Imagine API của xAI cung cấp các mô hình hình ảnh, video và lời nói, từ Image 2.0 đến Video 1.5 và xAI TTS v1. Render 1K hoặc 2K hình tĩnh trên 14 tỷ lệ khung hình, tạo cảnh 15 giây video 1080p, điều hướng các shot bằng tối đa 7 hình ảnh tham chiếu, hoặc cung cấp lời tường thuật bằng 20 ngôn ngữ. Atlas Cloud chạy mọi chế độ trên một endpoint, có giá theo mô hình trả tiền khi sử dụng từ $0.02 mỗi hình ảnh và $0.05 mỗi giây. Bắt đầu xây dựng hôm nay.
Large Language Models by xAI
Thúc đẩy trò chuyện, suy luận và tác tử ở quy mô lớn với các mô hình ngôn ngữ lớn hàng đầu, được cung cấp nhanh chóng và tiết kiệm trên 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.
Các trường hợp sử dụng xAI API bạn có thể xây dựng trên Atlas Cloud
Các endpoint hình ảnh và video của Grok Imagine xử lý việc tạo, chỉnh sửa và hoạt ảnh chỉ từ một API duy nhất. Các nhóm sử dụng chúng để chuyển đổi các tài sản tĩnh thành nội dung video có âm thanh và sản xuất các sản phẩm sáng tạo trực quan với tốc độ và chi phí chưa từng khả thi trước đây.
Video sản phẩm thương mại điện tử tự động
Các nhóm thương mại điện tử xây dựng các quy trình hoạt ảnh hóa hình ảnh sản phẩm thành các video clip ngắn bằng cách sử dụng Grok Imagine Video v1.5, với âm thanh môi trường và âm thanh ngữ cảnh sản phẩm được tạo trong cùng một lần gọi API. Một bức ảnh sản phẩm duy nhất trở thành một clip có âm thanh sẵn sàng cho quảng cáo và trang sản phẩm mà không cần quay video hay chỉnh sửa âm thanh. Với mức giá $0,096 mỗi giây trên Atlas Cloud, một video sản phẩm dài 10 giây có chi phí chưa đến một đô la.
Mẫu quảng cáo thương hiệu từ tài nguyên tĩnh
Các nhóm thương hiệu sử dụng Grok Imagine Video v1.5 để biến các bức ảnh chiến dịch đã được phê duyệt thành quảng cáo trên mạng xã hội dạng hoạt ảnh với âm thanh được tạo ra một cách nguyên bản. Do các token âm thanh và video được tạo ra trong cùng một quá trình suy luận (inference pass), nên đối thoại, hiệu ứng âm thanh và nhạc nền sẽ đồng bộ với hình ảnh mà không cần đến công đoạn hậu kỳ. Điều này loại bỏ hoàn toàn bước sản xuất âm thanh khỏi quy trình làm việc sáng tạo quảng cáo.
Thiết kế Storyboard Tiền kỳ Phim
Các đạo diễn và đạo diễn hình ảnh sử dụng Grok Imagine Image để tạo ra các bảng phân cảnh trực quan thể hiện bố cục cảnh quay, góc máy và ánh sáng trước khi quá trình sản xuất bắt đầu. Đầu ra có độ phân giải 2K đủ chi tiết để chia sẻ với đoàn làm phim như một bản tóm tắt trực quan cho từng cảnh. Với 0,06 đô la cho mỗi hình ảnh, việc lặp lại nhiều tùy chọn cảnh quay tốn ít chi phí hơn một giờ thời gian sản xuất.
Video Phong Cách Sống Bất Động Sản
Các nhà phát triển bất động sản sử dụng Grok Imagine Video v1.5 để tạo ra các đoạn phim phong cách sống mang tính điện ảnh từ các bản kết xuất kiến trúc hoặc ảnh nội thất. Một bản kết xuất ban công trở thành đoạn phim cảnh hoàng hôn với âm thanh môi trường, một bức ảnh nhà bếp trở thành cảnh buổi sáng với âm thanh tự nhiên. Điều này thay thế cho các buổi chụp ảnh phong cách sống đắt đỏ dùng cho danh sách rao bán và tài liệu tiếp thị trước khi mở bán.
Tổng hợp hình ảnh đa tham chiếu
Các nhóm sáng tạo sử dụng đầu vào 3 nguồn của Grok Imagine Image Edit để kết hợp các yếu tố từ nhiều hình ảnh tham chiếu thành một đầu ra duy nhất — kết hợp một bức ảnh chụp sản phẩm, một hình nền và một tham chiếu ánh sáng trong một lệnh gọi API. Điều này giúp việc tạo ra các biến thể chiến dịch duy trì tính nhất quán của thương hiệu qua các bối cảnh khác nhau trở nên thiết thực. Mỗi bản tổng hợp có giá 0,06 đô la cho mỗi hình ảnh trên Atlas Cloud.
Concept Art và Trailer Game Indie
Các studio trò chơi nhỏ sử dụng Grok Imagine Image để tạo ra concept art trong giai đoạn tiền sản xuất, sau đó đưa các khung hình chính vào Grok Imagine Video v1.5 để sản xuất các chuỗi trailer hoạt hình. Tính năng mở rộng video cho phép các nhóm liên kết các clip từ một khung hình bắt đầu duy nhất để xây dựng các chuỗi điện ảnh dài hơn vượt qua giới hạn 15 giây cho mỗi lần gọi. Quy trình làm việc này thay thế các nhà thầu hoạt hình bên ngoài cho nội dung tiếp thị ở giai đoạn đầu.
Biến tầm nhìn doanh nghiệp của bạn thành hiện thực với Atlas Cloud AI.
Liên hệ kinh doanhGiải đáp các câu hỏi về API xAI TTS v1
xAI TTS v1 là model chuyển văn bản thành giọng nói của xAI, có khả năng chuyển nội dung viết thành âm thanh tự nhiên và giàu biểu cảm. Atlas Cloud cung cấp model này với tên xai/tts-v1 thông qua endpoint tạo âm thanh dùng chung.
Model có thể tạo lời thuyết minh, phần lồng tiếng cho sản phẩm, âm thanh hỗ trợ khả năng tiếp cận, giọng nói bản địa hóa và hội thoại cho các ứng dụng giọng nói. Các thẻ biểu cảm cùng thiết lập cách thể hiện có thể điều chỉnh giúp lời nói được tạo phù hợp với nhiều bối cảnh và đối tượng khác nhau.
Gửi yêu cầu POST đến https://api.atlascloud.ai/api/v1/model/generateAudio với xác thực Bearer, giá trị model là xai/tts-v1, nội dung văn bản và thiết lập ngôn ngữ. Sau đó, thăm dò endpoint prediction bằng task ID được trả về hoặc đăng ký webhook để nhận thông báo khi hoàn tất.
Atlas Cloud cung cấp hơn 80 giọng nói và 20 tùy chọn ngôn ngữ, đồng thời hỗ trợ tự động phát hiện ngôn ngữ thông qua thiết lập auto. Các giọng nói đa ngôn ngữ Ara, Eve, Leo, Rex và Sal hỗ trợ mọi ngôn ngữ được liệt kê trong schema của endpoint.
Thêm các thẻ nội tuyến như [pause], [laugh] và [sigh], hoặc bao văn bản bằng các thẻ như <whisper> và <slow> để định hình cách thể hiện. Tốc độ nói có thể điều chỉnh từ 0.7 đến 1.5, trong khi tính năng chuẩn hóa văn bản tùy chọn giúp cải thiện cách đọc số, từ viết tắt và ký hiệu.
Bạn có thể chọn đầu ra MP3, WAV, PCM, μ-law hoặc A-law tùy theo yêu cầu phát lại hoặc điện thoại. Tần số lấy mẫu được hỗ trợ nằm trong khoảng từ 8,000 đến 48,000 Hz, còn đầu ra MP3 hỗ trợ tốc độ bit từ 32,000 đến 192,000 bps.
Atlas Cloud tính phí xAI TTS v1 theo mức tiêu chuẩn là $0.015 trên mỗi 1,000 ký tự đầu vào. Hệ thống tính theo ký tự Unicode, vì vậy một ký tự CJK được tính giống như một chữ cái Latin.
Mỗi yêu cầu Atlas Cloud chấp nhận tối đa 15,000 ký tự văn bản. Hãy chia các kịch bản dài hơn thành nhiều yêu cầu riêng biệt và giữ nguyên giọng nói, ngôn ngữ, tốc độ cũng như thiết lập đầu ra để duy trì cách thể hiện nhất quán giữa các phân đoạn.
Tài liệu Atlas Cloud hiện tại mô tả quy trình bất đồng bộ, trong đó bạn gửi một job rồi lấy kết quả bằng cách thăm dò hoặc sử dụng webhook. Schema yêu cầu bao gồm ba mức tối ưu hóa độ trễ, nhưng tài liệu công khai chưa xác nhận endpoint WebSocket trực tiếp của Atlas Cloud.
Khám phá Thêm Dòng
Kling 4.0
Kling 4 API cung cấp Kling 4.0, mô hình video được Kuaishou phát hành vào ngày 15 tháng 10 năm 2026. Nó tạo ra tối đa 30 giây trong một lần chạy, theo dõi tối đa 10 khung hình chính, trộn 15 hình ảnh, video và chủ thể thông qua Omni Reference, đồng thời thêm âm thanh nổi với tính năng đồng bộ khẩu hình. Atlas Cloud phục vụ cả bốn điểm cuối, bao gồm cả chỉnh sửa video, trên một khóa tương thích OpenAI duy nhất với giá từ 0,11 USD mỗi giây. Hãy bắt đầu xây dựng ngay hôm nay.
Seedance 2.5
Seedance 2.5 API cung cấp cho các nhà phát triển mô hình âm thanh và video kết hợp của ByteDance Seed, tạo ra từ 4 đến 30 giây trong một lần chạy từ văn bản, khung hình đầu tiên hoặc lên đến 50 tài liệu tham khảo qua hình ảnh, video và âm thanh. Nó chỉnh sửa các vùng đã chọn, kéo dài clip và tuân theo các đầu vào mô hình trắng và màn hình xanh. Atlas Cloud, một đại lý ủy quyền của Hoa Kỳ, bổ sung chế độ nháp 480p, bản chuẩn 1080p gốc và phân phối 4K nâng cao với mức giá trả theo mức sử dụng.
Wan 3.0
Wan 3.0 là mô hình video mới nhất của Alibaba, có thể tạo ra tối đa 30 giây video 1080p ở tốc độ 30fps kèm âm thanh chỉ trong một lần tạo. Điều khiển nó bằng một prompt văn bản, khung hình đầu tiên, tối đa 10 hình ảnh tham chiếu hoặc một tài liệu. Bản Standard có chi phí mỗi giây thấp hơn, trong khi bản Prime giữ nguyên các khả năng và trả về kết quả nhanh hơn. Cả hai đều chạy trên cùng một khóa Atlas Cloud như Wan 2.7, 2.6 và 2.5.
MiniMax H3
MiniMax H3 là dòng video đa phương thức của MiniMax, hỗ trợ sáng tạo từ văn bản, hình ảnh và nội dung tham chiếu. Trên các route được hỗ trợ, sản phẩm duy trì chủ thể từ nội dung tham chiếu, cung cấp các tỷ lệ khung hình linh hoạt và kết hợp âm thanh được tạo với hình ảnh thông qua H3 Developer, với hồ sơ đầu ra được lựa chọn theo endpoint. Atlas Cloud hợp nhất dòng sản phẩm này dưới một khóa tương thích với OpenAI, cùng mức giá trả theo nhu cầu minh bạch bắt đầu từ mức tiêu chuẩn $0.038 mỗi giây. Hãy bắt đầu xây dựng ngay hôm nay.
GPT Image 2.5
GPT Image 2.5 là mô hình tạo và chỉnh sửa hình ảnh của OpenAI, được phát hành vào ngày 8 tháng 9 năm 2026 với hai phiên bản API. Flare là phiên bản mặc định, với độ trễ thấp hơn tới 50% so với GPT Image 2, trong khi Sunburst mất nhiều thời gian hơn để cung cấp khả năng kiểm soát tinh vi hơn đối với các chỉnh sửa chi tiết. Cả hai đều hỗ trợ tối đa 16 hình ảnh tham chiếu, năm cấp độ chất lượng, nền trong suốt và kích thước tùy chỉnh lên tới 3840px. Atlas Cloud cung cấp API GPT Image 2.5 theo mức phí tính trên token của OpenAI hoặc theo mức giá cố định trên mỗi hình ảnh theo cấp độ 1K, 2K hoặc 4K.
Seedream 5.0 Pro
Seedream 5.0 Pro API cung cấp cho các nhà phát triển mô hình chỉnh sửa hình ảnh có thể kiểm soát của ByteDance trên Atlas Cloud. Nó đặt các chỉnh sửa một cách chính xác bằng các điểm neo và tọa độ, tách hình ảnh thành các lớp có thể chỉnh sửa, kết hợp nhiều tham chiếu và khớp màu sắc cũng như vật liệu chính xác, với văn bản đa ngôn ngữ ở độ phân giải 2K và 3K. Trên Atlas Cloud, bạn có thể truy cập nó chỉ bằng một khóa!
Seedance 2.0
Seedance 2.0 là mô hình video phục vụ môi trường production của ByteDance, giúp tạo cảnh quay chính xác. Biến prompt thành video, tạo chuyển động cho hình ảnh khung hình đầu tiên với tùy chọn hướng dẫn bằng khung hình cuối, hoặc định hình kết quả bằng media tham chiếu và tùy chọn tìm kiếm web. Atlas Cloud hợp nhất các quy trình này trong một API duy nhất, với mức giá pay-as-you-go minh bạch và một key tương thích với OpenAI. Bắt đầu xây dựng ngay hôm nay.
Kling V3.0
Đến từ Kuaishou, dòng API Kling V3 hỗ trợ quy trình tạo video từ văn bản, hình ảnh và video tham chiếu. Chuyển động được truyền tải trong khi vẫn giữ nguyên danh tính nhân vật, hướng dẫn tạo nội dung bằng hình ảnh tham chiếu và chỉnh sửa video thông qua câu lệnh ngôn ngữ tự nhiên. Atlas Cloud cung cấp endpoint Standard và Pro cho các nhu cầu sản xuất khác nhau. Cập nhật: Kling V4 hiện đã có trên Atlas Cloud. Khám phá trên trang [Kling V4](https://www.atlascloud.ai/zh/models/kling-v4).
Grok Imagine Video
Grok Imagine Video cung cấp cho các nhà phát triển quyền truy cập vào dòng sản phẩm video của xAI để tạo, tạo chuyển động, kéo dài và chỉnh sửa các đoạn video. Tạo video dài từ 1 đến 15 giây từ lời nhắc, định hướng nhân vật, vật thể hoặc phong cách bằng tối đa bảy hình ảnh tham chiếu, và làm việc ở độ phân giải 480p hoặc 720p. Atlas Cloud tập hợp các khả năng này thông qua các endpoint tương thích với OpenAI, cùng mức giá minh bạch theo mức sử dụng. Bắt đầu xây dựng ngay hôm nay.
Vidu Q4 Preview
Vidu Q4 là mô hình video chủ lực mới nhất của Vidu, được thiết kế để chuyển hình ảnh thành video và chuyển tham chiếu thành video. Mô hình có thể tạo chuyển động cho một ảnh tĩnh duy nhất và tự động chuyển cảnh, mang đến cho nhà phát triển hai luồng đầu vào phục vụ các quy trình sản phẩm khác nhau. Atlas Cloud cung cấp các API endpoint chuyên dụng với lược đồ tham số được công bố, áp dụng mức giá tiêu chuẩn đã được xác minh là $0.04 mỗi giây. Bắt đầu xây dựng ngay hôm nay.
Gemini Omni 1.1 Flash
Gemini Omni 1.1 Flash là dòng mô hình video đa phương thức nguyên bản của Google DeepMind, phục vụ các quy trình sản xuất linh hoạt. Chỉnh sửa cảnh quay hiện có bằng hướng dẫn văn bản, duy trì tính nhất quán hình ảnh với tối đa 10 ảnh tham chiếu và 3 đoạn video, hoặc kéo dài một cảnh thành các phân đoạn có thể nối tiếp, tối đa 40 giây. Truy cập mọi quy trình trên Atlas Cloud với một API key tương thích với OpenAI, mức giá trả theo mức sử dụng và khả dụng ngay từ ngày đầu tiên. Bắt đầu xây dựng ngay hôm nay.
Nano Banana 2.1
Nano Banana 2.1 là dòng mô hình hình ảnh của Google được xây dựng trên Gemini 3.6 Flash. Mô hình mang đến khả năng tạo và chỉnh sửa ở cấp độ Pro với tốc độ ngang tầm Flash, hỗ trợ chỉnh sửa và kết hợp bằng ngôn ngữ tự nhiên trên 1 đến 14 hình ảnh đầu vào, đồng thời duy trì tính nhất quán cho tối đa 4 nhân vật và 10 vật thể. Thông qua Atlas Cloud, các nhà phát triển có thể truy cập dòng mô hình này bằng một khóa tương thích với OpenAI, thời gian hoạt động ổn định và khả dụng ngay từ Day-0. Bắt đầu xây dựng ngay hôm nay.
Bài viết đề xuất
Hướng dẫn, bài hướng dẫn và cập nhật sản phẩm giúp bạn khai thác tối đa Atlas Cloud.
