Eve
Modellens förvalda röst och en neutral startpunkt för den första jämförelsen.
Fish Voice Studio / Replicate-modell
Grok text till tal: skapa uttrycksfulla AI-röster
Grok text till tal omvandlar ett skrivet manus till nedladdningsbart ljud med modellen xai/grok-text-to-speech på Replicate. Styr fem röster med röstregitaggar, välj mellan 20 språk och automatisk identifiering och exportera i fem format.
015 röster
0220 språk + auto
035 ljudformat
Precision audio workstation
Grok TTS-studio
Skriv manuset och ange röstregin till vänster. Välj sedan röst och ljudformat till höger.
Secure owned output
API-modell / 01
Vad är Grok text till tal?
Grok text till tal omvandlar ett skrivet manus till naturligt ljud. Sidan använder modellen xai/grok-text-to-speech som tillhandahålls via Replicate och sparar lyckade resultat i Fish Voice för uppspelning och nedladdning från ditt konto.
Modellen ger studion fem namngivna röster, 20 angivna språk och automatisk identifiering, röstregitaggar, fem ljudkodningar, val av samplingsfrekvens och MP3-bithastighet samt valfri textnormalisering.
Det här är inte en officiell xAI-webbplats. xAI beskriver fler röster, språk, direktuppspelning, tidsstämplar och röstkloning i sin bredare Voice-produkt, men de funktionerna ingår inte i den här Replicate-baserade studion.
Röstval / 02
Välj rätt Grok TTS-röst
Modellen har fem dokumenterade röst-ID:n. Provlyssna samma avslöjande mening innan du genererar hela manuset, eftersom namnet inte visar om rösten passar ämnet, språket eller mixen.
Ara
Ett tydligt dokumenterat alternativ att jämföra med när Eve inte passar det tänkta framförandet.
Rex
Ett dokumenterat alternativ som är värt att prova för direkt berättarröst, produkttexter och korta instruktioner.
Sal
En separat röst för jämförande provlyssning med identisk text och samma språkinställning.
Leo
Den femte dokumenterade rösten som fullbordar ett kontrollerat test av alla fem alternativen.
Arbetsflöde / 03
Så använder du Grok text till tal
Ett bra Grok TTS-flöde skiljer mellan manus, röstregi, tekniskt ljudformat och slutgranskning.
- 01
Skriv ett manus som går att granska
Börja med exakt de ord som ska läsas upp och ta med det namn, tal eller den långa mening som troligast avslöjar ett problem.
- 02
Regissera och välj röst
Infoga sparsamma röstregitaggar, välj en av de fem rösterna och använd samma rad när du jämför kandidater.
- 03
Välj format för användningen
Använd MP3 för enkel delning, WAV eller PCM för redigering och telefonikodekar bara när det mottagande telefonsystemet kräver dem.
- 04
Generera, lyssna och ladda ner
Logga in, kontrollera den beräknade kreditkostnaden, granska spelbart ljud i webbläsaren och ladda sedan ner filen till produktionen.
Röstregi / 04
Röstregitaggar för uttrycksfull Grok TTS
Röstregitaggar placerar korta anvisningar direkt i manuset. Använd bara taggar som du kan höra och kontrollera i ett ljudprov.
[pause]Resultatet är klart. [pause] Nu granskar vi det.
Skapa en avsiktlig paus mellan två tankar.
[laugh]Det stod inte i briefen. [laugh]
Prova ett kort skratt där repliken faktiskt kräver det.
[sigh][sigh] Vi behöver en tagning till.
Markera en tydlig attitydförändring före repliken.
[breath]Vänta. [breath] Börja från början.
Lägg till ett litet mänskligt ögonblick utan att skriva om meningen.
<whisper><whisper> Det här stannar mellan oss.
Prova en tystare regi på en kort, fristående fras.
Ljudformat / 05
Ljudformat för kreatörer, appar och telefonsystem
Välj format efter hur ljudet ska användas, inte efter en allmän kvalitetsrankning.
MP3
Välj MP3 för kompakta förhandsversioner, granskningslänkar, podcastredigering och videoutkast.
Bithastigheten kan bara ställas in för MP3 i den här modellen.
WAV
Välj WAV när en redigerare eller ljudarbetsstation behöver en okomprimerad fil som kan spelas i webbläsaren.
Anpassa samplingsfrekvensen till produktionens tidslinje.
PCM
Välj PCM när ett efterföljande program uttryckligen kräver rått pulskodat ljud.
Rå PCM är främst avsedd för nedladdning och kan kräva importinställningar i målprogrammet.
μ-law
Välj μ-law för ett telefon- eller IVR-system vars tekniska specifikation anger den kodeken.
Bekräfta den samplingsfrekvens som det mottagande systemet kräver.
A-law
Välj A-law för telefoniutrustning som uttryckligen kräver A-law-ljud.
Ersätt inte μ-law med A-law utan att kontrollera driftspecifikationen.
Produktion / 06
När en regisserad Grok TTS-tagning passar
Utforska tre praktiska resultat – regisserad berättarröst, flerspråkigt material och telefonimeddelanden – innan du väljer röst och format för produktionen.
EXEMPEL 01Berättarröst för podcast och video
Prova inledningen med en kontrollerad rad, styr pauserna kring huvudbudskapet, exportera en granskningsfil och ersätt bara tagningen som inte passar bild eller mix.
EXEMPEL 02Flerspråkig lokalisering
Håll källmanus och översättning ihop, välj det angivna målspråket och granska namn och tal innan du exporterar ljudet för varje språkversion.
EXEMPEL 03IVR- och supportmeddelanden
Generera hela samtalsgrenar, kontrollera längd och tydlighet och exportera μ-law eller A-law först när telefoniplattformens krav på kodek och samplingsfrekvens har bekräftats.
Jämförelse / 07
Grok TTS jämfört med ElevenLabs och OpenAI TTS
Det finns ingen universell vinnare. Välj efter de kontroller, röstkällor och integrationssätt som ditt faktiska arbetsflöde kräver.
Grok TTS här
Välj Grok när…
du vill använda Replicates dokumenterade modell med fem röster i webbläsaren, styra röstregitaggar, välja MP3, WAV, råljud eller telefoniljud och spara resultatet i Fish Voice-historiken.
ElevenLabs
Välj ElevenLabs när…
projektet är beroende av deras större dokumenterade röstbibliotek, modellval eller arbetsflöde för röstkloning. Kontrollera aktuella planer och modelldokumentation innan du bestämmer dig.
OpenAI TTS
Välj OpenAI när…
appen redan bygger på OpenAI API och du behöver instruktioner som styr talgenereringen. Bekräfta vilka modeller och röster som är tillgängliga i OpenAI-dokumentationen.
Begränsningar / 08
Modellens gränser och källunderlag
- Generering kräver ett inloggat Fish Voice-konto och krediter. Gratiskonton har en gräns på 120 tecken per begäran och aktiva betalkonton 1 000 tecken.
- Studion visar de fem röster, 20 språk plus automatisk identifiering, format, samplingsfrekvenser, MP3-bithastigheter, textnormalisering och röstregitaggar som stöds av Replicate-integrationen.
- Den utlovar inte xAI:s bredare röstutbud, direktuppspelning, tidsstämplar, uttalsstyrning eller röstkloning och publicerar inga overifierbara rankningar av kvalitet, hastighet eller pris.
- Rå PCM samt μ-law- och A-law-filer erbjuds för nedladdning, eftersom vanliga ljudspelare i webbläsare inte säkert kan tolka alla driftspecifika råformat.
Svar / 09
Vanliga frågor om Grok text till tal
Är det här en officiell xAI-webbplats för Grok TTS?+−
Nej. Fish Voice erbjuder ett webbläsarflöde kring modellen xai/grok-text-to-speech som finns via Replicate. xAI och Replicate är fortfarande källorna för sin egen produkt- och modelldokumentation.
Vilka Grok TTS-röster kan jag använda här?+−
De nuvarande alternativen i studion är Eve, Ara, Rex, Sal och Leo. Provlyssna samma text med kandidaterna innan du väljer en röst för produktionen.
Hur många språk stöder den här Grok-studion för text till tal?+−
Språkväljaren visar 20 språk och automatisk identifiering. Välj målspråket uttryckligen när du granskar lokaliserade namn, tal och termer.
Vilket ljudformat ska jag välja?+−
Använd MP3 för kompakt delning, WAV eller PCM när ett redigerings- eller programflöde kräver det och μ-law eller A-law bara när ett telefonsystem anger kodeken.
Kan jag spela upp alla format i webbläsaren?+−
Resultatspelaren stöder MP3 och WAV. PCM, μ-law och A-law kan laddas ner, men uppspelningen beror på målsystemets inställningar för råljud.
Kräver genereringen ett konto?+−
Ja. Inloggningen skyddar betald leverantörsanvändning och låter Fish Voice tillämpa kontots krediter, textgräns, ägarskap för sparade filer och genereringshistorik.
Vad händer om genereringen misslyckas?+−
Redigeraren behåller manus och inställningar. Servern följer det befintliga flödet för kreditavstämning efter misslyckad generering och returnerar en användbar felkategori utan känsliga uppgifter.
Innehåller sidan xAI-röstkloning eller direktuppspelning?+−
Nej. De funktionerna ligger utanför de Replicate-kontroller som har implementerats här, även när bredare xAI-produktsidor beskriver ytterligare röstfunktioner.
Källor / 10
Källor för funktionerna
Officiell dokumentation definierar påståendena och gränserna på sidan. Tillgängligheten kan ändras, så kontrollera den länkade källan innan du planerar en produktionsintegration.
Klart / Studio
Regissera Grok TTS från manus till eget ljud
Börja med meningen som har störst risk för uttals- eller tajmingproblem och granska resultatet innan du utökar manuset.