# Grok Voice · Realtime API

> Version temps réel de l’agent vocal Grok pour le streaming et les conversations audio et textuelles bidirectionnelles

Agent vocal destiné aux applications en direct comme les assistants et les agents téléphoniques, basé sur le streaming audio et textuel bidirectionnel. Les entrées correspondent à celles du modèle vocal standard : `audio_url` pour la parole de l’utilisateur, des instructions de personnalité `prompt` facultatives, un choix `voice` et des `tools` facultatifs pour l’accès au web, à X ou à MCP. Il renvoie un audio WAV parlé, sa durée et une transcription.

- Model id: `xai/grok-voice/realtime`
- Made by: xAI
- Category: Audio
- Output: audio
- Charged by usage (up to $1.494 per run, typical $0.006; the rest of the hold is refunded): $0.00083 / second of the voice session (cheapest run $0.006 (6 API credits))
- Run: `POST https://api.doitong.ru/v1/run/xai/grok-voice/realtime`
- Quote: `POST https://api.doitong.ru/v1/quote/xai/grok-voice/realtime`
- Docs page: https://doitong.com/fr/developers/models/xai/grok-voice/realtime

## Pricing

Price: **$0.00083 / second of the voice session**. Charged by actual usage at $0.00083 / second of the voice session: up to $1.494 per run (the quote gives the maximum for your input), the rest is refunded automatically after the run. A typical run costs $0.006.

The full example input below holds up to $1.494 = 1494 API credits (up to 1800 s of voice session × $0.00083) when it starts; a typical run costs $0.006 (6 API credits).

Prices are the upstream price in USD, paid from the API balance in API credits (1000 API credits = 1 USD). This model is charged by usage: `POST https://api.doitong.ru/v1/quote/xai/grok-voice/realtime` with the same JSON body returns the most the run can cost for that input (`credits`, debited when the run starts); after the run you pay the usage the model reports and the rest is refunded automatically. An input whose maximum would exceed the per-run limit is refused with 422. Invalid input is never charged and failed or canceled requests are refunded automatically.

## Input parameters

Send either the canonical name or the native field name (not both). Canonical names are the same across models.

| Parameter | Canonical name | Type | Required | Default | Allowed values / range | Description |
|---|---|---|---|---|---|---|
| `audio_url` | `audio` | string (audio URL) | yes |  |  | URL audio de la parole de l’utilisateur, limitée à 10 minutes et 50 MB. Les formats audio les plus courants peuvent être fournis ; avant que Grok ne reçoive l’audio, celui-ci est converti en PCM mono avec des échantillons de 16 bits à 24 kHz. L’agent répond à l’enregistrement oralement. |
| `prompt` |  | string \| null | no |  | ≤ 20000 characters | Instructions système facultatives fournissant le contexte de la conversation et spécifiant une persona à la place de celle par défaut de Grok ; leur omission conserve cette persona par défaut. |
| `voice` |  | enum (string) \| null | no |  | `carina`, `zagan`, `helix`, `orion`, `luna`, `iris`, `altair`, `zenith`, `perseus`, `helios`, `lux`, `kepler`, `rigel`, `cosmo`, `celeste`, `ursa`, `sirius`, `lumen`, `castor`, `naksh`, `atlas`, `aurora`, `liora`, `ara`, `eve`, `leo`, `rex`, `sal` | Sélectionnez une voix xAI intégrée pour remplacer celle par défaut de Grok dans la réponse de l’agent ; laisser ce champ vide conserve la voix par défaut. |
| `tools` |  | object {mcp_servers, web_search, x_search} | no | `{"mcp_servers":[],"web_search":{"enabled":false},"x_search":{"enabled":false}}` |  | Configuration des outils de l’agent pour une utilisation côté serveur, à l’exclusion de file_search/collections de la configuration typée en raison de ZDR. Tous les outils sont désactivés au départ ; les options prises en charge incluent les outils MCP distants, les outils web et les outils X. |
| `tools.mcp_servers` |  | array of object {allowed_tools, authorization, enabled, headers, server_description, server_label, server_url} | no |  |  | Serveurs MCP distants auxquels le fournisseur du modèle se connecte pour exécuter des outils. |
| `tools.mcp_servers[].allowed_tools` |  | array of string \| null | no |  | ≥ 1 items | Liste facultative spécifiant les noms d’outils exposés par ce serveur. |
| `tools.mcp_servers[].authorization` |  | string \| null | no |  |  | Valeur d’autorisation sensible envoyée exclusivement au fournisseur du modèle. |
| `tools.mcp_servers[].enabled` |  | boolean | no | `true` |  | Indicateur d’inclusion du serveur ; false exclut le serveur. |
| `tools.mcp_servers[].headers` |  | object \| null | no |  |  | En-têtes sensibles pour les requêtes MCP, envoyés exclusivement au fournisseur du modèle. |
| `tools.mcp_servers[].server_description` |  | string \| null | no |  | ≤ 2000 characters | Description des fonctionnalités rendues disponibles par ce serveur. |
| `tools.mcp_servers[].server_label` |  | string | yes |  | 1 – 128 characters | Libellé du serveur utilisé par le fournisseur du modèle pour identifier ses outils et préfixer leurs noms. |
| `tools.mcp_servers[].server_url` |  | string | yes |  | ≥ 1 characters | Adresse HTTP(S) fournie par l’appelant pour un serveur MCP auquel Grok se connecte à distance via les transports Streaming HTTP/SSE. |
| `tools.web_search` |  | object {allowed_domains, enable_image_understanding, enabled, excluded_domains, location} | no | `{"allowed_domains":null,"enable_image_understanding":null,"enabled":false,"excluded_domains":null,"location":null}` |  | Recherche web gérée par le fournisseur, désactivée sauf si enabled vaut true. |
| `tools.web_search.allowed_domains` |  | array of string \| null | no |  | 1 – 5 items | Restriction de domaine pour les résultats de recherche : spécifiez jusqu’à cinq domaines, sans protocoles ni chemins. |
| `tools.web_search.enable_image_understanding` |  | boolean \| null | no |  |  | Autorisation permettant à l’agent d’examiner les images découvertes lors de recherches web. |
| `tools.web_search.enabled` |  | boolean | no | `false` |  | Accès à la recherche web pour l’agent : true ajoute web_search à session.tools et autorise les recherches web ; la valeur par défaut le laisse désactivé. |
| `tools.web_search.excluded_domains` |  | array of string \| null | no |  | 1 – 5 items | Domaines à exclure des résultats de recherche, limités à cinq entrées sans protocoles ni chemins. |
| `tools.web_search.location` |  | object {city, country, region, timezone} \| null | no |  |  | Emplacement facultatif pour adapter géographiquement les résultats de recherche. |
| `tools.x_search` |  | object {allowed_x_handles, enable_image_understanding, enable_video_understanding, enabled, excluded_x_handles, from_date, to_date} | no | `{"allowed_x_handles":null,"enable_image_understanding":null,"enable_video_understanding":null,"enabled":false,"excluded_x_handles":null,"from_date":null,"to_date":null}` |  | Recherche X gérée par le fournisseur, désactivée sauf si enabled vaut true. |
| `tools.x_search.allowed_x_handles` |  | array of string \| null | no |  | 1 – 20 items | Identifiants X dont les publications peuvent apparaître dans les résultats, limités à 20 identifiants. |
| `tools.x_search.enable_image_understanding` |  | boolean \| null | no |  |  | Autorisation permettant à l’agent d’examiner les images découvertes sur X. |
| `tools.x_search.enable_video_understanding` |  | boolean \| null | no |  |  | Autorisation permettant à l’agent d’examiner les vidéos découvertes sur X. |
| `tools.x_search.enabled` |  | boolean | no | `false` |  | Accès aux publications X via la recherche : true ajoute x_search à session.tools afin que l’agent puisse rechercher ces publications ; la valeur par défaut le laisse désactivé. |
| `tools.x_search.excluded_x_handles` |  | array of string \| null | no |  | 1 – 20 items | Identifiants X dont les publications sont exclues, limités à 20 identifiants. |
| `tools.x_search.from_date` |  | string \| null | no |  |  | Date la plus ancienne des publications, au format ISO YYYY-MM-DD. |
| `tools.x_search.to_date` |  | string \| null | no |  |  | Date la plus récente des publications, au format ISO YYYY-MM-DD. |
| `enable_safety_checker` |  | boolean | no | `true` |  | Le filtrage peut être assoupli en définissant false, si l'appelant est autorisé. |

File parameters (`audio`) take a public `https://` URL, a `data:` URI up to 10 MB, or the `file_url` of an upload from `POST /files`.

## Example input

Required parameters only:

```json
{
  "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
}
```

A fuller example:

```json
{
  "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
}
```

## Run it

Set `DOITONG_API_KEY` to a key from https://doitong.com/developers/dashboard#keys. `?wait=20` returns the finished request in the same call when it is ready within 20 seconds; otherwise poll `GET /requests/{id}` (it also accepts `?wait=`), or pass `webhook_url`.

### curl

```bash
# 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_url": "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"
```

### JavaScript

```javascript
const API = "https://api.doitong.ru/v1";
const headers = {
  "Authorization": "Bearer " + process.env.DOITONG_API_KEY,
  "Content-Type": "application/json",
};

// Run the model; wait up to 20 s for the finished result in the same call
let res = await fetch(API + "/run/xai/grok-voice/realtime?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }),
});
let request = await res.json();
if (!res.ok) throw new Error(request.error.code + ": " + request.error.message);

// Not finished yet: long-poll until it is
while (request.status === "queued" || request.status === "running") {
  res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers });
  request = await res.json();
}
if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error));
console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")");
```

### Python

```python
import os
import requests

API = "https://api.doitong.ru/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/xai/grok-voice/realtime", params={"wait": 20}, json=payload, headers=headers)
request = r.json()
if not r.ok:
    raise RuntimeError(request["error"]["code"] + ": " + request["error"]["message"])

# Not finished yet: long-poll until it is
while request["status"] in ("queued", "running"):
    request = requests.get(API + "/requests/" + request["id"], params={"wait": 20}, headers=headers).json()
if request["status"] != "succeeded":
    raise RuntimeError(request["error"])
print([o["url"] for o in request["outputs"]], request["cost"]["credits"], "API credits", "$" + request["cost"]["usd"])
```

### MCP

The MCP server at `https://api.doitong.ru/v1/mcp` exposes the tools `search_models`, `get_model`, `quote`, `run`, `get_request`, `cancel_request`, `list_requests`, `create_upload` and `get_account`. A `run` call for this model:

```json
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "run",
    "arguments": {
      "model_id": "xai/grok-voice/realtime",
      "input": {
        "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
      },
      "wait_seconds": 20
    }
  }
}
```

## Response

Every call returns a request object. `status` is one of `queued`, `running`, `succeeded`, `failed`, `canceled`. `outputs` lists the generated files with URLs on our storage (kept forever, or 7 days with `?storage=temporary`; `storage` says which); `output` is the model's own result object with the same URLs.

```json
{
  "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"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `audio` | object {url, content_type, file_name, file_size} | Réponse parlée de l'agent Grok, fournie au format WAV mono à 24 kHz. |
| `text` | string | Texte accompagnant la parole de l'agent : une chaîne vide indique que Grok n'a pas fourni de transcription ; sinon, elle contient la transcription. |
| `duration` | number | Durée de l’audio généré, mesurée en secondes. |

## Related models

- [Grok Voice](https://doitong.com/developers/models/xai/grok-voice.md) (`xai/grok-voice`): $0.00083 / second of the voice session
- [MMAudio V2](https://doitong.com/developers/models/mmaudio-v2.md) (`mmaudio-v2`): $0.001 / second
- [DeepFilterNet 3](https://doitong.com/developers/models/deepfilternet3.md) (`deepfilternet3`): $0.001 / second of input audio
- [Demucs](https://doitong.com/developers/models/demucs.md) (`demucs`): $0.0007 / second of input audio
- [ElevenLabs Audio Isolation](https://doitong.com/developers/models/elevenlabs/audio-isolation.md) (`elevenlabs/audio-isolation`): $0.10 / minute of input file
- [Elevenlabs Sound Effects V2](https://doitong.com/developers/models/elevenlabs/sound-effects/v2.md) (`elevenlabs/sound-effects/v2`): $0.002 / second
- [ElevenLabs Voice Changer](https://doitong.com/developers/models/elevenlabs/voice-changer.md) (`elevenlabs/voice-changer`): $0.30 / minute of input audio
- [FFmpeg API \[Merge Audios\]](https://doitong.com/developers/models/ffmpeg-api/merge-audios.md) (`ffmpeg-api/merge-audios`): $0.00017 / second of processing time

## Links

- HTML page: https://doitong.com/developers/models/xai/grok-voice/realtime
- All models and guides for AI agents: https://doitong.com/developers/llms.txt
- OpenAPI 3.1 with this model's typed request body: https://doitong.com/developers/openapi.json?model=xai/grok-voice/realtime
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.ru/v1/models/xai/grok-voice/realtime