SpaceXAI TTS
- Poids fermés (selon Artificial Analysis)
- Français annoncé
En bref : 16e sur 31 en synthèse vocale en français, dans un groupe de 5 modèles trop proches pour être départagés ; 27e sur 96 en synthèse vocale en anglais (Artificial Analysis), dans un peloton de 7 modèles que la marge d'erreur ne permet pas de séparer.
Présentation
La synthèse vocale de l'API Grok convertit du texte en parole avec des voix expressives, des balises de jeu (rire, pause, chuchotement) et un flux continu par WebSocket. Elle accepte des voix clonées à partir d'un court extrait audio et n'expose pas de nom de modèle versionné. Lu sur docs.x.ai, le 17/10/2026.
- Sortie
- mars 2026 lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : 20 langues, dont le français (en, ar, bn, zh, fr, de, hi, id, it, ja, ko, pt, ru, es, tr, vi). Lu sur docs.x.ai.
- Évaluées par nos sources : français et anglais.
- Le français : annoncé par l'éditeur ; évalué, 16e sur 31 en synthèse vocale en français (1 149).
Ses 2 classements
Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.
- En français · Synthèse vocale
Synthèse vocale en français
16e sur 31Elo 1 149, intervalle 1 128 à 1 170, 1 218 votes
Prix : 15 $ par million de caractères
Source : Artificial Analysis · relevé du 19 octobre 2026.
- En anglais · Synthèse vocale
Synthèse vocale en anglais, Artificial Analysis
27e sur 96Elo 1 146, intervalle 1 132 à 1 160, 1 744 votes
Prix : 15 $ par million de caractères
Source : Artificial Analysis · relevé du 19 octobre 2026.
Modèles proches
- Synthèse vocale en français : devant, Simba 3.0 (15e, 1 150) · derrière, Eleven Flash v2.5 (17e, 1 131)
- Synthèse vocale en anglais, Artificial Analysis : devant, MiniMax Speech 2.8 Turbo (25e, 1 152) · derrière, Async Flash v1.5 (28e, 1 141)
Comment lire ces chiffres
Synthèse vocale : Dans une arène, des votants écoutent deux voix à l'aveugle et choisissent la meilleure ; l'Elo en tire un classement, plus il est haut, mieux c'est. Le repère de prononciation compte les mots qu'un modèle de transcription comprend mal en relisant la voix : plus il est bas, mieux c'est.
D'où vient cette fiche
- Nom dans les sources
- Artificial Analysis :
SpaceXAI TTS - Fiche
- Nom et éditeur tels que la source les écrit ; présentation et langues lues sur les pages de l'éditeur.
- Pages lues
- https://docs.x.ai/developers/release-notes.md (« ### Text-to-Speech is available The Text-to-Speech API is now generally available. Generate natural-sounding speech from text with Grok. »), 17/10/2026
- https://docs.x.ai/developers/model-capabilities/audio/text-to-speech.md (« Convert text into spoken audio with a single API call. The API supports a rich set of expressive voices, inline speech tags for fine-grained delivery control, and output formats from high-fidelity MP3 to telephony-optimized μ-law. »), 17/10/2026
- https://docs.x.ai/developers/model-capabilities/audio/text-to-speech.md (« Clone any voice from a short reference clip with the [Custom Voices API] »), 17/10/2026
- https://docs.x.ai/developers/model-capabilities/audio/text-to-speech.md (« The TTS API supports 20 languages via BCP-47 language codes. »), 17/10/2026
- https://docs.x.ai/developers/model-capabilities/audio/text-to-speech.md (« | French | `fr` | »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.