


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.
xAI TTS V1 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.
Atlas Cloud cung cấp cho bạn các mô hình sáng tạo tiên tiến nhất trong ngành.
Khám phá các khả năng chuyển văn bản thành giọng nói và chuyển giọng nói thành văn bản của dòng sản phẩm này dành cho các ứng dụng giọng nói đa ngôn ngữ.
| Phương thức | Mô tả |
|---|---|
| xAI TTS v1 API (Chuyển văn bản thành giọng nói) | Chuyển văn bản thành giọng nói tự nhiên, giàu biểu cảm với độ trễ dưới một giây trên 20 ngôn ngữ và hơn 80 giọng nói. Khả năng kiểm soát cách thể hiện ở mức chi tiết giúp endpoint này phù hợp với trợ lý giọng nói, nội dung thuyết minh bản địa hóa và các trải nghiệm âm thanh có độ phản hồi cao. |
| xAI STT v1 API (Chuyển giọng nói thành văn bản) | Chuyển âm thanh thành văn bản chính xác, được định dạng rõ ràng với khả năng tự động phát hiện ngôn ngữ trên hơn 24 ngôn ngữ. Sử dụng mốc thời gian theo từng từ, phân tách người nói, chép lời đa kênh và chuẩn hóa văn bản nghịch đảo cho biên bản cuộc họp, phụ đề và phân tích cuộc gọi. |
xAI TTS v1 kết hợp các thẻ biểu cảm cho giọng nói, hỗ trợ 20 ngôn ngữ, tập lệnh dài tối đa 15.000 ký tự, năm codec đầu ra, độ trễ streaming có thể điều chỉnh và cơ chế tính phí minh bạch theo số ký tự thông qua một API key Atlas Cloud duy nhất.

Điều khiển trực tiếp xAI TTS v1 bằng các thẻ nội tuyến như [pause] và các kiểu bao như <whisper> để định hình cách thể hiện ngay trong tập lệnh. Các chỉ dẫn về giọng nói được diễn giải trong quá trình tổng hợp, nên cảm xúc, nhịp độ và điểm nhấn không cần một bước chỉnh sửa riêng. Cơ chế kiểm soát này phù hợp với lời thoại nhân vật, lời thuyết minh thương hiệu, lời nhắc hỗ trợ và mọi nội dung cần căn chỉnh thời gian biểu cảm.

Lựa chọn từ hơn 70 mã định danh giọng nói trong schema hiện tại của Atlas Cloud, với năm giọng đa ngôn ngữ được thiết kế để bao phủ mọi ngôn ngữ được hỗ trợ. Chọn một trong 20 tùy chọn ngôn ngữ BCP-47 hoặc sử dụng tính năng tự động nhận diện, trong khi các giọng khác vẫn được tối ưu cho ngôn ngữ bản địa. Bản địa hóa trợ lý, hướng dẫn, chiến dịch và thông điệp dịch vụ mà không cần xây dựng lại quy trình tổng hợp cho từng thị trường.

Mỗi request chấp nhận tập lệnh dài tối đa 15.000 ký tự và cho phép đặt tốc độ nói từ 0.7× đến 1.5×. Tính năng chuẩn hóa văn bản tùy chọn sẽ chuyển số viết, chữ viết tắt và ký hiệu thành dạng đọc trước khi tổng hợp. Sử dụng các tùy chọn này để giữ cho lời thuyết minh dài dễ hiểu, đồng thời khớp nhịp độ của video giải thích, bài học hoặc lồng tiếng trong một quy trình API nhất quán.

Xuất âm thanh ở dạng MP3, WAV, PCM, μ-law hoặc A-law, với tần số lấy mẫu từ 8 kHz đến 48 kHz. Đầu ra MP3 cũng hỗ trợ bit rate từ 32 kbps đến 192 kbps, giúp bạn cân bằng giữa độ trung thực và kích thước tệp. Chọn thiết lập phòng thu cho hoạt động sản xuất nội dung hoặc định dạng điện thoại cho luồng cuộc gọi và các hệ thống giọng nói tích hợp trong những ứng dụng hạ nguồn.

Ba cấp độ tối ưu hóa độ trễ cho phép xAI TTS v1 đánh đổi kích thước chunk đầu tiên và chất lượng đầu ra trong quá trình tổng hợp streaming. Level 0 ưu tiên chất lượng âm thanh, còn Levels 1 và 2 lần lượt rút ngắn thời gian đến khi phát âm thanh đầu tiên, đi kèm các đánh đổi lớn hơn ở ranh giới. Chọn thiết lập phù hợp với tác nhân giọng nói phản hồi nhanh, tính năng đọc trực tiếp hoặc những trải nghiệm nhạy cảm với độ trễ khác, nơi thời gian khởi động đóng vai trò quan trọng.

Chạy xAI TTS v1 thông qua một endpoint Atlas Cloud và một API key duy nhất, với mức sử dụng tiêu chuẩn được tính $0.015 cho mỗi 1.000 ký tự đầu vào. Các ký tự Unicode được đếm nhất quán, bao gồm cả ký tự CJK, nên việc ước tính chi phí vẫn đơn giản giữa các ngôn ngữ. Mô hình thanh toán theo mức sử dụng này hỗ trợ cả prototype và khối lượng công việc production, đồng thời giữ chi phí tỷ lệ thuận với số lượng request khi mở rộng quy mô.
Xem ba mô hình video của Atlas Cloud diễn giải cùng một prompt như thế nào qua hội thoại điện ảnh, chuyển động, bố cục, tính liên tục và kể chuyện bằng hình ảnh.
Tạo một trang web HTML tương tác, hoàn chỉnh và trau chuốt trong một tệp duy nhất, có tiêu đề “Điều phối khinh khí cầu Cloudborne”. Chỉ xuất tài liệu HTML cuối cùng, với toàn bộ CSS và JavaScript được viết inline. Trang phải mở và hoạt động trực tiếp trong trình duyệt hiện đại, không cần bước build và không sử dụng dependency, thư viện, font, CDN, URL hình ảnh, API hoặc tệp bổ sung bên ngoài. Đây là một trang web responsive, không phải bố cục cố định 16:9. Thiết kế một trạm điều khiển đội khinh khí cầu thời bình minh sống động, kết hợp các thiết bị hàng không cổ điển, bản đồ địa hình in lưới, chất liệu giấy sờ được, bộ điều khiển bằng đồng thau và mô phỏng thời gian thực hiện đại. Sử dụng bảng màu được phân lớp cẩn thận gồm xanh cobalt, vàng kem, đỏ san hô, trắng ấm, than chì và đồng thau trầm. Ánh sáng buổi sáng ấm áp phải dần sáng lên từ góc trên bên trái. Biểu diễn độ cao, các lớp gió và mức độ nguy hiểm một cách nhất quán bằng màu sắc, độ dày đường nét, hoa văn và chú giải rõ ràng. Tạo toàn bộ hình ảnh bằng HTML, CSS, Canvas và SVG inline khi phù hợp. Khu vực trung tâm phải là một bản đồ không phận nhìn từ trên xuống, kích thước lớn và có hoạt ảnh, hiển thị một hẻm núi, các đường đồng mức, ít nhất 12 khinh khí cầu có thể nhận diện riêng, nhiều lớp gió thay đổi, một hệ thống bão mây vũ tích đang dịch chuyển, các vùng nhiễu loạn và một ngọn hải đăng nổi làm điểm đến. Triển khai một mô phỏng vật lý nhẹ nhưng thực sự hoạt động: mỗi khinh khí cầu phải theo dõi vị trí, vận tốc, độ cao, nhiên liệu, ballast, nhiệt độ, rủi ro và lịch sử lộ trình; hướng và cường độ gió phải thay đổi theo độ cao và diễn biến theo thời gian; đầu đốt làm tăng lực nâng nhưng tiêu hao nhiên liệu; xả ballast làm khinh khí cầu tăng độ cao nhưng giảm vĩnh viễn lượng ballast; làm mát khiến khinh khí cầu hạ xuống; vách hẻm núi và các lõi bão tạo ra những mối nguy có ý nghĩa. Khinh khí cầu phải liên tục di chuyển và để lại các vệt bay hiển thị rồi mờ dần. Mục tiêu là đưa toàn bộ đội bay an toàn đến ngọn hải đăng trước khi cạn tài nguyên hoặc hết thời gian. Bao gồm bộ đếm ngược phóng nổi bật lúc bình minh cùng các nút điều khiển Bắt đầu, Tạm dừng, Tiếp tục, Đặt lại và tốc độ mô phỏng. Trước khi phóng, khinh khí cầu phải đung đưa nhẹ còn các thiết bị đo khẽ rung động. Sau khi phóng, hãy tạo hoạt ảnh cho các hạt gió, chuyển động của khinh khí cầu, sự phát triển của bão, việc vẽ vệt bay, xung cảnh báo và ánh sáng thay đổi. Người dùng phải có thể kéo trực tiếp các nút điều hướng gió trên bản đồ để thay đổi luồng không khí cục bộ theo thời gian thực, với phản hồi hình ảnh và vật lý tức thì. Khi nhấp vào một khinh khí cầu, phải chọn nó, làm nổi bật lộ trình, đưa dữ liệu của nó vào trung tâm trên toàn giao diện và mở một bảng kiểm tra chi tiết nhỏ gọn. Cung cấp các nút điều khiển đầu đốt và ballast có cảm giác vật lý cho khinh khí cầu được chọn, bao gồm hành vi nhấn-giữ đầu đốt, thao tác xả ballast có hậu quả rõ ràng, phím tắt và nút có khả năng truy cập. Cho phép chọn nhiều khinh khí cầu hoặc ra lệnh cho toàn đội để hỗ trợ lối chơi nâng cao. Bố trí một thanh bên dọc gồm các thẻ nhiệm vụ hiển thị mục tiêu đội bay, cảnh báo đang hoạt động, bản tin thời tiết và tóm tắt trạng thái của từng khinh khí cầu. Các thẻ nhiệm vụ phải cập nhật theo thời gian thực và hỗ trợ lọc theo các trạng thái an toàn, cảnh báo, nguy cấp, đã đến và đã mất. Đặt một dải telemetry dày đặc nhưng dễ đọc dọc theo cạnh dưới, với các biểu đồ Canvas cuộn mượt cho độ cao, tốc độ thẳng đứng, nhiên liệu, khoảng cách đến bão và tiến độ của đội bay. Khi di chuột hoặc rà trên biểu đồ, phải hiển thị các giá trị đồng bộ và làm nổi bật thời điểm tương ứng trên vệt bay của khinh khí cầu được chọn. Thêm các đồng hồ đo cổ điển, kim quay, số liệu, đèn cảnh báo, nhãn đóng dấu, tọa độ bản đồ, các dải độ cao, một minimap hoặc bản tổng quan nhỏ gọn và chú giải rõ ràng. Sử dụng hành vi bố cục responsive thay vì chỉ thu nhỏ bố cục desktop. Trên màn hình rộng, hiển thị đồng thời thanh bên, bản đồ trung tâm, bảng kiểm tra và telemetry. Trên máy tính bảng, thu gọn các thẻ phụ thành tab hoặc ngăn kéo. Trên thiết bị di động, ưu tiên bản đồ và các nút điều khiển khinh khí cầu được chọn, cung cấp vùng chạm lớn, xếp chồng các bảng telemetry và duy trì tương tác kéo. Đảm bảo trang lấp đầy viewport linh hoạt ở nhiều tỷ lệ khung hình và vẫn sử dụng được bằng chuột, cảm ứng và bàn phím. Khiến mô phỏng có cảm giác hoàn chỉnh: bao gồm điều kiện thành công và thất bại, hoạt ảnh cập bến khi đến ngọn hải đăng nổi, phản hồi va chạm hoặc mất do bão, tooltip theo ngữ cảnh, hướng dẫn lần đầu sử dụng, trạng thái trống và vô hiệu hóa, xác nhận trước thao tác xả ballast không thể hoàn tác, luồng khởi động lại, thông báo trạng thái và báo cáo nhiệm vụ cuối cùng với các thống kê như số khinh khí cầu đến nơi, số bị mất, hiệu suất nhiên liệu, rủi ro trung bình và thời gian đã trôi qua. Khởi tạo trạng thái ban đầu để kịch bản ngay lập tức hấp dẫn nhưng vẫn có thể chiến thắng. Sử dụng requestAnimationFrame cho hoạt ảnh mượt và Canvas cho bản đồ cũng như telemetry khi phù hợp. Duy trì hiệu năng render, sử dụng devicePixelRatio để Canvas sắc nét, xử lý đúng các sự kiện resize và tránh lỗi trong console. Ưu tiên hệ thống phân cấp thị giác xuất sắc, các tương tác vi mô tinh tế, hành vi thiết bị đo thuyết phục, trạng thái được liên kết giữa mọi bảng và mức độ hoàn thiện chi tiết. Không tạo một mockup tĩnh. Không sử dụng các hình chữ nhật giữ chỗ, gradient chung chung làm toàn bộ thiết kế, điều khiển giả không hoạt động, tài nguyên bên ngoài, font bên ngoài, hộp thoại alert(), quá nhiều văn bản giải thích, tràn ngang, nhãn quá nhỏ khó đọc hoặc các tương tác chỉ hoạt động bằng chuột. Không ép Canvas 16:9 hoặc viewport kích thước cố định. Mọi điều khiển chính đang hiển thị đều phải hoạt động và mọi dữ liệu hiển thị phải bắt nguồn từ trạng thái mô phỏng trực tiếp.
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
Tạo một trang web HTML tương tác trong một tệp duy nhất, hoàn chỉnh và trau chuốt, có tiêu đề “Tiệm bánh tự động lúc nửa đêm”, chỉ sử dụng HTML inline, CSS và JavaScript thuần. Xuất toàn bộ tài liệu HTML có thể chạy được và không xuất thêm bất kỳ nội dung nào khác. Không sử dụng thư viện, framework, CDN, font, hình ảnh, tệp SVG, tệp âm thanh, API hoặc network request bên ngoài; toàn bộ hình ảnh, biểu tượng, phản hồi giống âm thanh, hiệu ứng và logic trò chơi phải được tạo cục bộ bằng HTML/CSS/JS. Xây dựng một trò chơi lập lịch đơn hàng có thể chơi đầy đủ, lấy bối cảnh trong một tiệm bánh tự động lúc nửa đêm. Các miếng bột phải liên tục đi vào hệ thống băng chuyền isometric, với hình dạng, công thức, nhiệt độ nướng yêu cầu, thời lượng nướng, giới hạn độ tươi và giá trị điểm được phân biệt rõ ràng. Tổ chức giao diện xoay quanh một lò nướng công nghiệp lớn ở trung tâm, một mạng băng chuyền vòng lặp có các đường ray chuyển đổi được và các bảng thiết bị đo thời gian thực gắn ở hai bên. Người chơi phải có thể kéo và sắp xếp lại các miếng bột trong hàng đợi lò, kéo chúng giữa các ô tương thích khi phù hợp, nhấp vào công tắc đường ray để chuyển hướng bột mới đến, nhấp vào các nút điều khiển lò để điều chỉnh nhiệt độ hoặc kích hoạt hệ thống và sử dụng các phím điều khiển được mô tả rõ ràng để tạm thời tăng tốc băng chuyền và làm mát khẩn cấp. Mọi tương tác bằng chuột, cảm ứng, nhấp, kéo và bàn phím phải phản hồi ngay lập tức và dễ nhận thấy. Triển khai lối chơi có trạng thái thực sự thay vì mockup tĩnh. Bao gồm nhiều đơn hàng bột đồng thời, chuyển động băng chuyền, định tuyến đường ray, kiểm tra va chạm và snap khi kéo-thả, giới hạn sức chứa, bộ đếm thời gian cho từng vật phẩm, quán tính nhiệt độ lò, tiến độ nướng, trạng thái chưa chín/chín hoàn hảo/quá lửa, điểm số, combo nhân điểm, mạng hoặc danh tiếng, độ khó tăng dần, tạm dừng/tiếp tục, khởi động lại và một lớp hướng dẫn hoặc trợ giúp tương tác ngắn gọn. Các công thức phải tạo ra những xung đột lịch trình có ý nghĩa: các sản phẩm khác nhau cần nhiệt độ và thời lượng khác nhau, khuyến khích sắp xếp lại hàng đợi cũng như làm mát hoặc tăng tốc một cách chiến lược. Bánh mì được nướng hoàn hảo phải xuất hiện với màu vàng óng, kích hoạt một vụ nổ hạt thỏa mãn, thắp sáng cửa sổ trưng bày của tiệm bánh, tăng combo và cập nhật nhật ký đơn hàng. Sai sót phải tạo ra bánh mì cháy rõ rệt, khói và hạt than bay lên, đèn cảnh báo, thiết bị rung lắc, mất combo và phản hồi phi âm thanh dễ hiểu. Cung cấp tùy chọn bật/tắt âm thanh, nhưng mô phỏng phản hồi âm thanh bằng hình ảnh và Web Audio được tạo hoàn toàn trong JavaScript khi bật; trò chơi vẫn phải dễ hiểu khi tắt tiếng. Sử dụng ngôn ngữ hình ảnh nguyên bản và thống nhất, kết hợp pixel art isometric chi tiết với thiết bị đo công nghiệp chính xác. Tạo độ tương phản giữa ánh sáng lò màu hổ phách ấm, điểm nhấn đồng, bánh mì phát sáng và nhãn màu kem dịu trên nền midnight xanh chàm đậm. Tạo chiều sâu bằng máy móc vẽ bằng CSS, sàn lát, đường ống, lỗ thông hơi, bóng đổ, vùng sáng, cạnh bậc pixel, scanline tinh tế, đèn báo, màn hình phân đoạn, đồng hồ đo, sọc cảnh báo và các chi tiết cơ khí có hoạt ảnh. Khiến lò trung tâm có cảm giác sống động với buồng lò chập chờn, cửa lò, núm nhiệt độ, hiệu ứng rung nhiệt và đèn trạng thái. Tạo hoạt ảnh cho băng chuyền, bánh răng, chuyển động của bột, khói, tia lửa, hơi làm mát, ánh sáng cửa sổ, phản hồi combo và chuyển cảnh giữa các bảng bằng CSS và JavaScript hiệu năng cao. Duy trì khả năng đọc rõ ràng và hệ thống phân cấp mạnh dù mang phong cách phòng điều khiển dày đặc. Bao gồm nội dung phong phú được sắp xếp cẩn thận: sàn tiệm bánh có thể chơi, hàng đợi đơn hàng mới, hàng đợi lò, bảng tham khảo công thức, hiển thị điểm/combo trực tiếp, thiết bị đo nhiệt độ và thông lượng, nhật ký sự kiện, chú giải điều khiển, thông báo trạng thái và modal tổng kết trò chơi hoặc ca làm với kết quả chi tiết cùng thao tác chơi lại. Thêm nhãn có khả năng truy cập, trạng thái focus hiển thị rõ, khả năng vận hành bằng bàn phím, hỗ trợ giảm chuyển động và tín hiệu trạng thái không phụ thuộc vào màu sắc. Làm cho bố cục responsive trên trình duyệt desktop, máy tính bảng và di động, tự động sắp xếp lại các bảng và thay đổi tỷ lệ tiệm bánh mà vẫn đảm bảo khả năng sử dụng. Đây là một trang web, vì vậy không ép Canvas 16:9 hoặc kích thước viewport cố định; hãy sử dụng bố cục responsive linh hoạt, đặc biệt đẹp trên các màn hình widescreen phổ biến nhưng vẫn thích ứng mượt mà với màn hình dọc. Ưu tiên tính hoàn chỉnh, cảm giác chơi game, quản lý trạng thái đáng tin cậy, định thời chính xác, xử lý kéo-thả chắc chắn, quy tắc va chạm rõ ràng, chuyển cảnh trau chuốt và phản hồi hình ảnh. Trang phải hoạt động ngay khi được lưu dưới dạng một tệp .html duy nhất và mở cục bộ. Tránh: concept art tĩnh, dashboard không hoạt động, điều khiển giữ chỗ, tương tác kéo giả, bộ đếm thời gian bị lỗi, văn bản chồng lấn, nhãn quá nhỏ khó đọc, quá nhiều nội dung giải thích, các thẻ phẳng chung chung, hình ảnh chân thực, tài nguyên bên ngoài, dependency bên ngoài, hình ảnh base64 nhúng, network access, bước build, nhiều tệp, kích thước cố định 16:9, âm thanh bắt buộc, âm thanh tự động phát, cảnh báo trình duyệt, phản hồi chỉ xuất hiện trong console và các phần TODO chưa hoàn thiện.
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
Từ các tác nhân giọng nói phản hồi nhanh đến phần thuyết minh đa ngôn ngữ, xAI TTS v1 biến văn bản sản phẩm thành giọng nói tự nhiên, giàu biểu cảm cho trải nghiệm hỗ trợ, kể chuyện, trò chơi, khả năng tiếp cận và thương mại.
xAI TTS v1 chuyển văn bản thành giọng nói tự nhiên với độ trễ dưới một giây, phù hợp cho các tác nhân hội thoại phản hồi nhanh. Đội ngũ sản phẩm có thể sử dụng công nghệ này cho trợ lý ảo, quy trình hỗ trợ và giao diện tương tác bằng giọng nói.
Tiếp cận người dùng bằng 20 ngôn ngữ thông qua giọng nói tự nhiên và thư viện hơn 80 giọng nói. Các ứng dụng bản địa hóa có thể truyền tải hướng dẫn bắt đầu, thông tin cập nhật và chỉ dẫn bằng giọng nói phù hợp với từng nhóm đối tượng.
Định hình phần thuyết minh bằng khả năng kiểm soát cách thể hiện ở mức tinh chỉnh và giọng nói giàu biểu cảm, bám sát sắc thái mong muốn của từng cảnh. Nhà xuất bản, podcaster và nền tảng học tập có thể tạo ra những câu chuyện, bài học và trải nghiệm nghe nội dung dài đầy cá tính.
Mang đến cho các nhân vật trò chơi những giọng nói riêng biệt từ thư viện hơn 80 lựa chọn, rồi tinh chỉnh cách thể hiện cho từng khoảnh khắc. Các studio có thể lồng tiếng cho hội thoại, hướng dẫn, nhân vật đồng hành và các phân đoạn cốt truyện động.
Chuyển nội dung viết thành giọng nói tự nhiên cho những người muốn hoặc cần tiếp cận thông tin bằng âm thanh. Đội ngũ giáo dục, nhà xuất bản và nhà thiết kế sản phẩm có thể bổ sung bài viết, bài học, hướng dẫn và chỉ dẫn giao diện bằng giọng nói trên quy mô lớn.
Sử dụng giọng nói giàu biểu cảm và khả năng kiểm soát cách thể hiện ở mức tinh chỉnh để giới thiệu sản phẩm, chương trình khuyến mãi và thông tin cập nhật đơn hàng bằng giọng nói nhất quán. Đội ngũ thương mại có thể tạo các điểm chạm âm thanh cho trợ lý mua sắm và hoạt động giao tiếp với khách hàng.
So sánh xAI TTS v1 với các mô hình chuyển văn bản thành giọng nói hàng đầu hiện có trên Atlas Cloud theo phạm vi ngôn ngữ, dung lượng mỗi yêu cầu, khả năng kiểm soát đầu ra và mức giá tiêu chuẩn.
| Mô hình | Ngôn ngữ | Lượng văn bản tối đa mỗi yêu cầu | Kiểm soát đầu ra | Giá tiêu chuẩn |
|---|---|---|---|---|
| xAI TTS v1 | 20 | 15,000 ký tự | Thẻ giọng nói và kiểm soát tốc độ | $0.015/1K ký tự |
| MiniMax Speech 2.6 Turbo | 40+ | 10,000 ký tự | Kiểm soát cảm xúc, tốc độ và cao độ | $0.06/1K ký tự |
| ElevenLabs v3 Text-to-Speech | 70+ | 5,000 ký tự | Thẻ âm thanh và kiểm soát độ ổn định | $0.10/1K ký tự |
Bắt đầu trong vài phút — làm theo các bước đơn giản sau để tích hợp và triển khai mô hình qua nền tảng Atlas Cloud.
Đăng ký tại atlascloud.ai và hoàn tất xác minh. Người dùng mới nhận được tín dụng miễn phí để khám phá nền tảng và thử nghiệm mô hình.
Sự kết hợp của các mô hình tiên tiến của xAI TTS V1 với nền tảng được tăng tốc GPU của Atlas Cloud mang lại hiệu suất, khả năng mở rộng và trải nghiệm nhà phát triển độc đáo.
Độ Trễ Thấp:
Suy luận được tối ưu hóa GPU cho suy luận thời gian thực.
API Thống nhất:
Chạy xAI TTS V1, GPT, Gemini và DeepSeek với một tích hợp duy nhất.
Giá cả Minh bạch:
Thanh toán dựa trên token có thể dự đoán với tùy chọn serverless.
Trải nghiệm Nhà phát triển:
SDK, phân tích, công cụ tinh chỉnh và mẫu.
Độ tin cậy:
99,99% khả dụng, RBAC và ghi nhật ký sẵn sàng cho tuân thủ.
Bảo mật và Tuân thủ:
SOC 2 Type II, tuân thủ HIPAA, chủ quyền dữ liệu tại Hoa Kỳ.
xAI TTS v1 là mô hình chuyển văn bản thành giọng nói có độ trung thực cao của xAI, biến nội dung dạng văn bản thành âm thanh tự nhiên, giàu biểu cảm. Atlas Cloud cung cấp mô hình này với model ID xai/tts-v1.
Bạn có thể dùng API để tạo giọng nói cho tác nhân hội thoại, nội dung thuyết minh, tài liệu giáo dục, công cụ hỗ trợ khả năng tiếp cận, nội dung đa phương tiện bản địa hóa và trải nghiệm khách hàng tự động. Các tùy chọn điều khiển cách thể hiện cũng phù hợp với lời thoại nhân vật và âm thanh theo kịch bản.
Tạo khóa API Atlas Cloud, sau đó gửi yêu cầu POST đến endpoint tạo âm thanh dùng chung với xai/tts-v1 làm model. Bao gồm nội dung văn bản và giá trị ngôn ngữ bắt buộc; dùng auto khi muốn tự động phát hiện ngôn ngữ.
Atlas Cloud hỗ trợ 20 ngôn ngữ và hơn 80 giọng nói. Hãy chọn ngôn ngữ cụ thể để đảm bảo cách phát âm nhất quán, hoặc dùng tính năng tự động phát hiện khi ngôn ngữ đầu vào có thể thay đổi.
Chèn các thẻ giọng nói dạng inline và bao quanh được hỗ trợ vào văn bản để thêm những hiệu ứng như ngắt nghỉ, cười, thì thầm hoặc nói chậm hơn. Bạn cũng có thể điều chỉnh tốc độ nói từ 0.7 đến 1.5 và bật tính năng chuẩn hóa văn bản cho số, từ viết tắt và ký hiệu.
Chọn đầu ra MP3, WAV, PCM, μ-law hoặc A-law tùy theo nhu cầu phát và xử lý của bạn. Các tần số lấy mẫu được hỗ trợ nằm trong khoảng từ 8 kHz đến 48 kHz, còn yêu cầu MP3 có thể sử dụng tốc độ bit từ 32 đến 192 kbps.
Có. Mô hình được thiết kế để tổng hợp trong thời gian dưới một giây và cung cấp ba mức tối ưu hóa độ trễ khi streaming, từ chất lượng âm thanh tối đa đến phần âm thanh đầu tiên nhỏ hơn với sự đánh đổi lớn hơn về chất lượng.
Atlas Cloud áp dụng mức giá tiêu chuẩn $0.015 cho mỗi 1,000 ký tự đầu vào theo hình thức thanh toán theo mức sử dụng. Việc đếm ký tự sử dụng ký tự Unicode, vì vậy một ký tự CJK được tính giống như một ký tự Latin.
Trước tiên, hãy xác nhận rằng yêu cầu sử dụng khóa API Atlas Cloud hợp lệ, model ID xai/tts-v1 và giá trị ngôn ngữ được hỗ trợ. Tiếp theo, đảm bảo văn bản không vượt quá giới hạn 15,000 ký tự của Atlas Cloud và kiểm tra để các giá trị về giọng nói, codec, tần số lấy mẫu, tốc độ bit và tốc độ nói khớp với schema được mô tả.
Hướng dẫn, bài hướng dẫn và cập nhật sản phẩm giúp bạn khai thác tối đa Atlas Cloud.