Ir al contenido

Grok Voice · Realtime

Integrar

ID del modelo xai/grok-voice/realtime
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/xai/grok-voice/realtime?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Hasta $1.494 por ejecución se cobra según el uso real; el resto se reembolsa Ejecutar en esta página

Obtener clave de API
xAI Audio #xai#grok#voice#agent

Variante en tiempo real del agente de voz Grok para streaming y conversaciones bidireccionales de audio y texto

xAI · Audio

Tu primer resultado aparecerá aquí

Crea una solicitud abajo y ejecútala con tu clave de API. Las salidas se copian en nuestro almacenamiento, donde se conservan para siempre o 7 días gratis.

Crear una solicitud

Los controles se generan a partir del esquema del modelo. El código y el precio se actualizan conforme los cambias.

0 / 20000

Instrucciones opcionales del sistema que proporcionan contexto de conversación y especifican una personalidad en lugar de la predeterminada de Grok; omitirlas conserva esa personalidad predeterminada.

•obligatorio audio_url
Suelta un archivo o

URL de audio del habla del usuario, limitada a 10 minutos y 50 MB. Se pueden proporcionar los formatos de audio más comunes; antes de que Grok reciba el audio, se convierte a PCM mono con muestras de 16 bits a 24 kHz. El agente responde a la grabación con voz.

Avanzado voice · enable_safety_checker · tools

Selecciona una voz integrada de xAI para reemplazar la predeterminada de Grok en la respuesta del agente; dejarla sin configurar conserva esa voz predeterminada.

predeterminado {"mcp_servers":[],"we...

Configuración de herramientas del agente para uso del lado del servidor, excluyendo file_search/collections de la configuración tipada debido a ZDR. Todas las herramientas comienzan desactivadas; las opciones compatibles incluyen herramientas MCP remotas, herramientas web y herramientas de X.

POST /run/xai/grok-voice/realtime?wait=20 cotización → $1.494
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/xai/grok-voice/realtime?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Ejecutar esta solicitud

Tu clave permanece en este navegador: solo se envía a la Doitong API y se guarda en localStorage únicamente si marcas Recordar. Obtener una clave de API

Acerca de Grok Voice · Realtime

Agente de voz destinado a aplicaciones en vivo, como asistentes y agentes telefónicos, basado en streaming de audio y texto en ambas direcciones. Las entradas coinciden con las del modelo de voz estándar: `audio_url` para la voz del usuario, instrucciones de personalidad opcionales en `prompt`, una selección de `voice` y `tools` opcionales para acceder a la web, X o MCP. Devuelve audio WAV hablado, su duración y una transcripción.

Parámetros

Envía el nombre canónico o el nombre nativo, no ambos. Nombres canónicos

NombreTipo PredeterminadoPermitido Descripción
audio_urlobligatorio audio
Tipourl · audio
URL de audio del habla del usuario, limitada a 10 minutos y 50 MB. Se pueden proporcionar los formatos de audio más comunes; antes de que Grok reciba el audio, se convierte a PCM mono con muestras de 16 bits a 24 kHz. El agente responde a la grabación con voz.
promptopcional
Tipostring | null
≤ 20,000 caracteres
Instrucciones opcionales del sistema que proporcionan contexto de conversación y especifican una personalidad en lugar de la predeterminada de Grok; omitirlas conserva esa personalidad predeterminada.
voiceopcional
Tipoenum
carinazaganhelixorionlunairisaltairzenithperseusheliosluxkeplerrigelcosmocelesteursa
+12 mássiriuslumencastornakshatlasauroralioraaraeveleorexsal
Selecciona una voz integrada de xAI para reemplazar la predeterminada de Grok en la respuesta del agente; dejarla sin configurar conserva esa voz predeterminada.
toolsopcional
Tipoobject
Predeterminado{"mcp_servers":[],"web_search":{"enabled":false},"x_search":{"enabled":false}}
Configuración de herramientas del agente para uso del lado del servidor, excluyendo file_search/collections de la configuración tipada debido a ZDR. Todas las herramientas comienzan desactivadas; las opciones compatibles incluyen herramientas MCP remotas, herramientas web y herramientas de X.
tools.mcp_serversopcional
Tipoobject[]
Servidores MCP remotos a los que el proveedor del modelo se conecta para ejecutar herramientas.
tools.mcp_servers[].allowed_toolsopcional
Tipostring[]
≥ 1 items
Lista opcional que especifica qué nombres de herramientas expone este servidor.
tools.mcp_servers[].authorizationopcional
Tipostring | null
Valor de autorización confidencial enviado exclusivamente al proveedor del modelo.
tools.mcp_servers[].enabledopcional
Tipoboolean
Predeterminadotrue
Indicador de inclusión del servidor; false excluye el servidor.
tools.mcp_servers[].headersopcional
Tipoobject | null
Encabezados confidenciales para solicitudes MCP, enviados exclusivamente al proveedor del modelo.
tools.mcp_servers[].server_descriptionopcional
Tipostring | null
≤ 2000 characters
Descripción de las capacidades que este servidor pone a disposición.
tools.mcp_servers[].server_labelobligatorio
Tipostring
1 – 128 characters
Etiqueta del servidor usada por el proveedor del modelo para identificar sus herramientas y anteponer sus nombres.
tools.mcp_servers[].server_urlobligatorio
Tipostring
≥ 1 characters
Dirección HTTP(S) proporcionada por el llamador para un servidor MCP al que Grok se conecta remotamente mediante transportes Streaming HTTP/SSE.
tools.web_search.allowed_domainsopcional
Tipostring[]
1 – 5 items
Restricción de dominios para los resultados de búsqueda: especifica hasta cinco dominios, omitiendo protocolos y rutas.
tools.web_search.enable_image_understandingopcional
Tipoboolean | null
Permiso para que el agente examine imágenes descubiertas mediante búsquedas web.
tools.web_search.enabledopcional
Tipoboolean
Predeterminadofalse
Acceso a búsquedas web para el agente: true agrega web_search a session.tools y permite realizar búsquedas web; el valor predeterminado la deja desactivada.
tools.web_search.excluded_domainsopcional
Tipostring[]
1 – 5 items
Dominios que se excluirán de los resultados de búsqueda, limitados a cinco entradas y sin protocolos ni rutas.
tools.web_search.locationopcional
Tipoobject
Ubicación opcional para adaptar geográficamente los resultados de búsqueda.
tools.x_search.allowed_x_handlesopcional
Tipostring[]
1 – 20 items
Cuentas de X cuyas publicaciones pueden aparecer en los resultados, limitadas a 20 cuentas.
tools.x_search.enable_image_understandingopcional
Tipoboolean | null
Permiso para que el agente examine imágenes descubiertas en X.
tools.x_search.enable_video_understandingopcional
Tipoboolean | null
Permiso para que el agente examine videos descubiertos en X.
tools.x_search.enabledopcional
Tipoboolean
Predeterminadofalse
Acceso a publicaciones de X mediante búsqueda: true agrega x_search a session.tools para que el agente pueda buscar esas publicaciones; el valor predeterminado lo deja desactivado.
tools.x_search.excluded_x_handlesopcional
Tipostring[]
1 – 20 items
Cuentas de X cuyas publicaciones se excluyen, limitadas a 20 cuentas.
tools.x_search.from_dateopcional
Tipostring | null
Fecha más antigua de las publicaciones, expresada en formato ISO YYYY-MM-DD.
tools.x_search.to_dateopcional
Tipostring | null
Fecha más reciente de las publicaciones, expresada en formato ISO YYYY-MM-DD.
enable_safety_checkeropcional
Tipoboolean
Predeterminadotrue
La moderación puede relajarse estableciendo false, siempre que la persona que llama esté autorizada.
obligatorio Nombre canónico, también aceptado

Los parámetros de archivo aceptan una URL pública https://, un URI data: de hasta 10 MB o el file_url de una carga. Archivos

Salida

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "xai/grok-voice/realtime",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 1494,
    "usd": "1.494",
    "charged": 1494,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "audio": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_name": "0-output.mp3",
      "file_size": 1843200
    },
    "text": "",
    "duration": 5
  },
  "outputs": [
    {
      "type": "audio",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_size": 1843200,
      "duration": 12,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: se conserva para siempre (con cobro por GB-mes) o 7 días gratis, según la configuración de tu cuenta o ?storage=.
La misma estructura en todos los modelostype, url, content_type, width, height y duration, tanto para imágenes como para video y audio. output es el objeto de resultado propio del modelo.
Campos de salida
audio
object {url, content_type, file_name, file_size}Respuesta hablada del agente Grok, entregada como WAV mono a 24 kHz.
text
stringTexto que acompaña el habla del agente: una cadena vacía indica que Grok no proporcionó una transcripción; de lo contrario, contiene la transcripción.
duration
numberDuración del audio generado, medida en segundos.

Más modelos: Audio

Para agentes de IA: esta página en Markdown está disponible en https://doitong.com/es-MX/developers/models/xai/grok-voice/realtime.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt