xAI: Grok Text to Speech

xAI TTS 是 xAI 提供的語音合成模型，特色是支援 SSML 標記，可以精確控制發音、停頓、語速與強調位置，並且單次輸入最長可達 60,000 字元，不需要像多數 TTS 模型那樣把長文切成小段。

與 OpenAI 的 TTS-1、GPT-4o mini TTS 相比，xAI TTS 單價相近（16 USD／1M 字元）但多了 SSML 支援與更長的單次輸入；與 Azure Neural TTS 相比，功能定位相似、單價相同，差異主要在可選聲音與語言覆蓋。與 Gemini TTS 相比，xAI TTS 以字元計價、走 SSML 控制路線，但不支援用自然語言描述情緒風格。

輸入僅支援文字，輸出為音訊，格式支援 mp3、wav、pcm、opus，並支援串流回傳。

若需要用自然語言指示語氣與角色，請改用 Gemini 3.8 Flash TTS 或 GPT-4o mini TTS；若需要特定語言的更多聲音選項，可比較 Azure Neural TTS。