


xAI TTS v1 是 xAI 的高保真文字轉語音模型,可將書面內容轉換為自然且富有表現力的音訊。支援 20 種語言,並提供細緻的語音表達控制,讓您能針對不同應用調整語音呈現方式。透過 Atlas Cloud,使用單一 OpenAI 相容金鑰即可存取此模型,並享有透明的隨用隨付定價。立即開始打造。
xAI TTS V1 由 xAI 開發。Atlas Cloud(由 Atlas Cloud AI LLC 營運)僅提供接取服務,並不擁有該模型。所有商標均歸其各自所有者所有。
Atlas Cloud 為您提供最新的行業領先創意模型。
探索此系列針對多語言語音應用所提供的文字轉語音與語音轉文字功能。
| 模態 | 說明 |
|---|---|
| xAI TTS v1 API(文字轉語音) | 在 20 種語言與超過 80 種聲音中,以低於一秒的延遲將文字轉換為自然且富有表現力的語音。細緻的語音表達控制功能,讓此端點適用於語音助理、本地化旁白,以及即時回應的音訊體驗。 |
| xAI STT v1 API(語音轉文字) | 透過支援超過 24 種語言的自動語言偵測,將音訊轉換為準確且格式化的文字。可使用逐詞時間戳記、說話者分離、多聲道轉錄,以及反向文字正規化,適用於會議記錄、字幕與通話分析。 |
xAI TTS v1 結合豐富的語音標籤、支援 20 種語言、最長 15,000 個字元的腳本、五種輸出編解碼器、可調整的串流延遲,以及透過單一 Atlas Cloud API 金鑰提供的透明字元計價。

直接在 xAI TTS v1 的腳本中使用 [pause] 等內嵌標籤,以及 <whisper> 等包裹樣式,塑造語音的呈現方式。語音提示會在合成過程中解讀,因此情緒、節奏與重音不需要額外的編輯流程。這項控制功能適合角色對話、品牌旁白、客服提示語,以及任何需要富有表現力之時間節奏的製作內容。

從目前 Atlas Cloud 結構描述中的 70 多個語音識別碼中進行選擇,其中包含五種專為涵蓋所有支援語言而設計的多語言語音。設定 20 個 BCP-47 語言選項之一,或使用自動偵測功能;其他語音則持續針對其原生語言進行最佳化。無需為每個市場重新建構語音合成工作流程,即可將助理、教學課程、行銷活動與服務訊息在地化。

單一請求可接受最長 15,000 個字元的腳本,並讓你將語速設定在 0.7× 至 1.5× 之間。選用文字正規化功能,可在合成前將書面數字、縮寫與符號轉換為口語形式。利用這些控制功能,在一致的 API 工作流程中保持長篇旁白清晰,同時配合解說影片、課程或配音的節奏。

將音訊匯出為 MP3、WAV、PCM、μ-law 或 A-law,取樣率範圍從 8 kHz 至 48 kHz。MP3 輸出也支援 32 kbps 至 192 kbps 的位元率,讓你在音質與檔案大小之間取得平衡。針對媒體製作選擇錄音室設定,或為通話流程及嵌入式語音系統選擇電信格式,以支援各種下游應用程式。

三種延遲最佳化等級讓 xAI TTS v1 在串流合成時,於首個區塊大小與輸出品質之間進行取捨。Level 0 優先考量音訊品質,而 Levels 1 和 2 則逐步縮短首次輸出音訊的時間,但會增加邊界取捨。選擇最符合回應迅速的語音代理、即時朗讀或其他對延遲敏感體驗的設定,讓啟動延遲不再成為問題。

透過單一 Atlas Cloud Endpoint 與 API 金鑰執行 xAI TTS v1,標準用量按每 1,000 個輸入字元 $0.015 計費。Unicode 字元一律採一致方式計算,包括 CJK 字元,因此能輕鬆估算各語言的成本。這種隨用隨付模式同時支援原型與生產工作負載,並讓大規模使用時的支出與請求量維持成正比。
了解三款 Atlas Cloud 影片模型如何解讀完全相同的提示詞,並比較其在電影式對話、動態、構圖、連續性與視覺敘事方面的表現。
建立一個完整、精緻且具互動性的單檔 HTML 網頁,標題為「雲端氣球調度」。僅輸出最終 HTML 文件,所有 CSS 與 JavaScript 都必須內嵌其中。網頁必須能在現代瀏覽器中直接開啟並正常運作,不需要建置步驟,也不得使用外部依賴、函式庫、字型、CDN、圖片 URL、API 或其他檔案。這是一個響應式網頁,不是固定的 16:9 構圖。 設計一座沉浸式黎明時代熱氣球艦隊控制站,融合復古航空儀表、絲網印刷風格的地形圖、具觸感的紙張紋理、黃銅控制元件,以及現代即時模擬。使用由鈷藍、奶油黃、珊瑚紅、暖白、炭黑與低飽和黃銅構成的精心分層配色。溫暖的晨光應從左上角逐漸變亮。透過色彩、線條粗細、圖樣與清晰圖例,一致地表現高度、風層與危險程度。所有視覺元素都應使用 HTML、CSS、Canvas,以及適合時使用的內嵌 SVG 程序化生成。 中央區域必須是一張大型動畫俯視空域地圖,顯示峽谷、等高線、至少十二個可個別辨識的氣球、數個不斷變化的風層、移動中的積雨雲風暴系統、亂流區域,以及作為目的地的漂浮燈塔。實作真正的輕量級物理模擬:每個氣球都必須追蹤位置、速度、高度、燃料、壓艙物、溫度、風險與航線歷史;風向與風力必須依高度變化,並隨時間演進;燃燒器提高升力的同時消耗燃料;釋放壓艙物會使氣球上升,但會永久降低壓艙物;冷卻會導致下降;峽谷壁與風暴單元必須形成具有實際影響的危險。氣球應持續移動,並留下可見且逐漸淡出的飛行軌跡。目標是在資源或時間耗盡前,引導整支艦隊安全抵達燈塔。 在黎明時分加入醒目的發射倒數,以及開始、暫停、繼續、重設與模擬速度控制。發射前,氣球應輕微擺動,儀表則持續微幅顫動。發射後,為風粒子、氣球移動、風暴增長、軌跡繪製、警告脈衝與光線變化加入動畫。使用者必須能直接在地圖上拖曳風向節點,即時改變局部氣流,並立即看到視覺與物理回饋。點擊氣球時,應選取該氣球、突出顯示其航線、在整個介面中集中顯示其資料,並開啟精簡的詳細資訊檢視器。為選取的氣球提供具觸感的燃燒器與壓艙物控制,包括按住不放的燃燒器行為、具有明確後果的釋放壓艙物操作、鍵盤快速鍵與無障礙按鈕。為進階玩法提供多重選取或全艦隊指令。 安排一個垂直側邊欄,顯示艦隊目標、作用中的警示、天氣簡報與各氣球狀態摘要。任務卡片應即時更新,並支援依安全、警告、危急、已抵達與失聯狀態篩選。在底部放置密集但易讀的遙測列,使用可平滑捲動的 Canvas 圖表顯示高度、垂直速度、燃料、風暴距離與艦隊進度。將滑鼠移至圖表或拖曳時間軸時,應顯示同步數值,並突出選取氣球航線上相應的時間點。加入復古儀表、旋轉指針、數值讀數、警告燈、蓋章標籤、地圖座標、高度帶、精簡小地圖或總覽圖,以及清晰圖例。 使用響應式版面行為,而不只是縮小桌面構圖。在寬螢幕上同時顯示側邊欄、中央地圖、檢視器與遙測區。在平板上,將次要卡片收合為分頁或抽屜。在行動裝置上,優先顯示地圖與選取氣球的控制項,提供大型觸控目標,堆疊遙測面板,並保留拖曳互動。確保頁面能在各種長寬比下優雅填滿視窗,並可使用滑鼠、觸控與鍵盤操作。 讓模擬感覺完整:加入成功與失敗條件、漂浮燈塔處的動畫抵達停靠、碰撞或風暴導致的損失回饋、情境式工具提示、首次使用引導、空白與停用狀態、不可逆壓艙物釋放的確認流程、重新開始流程、狀態公告,以及包含抵達數、損失數、燃料效率、平均風險與經過時間等統計資料的最終任務報告。為初始狀態設定種子,使情境一開始就具備趣味性,同時仍可成功完成。適當使用 requestAnimationFrame 進行流暢動畫,並使用 Canvas 呈現地圖與遙測圖表。維持良好渲染效能,使用 devicePixelRatio 確保 Canvas 清晰,正確處理 resize 事件,並避免主控台錯誤。 優先打造出色的視覺層級、細膩的微互動、可信的儀表行為、每個面板之間相互連結的狀態,以及完整細緻的收尾。不要建立靜態模型。不要使用佔位矩形、將通用漸層作為完整設計、虛假的無功能控制項、外部資產、外部字型、alert() 對話框、過多說明文字、水平溢位、細小難讀的標籤,或只能使用滑鼠操作的互動。不要強制使用 16:9 Canvas 或固定尺寸視窗。每個主要可見控制項都必須能運作,所有顯示資料都必須源自即時模擬狀態。
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
建立一個完整、精緻且具互動性的單檔 HTML 網頁,標題為「午夜自動化烘焙坊」,僅使用內嵌 HTML、CSS 與原生 JavaScript。輸出完整且可執行的 HTML 文件,不要輸出其他內容。不得使用外部函式庫、框架、CDN、字型、圖片、SVG 檔案、音訊檔案、API 或網路請求;所有視覺元素、圖示、類似聲音的回饋、效果與遊戲邏輯都必須使用 HTML/CSS/JS 在本機生成。 建立一款完全可遊玩的訂單排程遊戲,場景設定在午夜的自動化烘焙坊。麵團必須持續進入等距視角的輸送帶系統,並具有清楚區分的形狀、配方、所需烘焙溫度、烘焙時間、新鮮度限制與分數值。介面應圍繞大型中央工業烤箱、具有可切換軌道的循環輸送帶網路,以及安裝於側邊的即時儀表面板來組織。玩家必須能在烤箱佇列中拖曳並重新排序麵團,在適用時將麵團拖曳到相容的欄位、點擊軌道切換器重新導引進入中的麵團、點擊烤箱控制項調整溫度或啟用系統,並使用清楚說明的鍵盤控制暫時加速輸送帶與緊急冷卻。所有滑鼠、觸控、點擊、拖曳與鍵盤互動都必須立即且明確地回應。 實作真正具狀態的遊戲玩法,而不是靜態模型。加入多個同時進行的麵團訂單、輸送帶移動、軌道路由、拖放碰撞與吸附驗證、容量限制、每個品項的計時器、烤箱溫度慣性、烘焙進度、未熟/完美/過熟狀態、分數、連擊倍率、生命或聲望、逐步提升的難度、暫停/繼續、重新開始,以及精簡的互動式教學或說明覆蓋層。配方應製造具有意義的排程衝突:不同產品需要不同溫度與時間,鼓勵玩家重新安排佇列,並策略性地進行冷卻或加速。完美烘焙的麵包應呈現金黃色、觸發令人滿意的粒子爆發、點亮烘焙坊展示窗、提高連擊數,並更新訂單記錄。失誤應產生明顯燒焦的麵包、升起的煙霧與餘燼粒子、警示燈、儀表震動、連擊中斷,以及清楚的非音訊回饋。提供選用的音效切換功能;啟用時,使用完全以 JavaScript 生成的 Web Audio 模擬音訊回饋,但即使靜音,遊戲也必須完全易於理解。 使用原創且一致的視覺語言,結合細緻的等距像素藝術與精密工業儀表。以溫暖的琥珀色熔爐光、銅色高光、發光麵包與柔和的奶油色標籤,對比深靛藍的午夜環境。透過 CSS 繪製的機械設備、磁磚地板、管線、通風口、陰影、高光、像素階梯邊緣、細微掃描線、指示燈、分段顯示器、儀表、警示條紋與動畫機械細節來營造景深。讓中央烤箱充滿生命感,具備閃爍的烘烤室、烤箱門、溫度旋鈕、熱氣晃動與狀態燈。使用高效能的 CSS 與 JavaScript,為輸送帶、齒輪、麵團移動、煙霧、火花、冷卻蒸氣、展示窗照明、連擊回饋與面板轉場加入動畫。在密集的控制室美學中,仍維持清晰易讀與明確層級。 加入大量且經過精心安排的內容:可遊玩的烘焙坊地面、進貨訂單佇列、烤箱佇列、配方參考、即時分數/連擊顯示、溫度與產能儀表、事件記錄、控制說明、狀態通知,以及包含詳細結果與重玩操作的遊戲結束或班次摘要模態視窗。加入無障礙標籤、可見的焦點狀態、鍵盤操作支援、減少動態效果支援,以及不依賴色彩的狀態提示。讓版面適應桌面、平板與行動瀏覽器,智慧地重新排列面板並縮放烘焙坊,同時維持可用性。這是一個網頁,因此不要強制使用固定 16:9 Canvas 或硬編碼的視窗尺寸;使用流動的響應式版面,在常見寬螢幕上呈現特別出色,同時也能優雅適應直向螢幕。 優先確保內容完整、遊戲手感、可靠的狀態管理、準確的計時、穩健的拖曳處理、清楚的碰撞規則、精緻的轉場與視覺回饋。頁面必須在儲存為單一 .html 檔案並於本機開啟後立即運作。 避免:靜態概念藝術、無功能的儀表板、佔位控制項、虛假的拖曳互動、損壞的計時器、互相重疊的文字、難以閱讀的細小標籤、過多說明文案、通用扁平卡片、寫實攝影風格影像、外部資產、外部依賴、嵌入式 base64 圖片、網路存取、建置步驟、多檔案、固定 16:9 尺寸、強制音效、自動播放音訊、瀏覽器警示視窗、僅顯示於主控台的回饋,以及未完成的 TODO 區段。
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
從即時回應的語音代理到多語言旁白,xAI TTS v1 能將產品文字轉化為自然且富有表現力的語音,適用於支援服務、故事敘述、遊戲、無障礙功能與商務體驗。
xAI TTS v1 能以低於一秒的延遲將文字轉化為自然語音,打造反應迅速的對話式代理。產品團隊可將其應用於虛擬助理、支援流程與語音介面。
透過自然語音與超過 80 種語音的目錄,觸及使用 20 種語言的使用者。在地化應用程式可以適合各個受眾的聲音,呈現引導教學、更新內容與操作指引。
透過細緻的語氣控制與能隨著每個場景預期情緒變化的表現力語音,塑造旁白效果。出版商、Podcast 製作者與學習平台可以創作富有角色特色的故事、課程與長篇聆聽內容。
從超過 80 種選項的語音庫中,為遊戲角色打造獨特聲音,再針對每個時刻調整其語氣與表達方式。遊戲工作室可以為對話、教學、夥伴角色與動態敘事片段配音。
將文字內容轉化為自然語音,讓偏好或需要透過音訊取得資訊的人都能使用。教育團隊、出版商與產品設計師可以大規模加入語音文章、課程、操作說明與介面指引。
運用表現力豐富的語音與細緻的語氣控制,以一致的聲音呈現產品、促銷活動與訂單更新。商務團隊可以為購物助理與客戶溝通建立各種音訊接觸點。
依語言支援範圍、請求容量、輸出控制與標準價格,比較 Atlas Cloud 上提供的 xAI TTS v1 與主流文字轉語音模型。
| 模型 | 語言 | 每次請求的文字上限 | 輸出控制 | 標準價格 |
|---|---|---|---|---|
| xAI TTS v1 | 20 | 15,000 個字元 | 語音標籤與速度控制 | $0.015/1K 字元 |
| MiniMax Speech 2.6 Turbo | 40+ | 10,000 個字元 | 情緒、速度與音高控制 | $0.06/1K 字元 |
| ElevenLabs v3 Text-to-Speech | 70+ | 5,000 個字元 | 音訊標籤與穩定性控制 | $0.10/1K 字元 |
幾分鐘即可上手 — 按照以下簡單步驟,透過 Atlas Cloud 平台整合和部署模型。
在 atlascloud.ai 註冊並完成驗證。新用戶可獲得免費額度,用於探索平台和測試模型。
將先進的 xAI TTS V1 模型與 Atlas Cloud 的 GPU 加速平台相結合,提供無與倫比的效能、可擴展性和開發體驗。
低延遲:
GPU 最佳化推理,實現即時回應。
統一 API:
一次整合,暢用 xAI TTS V1、GPT、Gemini 和 DeepSeek。
透明定價:
按 Token 計費,支援 Serverless 模式。
開發者體驗:
SDK、資料分析、微調工具和模板一應俱全。
可靠性:
99.99% 可用性、RBAC 權限控制、合規日誌。
安全與合規:
SOC 2 Type II 認證、HIPAA 合規、美國資料主權。
xAI TTS v1 是 xAI 推出的高保真文字轉語音模型,可將書面內容轉換為自然且富有表現力的音訊。Atlas Cloud 以模型 ID xai/tts-v1 提供此模型。
您可以使用它為對話式代理、旁白、教育內容、無障礙工具、在地化媒體和自動化客戶體驗建立語音。其豐富的表達控制功能也適合角色對話和腳本化音訊。
建立 Atlas Cloud API 金鑰,並將 xai/tts-v1 指定為模型,向共用音訊生成端點傳送 POST 請求。請在請求中加入文字和必要的語言值;若偏好自動偵測語言,請使用 auto。
Atlas Cloud 列出支援 20 種語言和超過 80 種語音。若要確保發音一致,請明確指定語言;如果輸入語言可能有所不同,則可使用自動偵測。
在文字中加入支援的內嵌和包覆式語音標籤,即可加入停頓、笑聲、耳語或放慢語速等效果。您也可以將說話速度調整為 0.7 至 1.5,並啟用文字正規化,以處理數字、縮寫和符號。
請依照播放和處理需求選擇 MP3、WAV、PCM、μ-law 或 A-law 輸出。支援的取樣率範圍為 8 kHz 至 48 kHz;MP3 請求則可使用 32 至 192 kbps 的位元率。
適合。此模型專為低於一秒的合成延遲而設計,並提供三種串流延遲最佳化等級,從最高音訊品質,到首個音訊區塊更小但品質取捨更大的選項。
Atlas Cloud 採用隨用隨付模式,按每 1,000 個輸入字元收取 $0.015 的標準費率。字元計數使用 Unicode 字元,因此一個 CJK 字元的計數方式與一個 Latin 字元相同。
首先,請確認請求使用有效的 Atlas Cloud API 金鑰、xai/tts-v1 模型 ID,以及受支援的語言值。接著,請將文字控制在 Atlas Cloud 的 15,000 個字元限制內,並確認語音、編解碼器、取樣率、位元率和速度值符合文件所述的結構。
指南、教學與產品動態,助你充分發揮 Atlas Cloud 的價值。