SpaceXAI : Grok Voice TTS 1.0
Grok Voice TTS 1.0 est un modèle de synthèse vocale de SpaceXAI : il transforme du texte en parole avec détection automatique de la langue, par une API REST ou en temps réel par WebSocket.
À quoi sert Grok Voice TTS 1.0
Audio
L’API Grok Text to Speech propose des sorties allant du MP3 haute fidélité au μ-law optimisé pour la téléphonie. Une option renvoie le début et la fin de chaque caractère dans l’audio. Pour cet horodatage, xAI cite comme applications idéales la synchronisation des sous-titres, le karaoké, la synchronisation labiale en temps réel ou d’autres applications calées sur le temps.
Dans son billet du 17 avril 2026, xAI présente ses deux API audio autonomes, Grok Speech to Text et Grok Text to Speech, comme facilitant l’intégration de la parole dans une application. Pour ces deux API prises ensemble, xAI cite comme exemples les agents vocaux, les outils de transcription en temps réel, les solutions d’accessibilité, les podcasts et les expériences audio interactives.
Synthèse vocale
Grok Text to Speech transforme les textes longs en parole par son API REST et génère de la parole en temps réel par son API WebSocket. Des balises de parole, placées dans le texte ou autour d’un passage, ajoutent de la prosodie et de l’émotion, notamment des rires, des soupirs, des chuchotements, de l’emphase, un ralentissement ou une pause.
Selon le billet de xAI du 30 avril 2026, Custom Voices clone une voix à partir de quelques secondes d’audio et permet de l’utiliser aussitôt dans les API Grok Text to Speech et Voice Agent. La voix personnalisée conserve les balises de parole, la sortie multilingue et le flux en REST comme en WebSocket.
- Audio
- Synthèse vocale
Caractéristiques techniques de Grok Voice TTS 1.0
Grok Voice TTS 1.0 est un modèle de synthèse vocale. xAI a annoncé la disponibilité de l’API Grok Text to Speech le 16 mars 2026, avec des voix naturelles et des contrôles expressifs.
Grok Voice TTS 1.0 accepte du texte et produit de la parole. Il prend en charge le français, désigné par le code BCP-47 fr, et la valeur auto active la détection automatique de la langue. Selon xAI, il peut aussi produire de la parole dans des langues hors de sa liste, avec une précision variable.
Au 13 avril 2026, la documentation de xAI listait cinq voix : eve, ara, rex, sal et leo. Chacune possède sa propre personnalité et parle toutes les langues prises en charge ; eve est la voix par défaut.
Une requête POST /v1/tts accepte au maximum 60 000 caractères de texte. L’audio produit se règle en codec, c’est-à-dire en format d’encodage (mp3, wav, pcm, mulaw ou alaw), et en fréquence d’échantillonnage, de 8 000 à 48 000 Hz, avec 24 000 Hz par défaut.
Le point d’accès WebSocket assure un flux bidirectionnel : le texte est envoyé progressivement et les morceaux d’audio sont reçus en temps réel. Le paramètre speed règle la vitesse de parole par un multiplicateur, et le paramètre replace définit une table de substitutions pour corriger la prononciation sans modifier le texte envoyé.
- Éditeur
SpaceXAI
- Sortie
- Hébergeurs
- xAI
Source : OpenRouter.
Où utiliser Grok Voice TTS 1.0
Grok Voice TTS 1.0 relève de l’API de synthèse vocale de xAI, présentée en bêta dans sa documentation archivée le 7 mars 2026. Une requête POST convertit le texte en audio parlé en un seul appel. Le modèle a été mis en ligne sur OpenRouter le 15 mai 2026 sous l’identifiant x-ai/grok-voice-tts-1.0 ; le point d’accès de xAI n’y annonce pas le clonage de voix.
L'API SpaceXAI
Pour relier le modèle à votre application
Un accès gratuit dépend toujours de l'outil, de l'offre et de ses limites : nous ne l'attribuons pas au modèle seul.
FAQ
Que peut lire Grok Voice TTS 1.0 ?
Grok Voice TTS 1.0 lit du texte en entrée et produit de la parole à partir de ce texte.
Usage sur OpenRouter
- Voix
- 1,26 M requêtes sur le dernier mois · 4e sur 20 des modèles les plus utilisés en Voix
Source : OpenRouter (openrouter.ai/rankings), au , données sous licence CC BY 4.0. Le volume traité via l'API OpenRouter mesure l'adoption, pas la qualité.