SpaceXAI: Grok Voice TTS 1.0

SpaceXAI: Grok Voice TTS 1.0 is een tekst-naar-spraakmodel van xAI, vermeld op api14 onder de categorie speech. Het neemt geschreven tekst en zet die om in gesproken audio, wat het geschikt maakt voor elke workload waarin je al tekst hebt en een spraaktrack nodig hebt in plaats van een tekstreactie. Het model-id is x-ai/grok-voice-tts-1.0, en het werd door de provider uitgebracht op 2026-05-15.

Het model accepteert tekst als enige invoermodaliteit en produceert spraak als enige uitvoermodaliteit. Het ondersteunt automatische taaldetectie en kan meer dan 20 talen spreken, dus je hoeft niet vooraf een taal op te geven voor gemengde of onbekende invoer. Er zijn vijf ingebouwde stemmen beschikbaar: eve, ara, rex, sal en leo. Het contextvenster is 15.000 tokens, met een maximale uitvoer van 13.500 tokens, wat begrenst hoeveel tekst je in een enkele aanvraag kunt aanleveren.

Die mogelijkheden wijzen op een tamelijk specifieke set toepassingen. Narratie en voice-over voor artikelen, documentatie of productteksten zijn de voor de hand liggende, omdat je de brontekst er direct in kunt voeren en audio terugkrijgt. Omdat taaldetectie automatisch is, kan dezelfde integratie meertalige content bedienen zonder aanvragen op locale te routeren. De vijf stemmen laten je een consistente spreker per project, kanaal of personage toewijzen. Toegankelijkheidsfuncties zoals voorlezen voor langere tekst, en audioversies van chat- of assistentantwoorden, volgen ook direct uit een model met tekst in en spraak uit en een ruime invoerlimiet.

Je roept het aan via de OpenAI-compatibele API van api14 met het model-id x-ai/grok-voice-tts-1.0, dus bestaande clientcode in OpenAI-stijl werkt met een wijziging van modelnaam en base URL. Het model biedt geen instelbare aanvraagparameters buiten wat het endpoint zelf definieert, dus er is geen temperature, top_p of vergelijkbaar sampling-oppervlak om te configureren. Stemselectie is de belangrijkste knop die je hebt, puttend uit de vijf vermelde stemmen. Plan je aanvragen rond het contextvenster van 15.000 tokens en het uitvoerplafond van 13.500 tokens.

Als je taak tekstgeneratie, classificatie, redeneren of iets anders is dat woorden in plaats van audio retourneert, is dit het verkeerde model, want spraak is de enige uitvoer. Het helpt ook niet wanneer je bestaande audio moet transcriberen, want tekst is de enige invoer. Kijk voor die gevallen in plaats daarvan naar een tekst- of spraak-naar-tekstmodel. Binnen zijn bereik is het echter een eenvoudige keuze wanneer je gesproken uitvoer nodig hebt in een van de ondersteunde stemmen en talen.