SpaceXAI: Grok Voice TTS 1.0

SpaceXAI: Grok Voice TTS 1.0은 xAI의 텍스트 음성 변환 모델로, api14에 speech 카테고리로 등록되어 있습니다. 작성된 텍스트를 입력받아 음성 오디오로 변환하므로, 이미 텍스트가 있고 텍스트 응답 대신 음성 트랙이 필요한 모든 작업에 적합합니다. 모델 id는 x-ai/grok-voice-tts-1.0이며, 제공업체가 2026-05-15에 출시했습니다.

이 모델은 텍스트를 유일한 입력 모달리티로 받아들이고 음성을 유일한 출력 모달리티로 생성합니다. 자동 언어 감지를 지원하며 20개 이상의 언어로 말할 수 있으므로, 혼합되었거나 알 수 없는 입력에 대해 언어를 미리 선언할 필요가 없습니다. 다섯 가지 내장 음성을 사용할 수 있습니다: eve, ara, rex, sal, leo. 컨텍스트 윈도는 15,000 토큰이고 최대 출력은 13,500 토큰이므로, 단일 요청에서 넘길 수 있는 텍스트의 양이 제한됩니다.

이러한 기능은 상당히 구체적인 용도 집합을 가리킵니다. 기사, 문서 또는 제품 문구를 위한 내레이션과 보이스오버가 가장 명백한 용도입니다. 원본 텍스트를 그대로 넣고 오디오를 돌려받을 수 있기 때문입니다. 언어 감지가 자동이므로, 같은 통합으로 로케일별로 요청을 라우팅하지 않고도 다국어 콘텐츠를 처리할 수 있습니다. 다섯 가지 음성을 통해 프로젝트, 채널 또는 캐릭터마다 일관된 화자를 지정할 수 있습니다. 긴 형식 텍스트의 소리 내어 읽기, 채팅 또는 어시스턴트 응답의 오디오 버전 같은 접근성 기능도 큰 입력 허용량을 갖춘 텍스트 입력, 음성 출력 모델에서 바로 이어집니다.

api14의 OpenAI 호환 API를 통해 모델 id x-ai/grok-voice-tts-1.0으로 호출하므로, 기존 OpenAI 스타일 클라이언트 코드는 모델 이름과 base URL을 바꾸면 작동합니다. 이 모델은 엔드포인트 자체가 정의하는 것 외에는 조정 가능한 요청 파라미터를 노출하지 않으므로, 구성할 temperature, top_p 또는 이와 유사한 샘플링 표면이 없습니다. 음성 선택이 여러분이 가진 주요 조절 수단이며, 나열된 다섯 가지 음성에서 선택합니다. 15,000 토큰 컨텍스트와 13,500 토큰 출력 상한을 기준으로 요청을 계획하세요.

작업이 텍스트 생성, 분류, 추론 또는 오디오가 아니라 단어를 반환하는 그 어떤 것이라면, 이 모델은 잘못된 선택입니다. 음성이 유일한 출력이기 때문입니다. 또한 기존 오디오를 전사해야 할 때도 도움이 되지 않습니다. 텍스트가 유일한 입력이기 때문입니다. 그러한 경우에는 텍스트 모델이나 음성-텍스트 변환 모델을 살펴보세요. 다만 그 범위 안에서는, 지원되는 음성과 언어 중 하나로 음성 출력이 필요할 때 간단한 선택입니다.