xAI rozšíril Grok Voice API: 21 viacjazyčných hlasov, voice cloning a expresívne speech tagy

Čo je nové

• 21 nových Grok Voice hlasov: Pridaných k pôvodným piatim, všetky sú natívne viacjazyčné (25+ jazykov: angličtina, hindčina, španielčina, francúzština, nemčina, japončina, kórejčina a ďalšie).
• Voice cloning: Naklonuj vlastný hlas z referenčného klipu do 120 sekúnd. Klonované hlasy dedia všetky TTS funkcie vrátane speech tagov a viacjazyčnosti.
• Speech tagy: Ovládaj doručenie reči tagmi [pause], [whisper], [emphasis], smiech, dych, hlasitosť, výšku, tempo a spev.
• API cost tracking: Každá API odpoveď teraz obsahuje field cost_in_usd_ticks s presnou cenou požiadavky.
• API pokrytie: Nové hlasy dostupné cez Voice Agent API, Text to Speech API aj Grok Voice Agent Builder.

Prečo to stojí za pozornosť

Grok Voice sa touto aktualizáciou stáva vážnym konkurentom OpenAI TTS a ElevenLabs. Voice cloning bez zbytočnej dokumentácie a speech tagy pre nuansy reči otvára nové možnosti pre budovanie produkčných hlasových AI agentov.

Ako to vyskúšať

Dokumentácia: docs.x.ai/developers/model-capabilities/audio/voice. Voice cloning: odošli referenčný audio klip do /v1/voice-clone endpointu, získaš voice_id pre TTS volania.