Atlas Cloud 现已成为 Dreamina Seedance 2.5 与 Seedream 5.0 Pro 的美国授权经销商。
Hero background 1Hero background 2Hero background 3

xAI TTS v1 Sub-Second Speech

xAI TTS v1 是 xAI 的高保真文本转语音模型,可将书面内容转换为自然且富有表现力的音频。它支持 20 种语言,并提供精细的语音表达控制,帮助您根据不同应用定制语音效果。通过 Atlas Cloud,使用一个 OpenAI-compatible 密钥即可访问该模型,并享受透明的按量付费价格。立即开始构建。

xAI TTS V1 由 xAI 开发。Atlas Cloud(由 Atlas Cloud AI LLC 运营)仅提供接入服务,并不拥有该模型。所有商标均归其各自所有者所有。

探索领先模型

Atlas Cloud 为您提供最新的行业领先创意模型。

比较 xAI TTS v1 语音端点

探索该系列面向多语言语音应用的文本转语音和语音转文本能力。

模态描述
xAI TTS v1 API(文本转语音)在 20 种语言和超过 80 种声音之间,以亚秒级延迟将文本转换为自然、富有表现力的语音。精细的表达控制使该端点适用于语音助手、本地化旁白和响应迅速的音频体验。
xAI STT v1 API(语音转文本)音频可转换为准确且格式规范的文本,并支持超过 24 种语言的自动语言检测。借助词级时间戳、说话人分离、多声道转录和逆文本规范化,可用于会议记录、字幕和通话分析。

让 xAI TTS v1 拥有面向生产环境的声音

xAI TTS v1 结合了富有表现力的语音标签、20 种受支持的语言、最长 15,000 个字符的脚本、5 种输出编解码器、可调节的流式延迟,以及通过一个 Atlas Cloud API 密钥实现的透明按字符计费。

xAI TTS v1 语音标签

xAI TTS v1 语音标签

使用 [pause] 等内联标签,以及 <whisper> 等包裹式风格标签,直接调用 xAI TTS v1 来塑造脚本中的语音表达。语音提示会在合成过程中解析,因此情绪、节奏和重音无需单独进行后期编辑。这种控制方式适合角色对白、品牌旁白、客服提示,以及任何需要富有表现力的时间节奏的生产场景。

多语言音色库

多语言音色库

从当前 Atlas Cloud schema 中超过 70 个音色标识符里进行选择,其中包含 5 个旨在覆盖所有受支持语言的多语言音色。你可以设置 20 个 BCP-47 语言选项之一,也可以使用自动检测;其他音色则针对其原生语言进行了优化。无需针对每个市场重建语音合成流程,即可本地化助手、教程、营销活动和服务消息。

长脚本与语速控制

长脚本与语速控制

单次请求支持最长 15,000 个字符的脚本,并可将语速设置为 0.7× 至 1.5×。可选的文本规范化功能会在合成前将书面数字、缩写和符号转换为口语形式。使用这些控制项,可以在保持长篇旁白清晰易懂的同时,匹配讲解视频、课程或配音的节奏,并统一在一个 API 工作流中完成。

5 种音频编解码器

5 种音频编解码器

将音频导出为 MP3、WAV、PCM、μ-law 或 A-law,采样率范围为 8 kHz 至 48 kHz。MP3 输出还支持 32 kbps 至 192 kbps 的比特率,让你能够在音质和文件大小之间取得平衡。你可以为媒体制作选择录音棚级设置,也可以为呼叫流程和嵌入式语音系统选择电话通信格式,以适配下游应用。

xAI TTS v1 延迟控制

xAI TTS v1 延迟控制

3 个延迟优化级别让 xAI TTS v1 在流式合成中权衡首个音频块大小与输出质量。Level 0 优先保证音频质量,而 Levels 1 和 2 则逐步缩短首个音频的生成时间,同时带来更明显的边界取舍。根据响应式语音代理、实时朗读或其他对延迟敏感的体验进行选择,因为这些场景都非常重视启动延迟。

一个 Endpoint,支出可预测

一个 Endpoint,支出可预测

通过一个 Atlas Cloud endpoint 和一个 API 密钥运行 xAI TTS v1,标准用量按每 1,000 个输入字符 $0.015 计费。Unicode 字符(包括 CJK 字符)均采用一致的计数方式,因此跨语言进行成本估算依然简单明了。这种按需付费模式既适合原型开发,也适合生产工作负载,并能让大规模使用时的支出与请求量保持相称。

一个提示词,三个模型:Grok Imagine Video 对比

了解三个 Atlas Cloud 视频模型如何解读完全相同的提示词,并比较它们在电影化对话、运动、构图、连贯性和视觉叙事方面的表现。

提示词

创建一个完整、精致、可交互的单文件 HTML 网页,标题为“云端热气球调度”。仅输出最终 HTML 文档,所有 CSS 和 JavaScript 必须内联。页面必须能在现代浏览器中直接打开并运行,无需构建步骤,也不得使用外部依赖、库、字体、CDN、图片 URL、API 或其他文件。这是一个响应式网页,而不是固定的 16:9 画面。 设计一个沉浸式的黎明时代热气球舰队控制站,将复古航空仪表、丝网印刷风格的地形图、触感纸张纹理、黄铜控制器和现代实时模拟相结合。使用由钴蓝、奶油黄、珊瑚红、暖白、炭黑和低饱和黄铜组成的精心分层配色。温暖的晨光应从左上角逐渐变亮。通过颜色、线条粗细、图案和清晰图例一致地表达高度、风层和危险等级。所有视觉元素都应使用 HTML、CSS、Canvas,并在适合的地方使用内联 SVG 以程序化方式生成。 中央区域必须是一个大型动态俯视空域地图,显示峡谷、等高线、至少十二个可独立识别的热气球、多个不断变化的风层、移动中的积雨云风暴系统、湍流区域,以及作为目的地的浮空灯塔。实现真正的轻量级物理模拟:每个热气球都必须跟踪位置、速度、高度、燃料、压舱物、温度、风险和航线历史;风向和风力必须随高度变化并随时间演化;燃烧器增加升力的同时消耗燃料;释放压舱物会使热气球上升,但会永久减少压舱物;冷却会导致下降;峡谷壁和风暴单元必须形成有实际影响的危险。热气球应持续移动,并留下可见且逐渐淡出的飞行轨迹。目标是在资源或时间耗尽前,引导整个舰队安全抵达灯塔。 在黎明时分加入醒目的发射倒计时,以及开始、暂停、继续、重置和模拟速度控制。发射前,热气球应轻微摇摆,仪器指针应抖动。发射后,动态展示风粒子、热气球运动、风暴增长、轨迹绘制、警告脉冲和光照变化。用户必须能够直接在地图上拖动风向节点,实时改变局部气流,并立即获得视觉和物理反馈。点击热气球后必须选中它、高亮其航线、在整个界面中集中显示其数据,并打开紧凑的详细检查器。为选中的热气球提供具有触感反馈的燃烧器和压舱物控制,包括按住不放的燃烧器行为、具有明确后果的压舱物释放操作、键盘快捷键和无障碍按钮。支持多选或舰队级指令,以满足高级玩法需求。 安排一个垂直侧边栏,使用任务卡片展示舰队目标、活动警报、天气简报和每个热气球的状态摘要。任务卡片应实时更新,并支持按安全、警告、危急、已抵达和已失联状态筛选。在底部放置密集但易读的遥测条,使用平滑滚动的 Canvas 图表展示高度、垂直速度、燃料、风暴距离和舰队进度。悬停或拖动图表时,应显示同步数值,并高亮选中热气球航线上的对应时刻。加入复古仪表、旋转指针、数字读数、警示灯、盖章标签、地图坐标、高度带、紧凑的小地图或概览图,以及清晰的图例。 使用响应式布局行为,而不是简单缩小桌面构图。在宽屏上同时显示侧边栏、中央地图、检查器和遥测面板。在平板上,将次要卡片折叠为标签页或抽屉。在移动设备上,优先显示地图和选中热气球的控制器,提供较大的触控目标,堆叠遥测面板,并保留拖动交互。确保页面能够在不同宽高比下优雅地填充视口,并支持鼠标、触摸和键盘操作。 让模拟体验完整:包括成功和失败条件、浮空灯塔处的动态抵达停靠、碰撞或风暴损失反馈、上下文提示、首次使用引导、空状态和禁用状态、不可逆压舱物释放的确认、重启流程、状态播报,以及包含抵达数、损失数、燃料效率、平均风险和耗时等统计数据的最终任务报告。为初始状态设置合理种子,让场景一开始就有趣,同时仍然可以获胜。适当使用 requestAnimationFrame 实现流畅动画,并使用 Canvas 绘制地图和遥测图表。保持渲染性能,使用 devicePixelRatio 确保 Canvas 清晰,正确处理 resize 事件,并避免控制台错误。 优先保证出色的视觉层级、细腻的微交互、可信的仪器行为、所有面板之间联动的状态,以及充分的细节打磨。不要创建静态模型图。不要使用占位矩形、将通用渐变作为完整设计、虚假的非功能控件、外部资源、外部字体、alert() 对话框、过多解释性文字、横向溢出、难以阅读的微小标签,或仅支持鼠标的交互。不要强制使用 16:9 Canvas 或固定尺寸视口。每个主要可见控件都必须正常工作,所有显示数据都必须来源于实时模拟状态。

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

提示词

创建一个完整、精致的单文件交互式 HTML 网页,标题为“午夜自动化面包坊”,仅使用内联 HTML、CSS 和原生 JavaScript。输出完整且可运行的 HTML 文档,不要输出其他内容。不得使用外部库、框架、CDN、字体、图片、SVG 文件、音频文件、API 或网络请求;所有视觉元素、图标、类声音反馈、特效和游戏逻辑都必须使用本地 HTML/CSS/JS 生成。 构建一个以午夜自动化面包坊为背景、完全可游玩的订单调度游戏。面团块必须持续进入等距传送带系统,并明确区分形状、配方、所需烘烤温度、烘烤时长、新鲜度限制和分值。围绕大型中央工业烤箱、带可切换轨道的循环传送带网络,以及安装在侧面的实时仪表面板来组织界面。玩家必须能够在烤箱队列中拖动并重新排列面团,在适用时将面团拖到兼容的槽位,点击轨道开关重新规划进入中的面团路径,点击烤箱控制器调节温度或启用系统,并使用清晰说明的键盘控制临时加速传送带和紧急冷却。所有鼠标、触摸、点击、拖动和键盘交互都必须立即并以可见方式响应。 实现真正有状态的游戏玩法,而不是静态模型图。包括多个同时进行的面团订单、传送带移动、轨道路径规划、拖放碰撞与吸附验证、容量限制、每个物品的计时器、烤箱温度惯性、烘烤进度、未熟/完美/烤焦状态、分数、连击倍率、生命或声誉值、逐步升级的难度、暂停/继续、重启,以及简洁的交互式教程或帮助覆盖层。让配方制造有意义的调度冲突:不同产品需要不同温度和时长,从而鼓励重新安排队列,并策略性地进行冷却或加速。完美烘烤的面包应呈现诱人的金黄色,触发令人满足的粒子爆发,点亮面包坊展示窗,增加连击,并更新订单日志。失误应产生明显的焦黑面包、升起的烟雾和余烬粒子、警示灯、仪器抖动、连击丢失以及清晰的非音频反馈。提供可选的声音开关;启用时,使用完全由 JavaScript 生成的 Web Audio 模拟音频反馈,但即使静音,游戏也必须完全易于理解。 使用原创且统一的视觉语言,将细致的等距像素艺术与精密的工业仪表相结合。以深靛蓝午夜环境为背景,突出温暖的琥珀色炉火、铜色高光、发光面包和柔和的奶油色标签。通过 CSS 绘制的机械装置、砖格地面、管道、通风口、阴影、高光、像素阶梯边缘、细微扫描线、指示灯、分段显示屏、仪表、警示条纹和动态机械细节来营造景深。让中央烤箱充满生命感,具备闪烁的炉腔、炉门、温度旋钮、热浪和状态灯。使用高性能 CSS 和 JavaScript 动态呈现传送带、齿轮、面团移动、烟雾、火花、冷却蒸汽、窗口照明、连击反馈和面板过渡。即使在密集的控制室美学下,也要保持清晰易读和鲜明层级。 加入大量经过精心编排的内容:可游玩的面包坊地面、待处理订单队列、烤箱队列、配方参考、实时分数/连击显示、温度与吞吐量仪表、事件日志、控制说明、状态通知,以及包含详细结果和重玩操作的游戏结束或班次总结模态框。添加无障碍标签、清晰可见的焦点状态、键盘操作支持、减少动态效果支持,以及不依赖颜色的状态提示。让布局能够响应桌面、平板和移动浏览器,智能地重新排列面板并缩放面包坊,同时保持可用性。这是一个网页,因此不要强制使用固定的 16:9 Canvas 或硬编码的视口尺寸;使用流式响应式布局,让页面在常见宽屏显示器上尤其出色,同时也能优雅适配竖屏。 优先保证内容完整、游戏手感良好、状态管理可靠、计时准确、拖放处理稳健、碰撞规则清晰、过渡效果精致以及视觉反馈充分。页面必须在保存为单个 .html 文件并本地打开后立即运行。 避免使用:静态概念图、无功能仪表盘、占位控件、虚假的拖动交互、损坏的计时器、相互重叠的文字、难以阅读的微小标签、过多解释性文案、通用的扁平卡片、写实图像、外部资源、外部依赖、嵌入式 base64 图片、网络访问、构建步骤、多个文件、固定 16:9 尺寸、强制声音、自动播放音频、浏览器警告框、仅在控制台显示的反馈,以及未完成的 TODO 部分。

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

xAI TTS v1 如何赋予产品声音

从响应迅速的语音代理到多语言旁白,xAI TTS v1 将产品文本转化为自然且富有表现力的语音,适用于客服、故事讲述、游戏、无障碍和商业体验。

使用 xAI TTS v1 打造语音代理

xAI TTS v1 可将文本转换为自然语音,延迟低于一秒,为对响应速度要求较高的对话式代理提供支持。产品团队可以将其用于虚拟助手、客服流程和语音交互界面。

多语言产品语音

通过自然语音和超过 80 种声音,覆盖使用 20 种语言的用户。经过本地化的应用可以用适合不同受众的声音呈现引导流程、更新信息和操作指南。

富有表现力的故事讲述

通过精细的表达控制和富有表现力的语音塑造旁白,使其贴合每个场景的预期氛围。出版商、播客创作者和学习平台可以制作个性鲜明的故事、课程和长篇听觉内容体验。

使用 xAI TTS v1 塑造游戏角色

从超过 80 种声音中为游戏角色赋予独特声线,再针对每个时刻调整其表达方式。游戏工作室可以为对白、教程、伙伴角色和动态叙事片段配音。

无障碍朗读

将书面内容转换为自然语音,服务于偏好或需要通过音频获取信息的人群。教育团队、出版商和产品设计师可以大规模添加语音文章、课程、说明和界面操作指引。

使用 xAI TTS v1 打造语音电商

利用富有表现力的语音和精细的表达控制,以一致的声音呈现产品、促销活动和订单更新。电商团队可以为购物助手和客户沟通创建音频触点。

xAI TTS v1 在语言、控制与成本方面的对比

按语言覆盖范围、请求容量、交付控制能力和标准价格,对比 Atlas Cloud 上提供的主流文本转语音模型。

模型语言单次请求最大文本量交付控制标准价格
xAI TTS v12015,000 个字符语音标签和速度控制$0.015/1K 个字符
MiniMax Speech 2.6 Turbo40+10,000 个字符情绪、速度和音调控制$0.06/1K 个字符
ElevenLabs v3 Text-to-Speech70+5,000 个字符音频标签和稳定性控制$0.10/1K 个字符

如何在 Atlas Cloud 上使用 xAI TTS V1

几分钟即可上手 — 按照以下简单步骤,通过 Atlas Cloud 平台集成和部署模型。

创建 Atlas Cloud 账户

在 atlascloud.ai 注册并完成验证。新用户可获得免费额度,用于探索平台和测试模型。

为何在 Atlas Cloud 使用 xAI TTS V1

将先进的 xAI TTS V1 模型与 Atlas Cloud 的 GPU 加速平台相结合,提供无与伦比的性能、可扩展性和开发体验。

性能与灵活性

低延迟:
GPU 优化推理,实现实时响应。

统一 API:
一次集成,畅用 xAI TTS V1、GPT、Gemini 和 DeepSeek。

透明定价:
按 Token 计费,支持 Serverless 模式。

企业与规模

开发者体验:
SDK、数据分析、微调工具和模板一应俱全。

可靠性:
99.99% 可用性、RBAC 权限控制、合规日志。

安全与合规:
SOC 2 Type II 认证、HIPAA 合规、美国数据主权。

xAI TTS v1 开发者问答

xAI TTS v1 是 xAI 推出的高保真文本转语音模型,可将书面内容转换为自然、富有表现力的音频。Atlas Cloud 通过模型 ID xai/tts-v1 提供该模型。

你可以使用它为对话式智能体、旁白、教育内容、无障碍工具、本地化媒体和自动化客户体验创建语音。其富有表现力的语音控制也适用于角色对白和脚本化音频。

创建 Atlas Cloud API 密钥,并向统一的音频生成 endpoint 发送 POST 请求,同时将模型指定为 xai/tts-v1。请求中需包含文本和必填的语言值;如果希望自动检测语言,可使用 auto。

Atlas Cloud 支持 20 种语言和 80 多种声音。为获得稳定、可预测的发音,请明确选择语言;如果输入语言可能变化,也可以使用自动检测。

在文本中加入受支持的内联和包裹式语音标签,即可添加停顿、笑声、耳语或放慢语速等效果。你还可以将说话速度调整为 0.7 到 1.5,并启用文本规范化来处理数字、缩写和符号。

根据播放和处理需求,可选择 MP3、WAV、PCM、μ-law 或 A-law 输出。支持的采样率范围为 8 kHz 到 48 kHz;MP3 请求可使用 32 到 192 kbps 的比特率。

适合。该模型专为亚秒级合成而设计,并提供三个流式延迟优化级别,分别侧重最高音频质量,或使用更小的首个音频块以换取更大的质量折中。

Atlas Cloud 按即用即付模式收费,标准价格为每 1,000 个输入字符 $0.015。字符数按 Unicode 字符计算,因此一个 CJK 字符与一个 Latin 字符的计数方式相同。

首先确认请求使用了有效的 Atlas Cloud API 密钥、xai/tts-v1 模型 ID 和受支持的语言值。然后确保文本不超过 Atlas Cloud 的 15,000 字符限制,并检查 voice、codec、sample rate、bit rate 和 speed 的值是否符合文档定义的 schema。

探索更多系列

Seedance 2.5

Seedance 2.5 API 现已在 Atlas Cloud 上线!它为开发者提供了 ByteDance 最新的视频模型。该模型可通过文本、单张图像或多达 50 个多模态参考,一次性生成长达 30 秒的原生视频,并包含同步音频和画面内的多语言文本。在 Atlas Cloud 上,您可以通过单个密钥访问它,其主体一致性和改进的物理特性能够保持长镜头的连贯性。

查看系列

Wan 3.0

Wan 3.0 API 是阿里巴巴 Wan 视频系列的下一代产品,旨在将长视频生成、多参考控制和音视频质量推向新的高度。Atlas Cloud 已经托管了 Wan 2.7、2.6 和 2.5,而 Wan 3.0 使用相同的统一密钥运行,无需额外设置。立即开始构建吧。向下滚动至展示区,查看 Wan 3.0 的创作能力。

查看系列

MiniMax H3

MiniMax H3 是 MiniMax 的多模态视频系列,支持文本、图像和参考内容引导创作。在支持的路由中,它能够保留参考媒体中的主体,提供灵活的宽高比,并通过 H3 Developer 将生成的声音与画面结合;输出配置则由 endpoint 选择。Atlas Cloud 通过一个 OpenAI 兼容密钥统一接入整个系列,并提供透明的按量付费定价,标准费率为每秒 $0.038。立即开始构建。

查看系列

Seedream 5.0 Pro

Seedream 5.0 Pro API 为开发者在 Atlas Cloud 上提供了字节跳动的可控图像编辑模型。它通过锚点和坐标精确定位编辑,将图像分离为可编辑图层,融合多个参考,并精准匹配颜色和材质,支持 2K 和 3K 分辨率的多语言文本。在 Atlas Cloud 上,您只需一个密钥即可访问!

查看系列

Seedance 2.0

Seedance 2.0 是 ByteDance 面向生产环境的视频模型,专用于精准镜头创作。将提示词转换为视频,使用首帧图像生成动画并可选用尾帧引导,或结合参考媒体和可选的联网搜索来塑造结果。Atlas Cloud 将这些工作流整合到统一的 API 中,提供透明的按量付费定价和一个兼容 OpenAI 的密钥。立即开始构建。

查看系列

GPT Image 2.5

OpenAI 的 gpt-image-2.5 系列为开发者提供 Flare 和 Sunburst 两种选择,满足生产级图像工作流需求。支持最高 3840x2160 的任意分辨率渲染,并提供包括 xhigh 和 max 在内的五档质量等级,以匹配特定的输出要求。Atlas Cloud 提供开箱即用的 REST 推理服务,无冷启动,每次生成起价 $0.004,采用标准定价。立即开始构建。

查看系列

GPT Image 2

GPT Image 2 API 为开发者提供了访问 OpenAI 最新图像模型的途径,它是 GPT Image 1.5 的继任者。该模型可生成和编辑图像,能够在拉丁和 CJK 文字上实现准确的文本渲染,并在海报、样机和信息图表方面具备强大的排版能力。在 Atlas Cloud 上,您可以通过一个统一的 API 与 300 多个模型一起访问它,并享受免费额度、99.99% 的正常运行时间,且无需 OpenAI 组织验证。

查看系列

Gemini Omni Flash

Gemini Omni 是 Google DeepMind 原生多模态视频系列,支持通过提示词引导创作与编辑。可从文本生成视频、让静态图像动起来,或在可选视觉参考的辅助下修改现有素材,同时保留未改动的内容。灵活的分辨率、宽高比和时长控制,满足多样化的制作流程。Atlas Cloud 通过透明的按需付费定价模式,统一提供访问能力。立即开始构建。

查看系列

Grok Imagine

Grok Imagine API 涵盖 xAI 的图像、视频和语音模型,包括 Image 2.0、Video 1.5 和 xAI TTS v1。支持生成跨 14 种宽高比的 1K 或 2K 静帧、生成最长 15 秒的 1080p 视频、通过最多 7 张参考图像引导镜头、或用 20 种语言进行配音。Atlas Cloud 在单一端点上运行所有功能,采用按量计费,起价为每张图像 $0.02、每秒 $0.05。立即开始使用。

查看系列

Google

Google最强大的创意模型现已在Atlas Cloud上全面可用。Veo 3.1提供电影级别的视频生成,Nano Banana 2支持高保真图像创建,而Gemini为每个工作流带来多模态智能。通过单一API key即可访问完整的Google模型套件,提供Day-0可用性和按需付费(pay-as-you-go)定价。

查看系列

Seedance 2.0 Mini

Seedance 2.0 Mini 将 ByteDance 的多模态视频生成技术引入到对速度和成本要求极高的工作流中。它以更轻量的占用空间提供 Seedance 2.0 的核心能力——更快的生成速度、更低的单条视频成本,并且使用您现有的同款 API 集成。对于运行高吞吐量流水线或进行大规模原型设计的团队来说,Mini 是最实用的默认选择。

查看系列

ByteDance

从电影级视频生成到高保真图像创建,ByteDance 最强大的模型现已在 Atlas Cloud 上线。以最低的推理定价和零基础设施开销,大规模运行 Seedance 和 Seedream。

查看系列

一个 API,畅享全模态 AI。

探索全部模型