Pular para o conteúdo principal
Os preços de entrada e saída de cada modelo, por 1M de tokens, estão listados na página Models do AI Gateway (Gerenciar modelos).

Lista de modelos compatíveis

Responses API

Modelos compatíveis

Modelos de chat

Modelos de completion

Modelos de embedding

Modelos de imagem

Geração de imagens

Edição de imagens

Modelos de imagem compatíveis

Modelos de moderação

Modelos de classificação

Os modelos de decisão nativos respondem pela API de decisão do respectivo provedor. Os modelos de chat desta tabela respondem por meio de saídas estruturadas e informam suas próprias probabilidades. Consulte Decisions para os tipos de pergunta e a referência Create decisions para o schema completo de requisição e resposta.

Modelos de rerank

Modelos de OCR

Modelos em tempo real

Consulte Sessões em tempo real e WebSocket para o endpoint, a autenticação e o protocolo de cada provedor. Conecte-se a wss://router.toqan.ai/eu/v3/router/realtime?model=xai/grok-voice-3.0 com um header Authorization: Bearer $TOQAN_API_KEY. Use xai/grok-voice-latest para acompanhar a versão mais recente do Grok Voice. O Grok Voice encaminha eventos JSON e frames de áudio binários. Use ferramentas de função executadas no cliente; ferramentas hospedadas pelo provedor, troca de modelo dentro de uma sessão, substituições não vazias de response.create.input e itens que misturam áudio com outro conteúdo são rejeitados. Para áudio PCM, envie PCM16 bruto; contêineres WAV e AIFF são rejeitados. O áudio do Grok Voice custa US0,08porminuto.Com‘servervad‘,acobranc\camedeotempodecorridodesdeoprimeiroaˊudioateˊofimdasessa~o;adetecc\ca~omanualdeturnosmedeasomadoaˊudioenviadoerecebido.Cadaevento‘conversation.item.create‘semaˊudiocustaUS 0,08 por minuto. Com `server_vad`, a cobrança mede o tempo decorrido desde o primeiro áudio até o fim da sessão; a detecção manual de turnos mede a soma do áudio enviado e recebido. Cada evento `conversation.item.create` sem áudio custa US 0,004, exceto itens function_call_output. As sessões terminam após 120 minutos. Consulte os preços de fala da xAI.

Modelos de Speech-to-Text

Modelos de Text-to-Speech

Vozes de Text-to-Speech

As seguintes vozes estão disponíveis para os modelos de Text-to-Speech:

OpenAI

  • alloy: voz neutra e versátil
  • echo: voz neutra e suave
  • fable: voz expressiva, voltada para narração
  • onyx: voz grave e autoritária
  • nova: voz calorosa e natural
  • shimmer: voz clara e otimista

ElevenLabs

  • aria: voz neutra e versátil
  • roger: voz grave e autoritária
  • sarah: voz calorosa e simpática
  • laura: voz suave e delicada
  • charlie: voz descontraída e coloquial
  • george: voz profissional e articulada
  • callum: voz jovem e enérgica
  • river: voz calma e tranquilizadora
  • liam: voz clara e confiante
  • charlotte: voz elegante e refinada
  • alice: voz brilhante e alegre
  • matilda: voz ponderada e comedida
  • will: voz confiável e segura
  • jessica: voz envolvente e expressiva
  • eric: voz autoritária e imponente
  • chris: voz simpática e acessível
  • brian: voz madura e distinta
  • daniel: voz versátil e equilibrada
  • lily: voz doce e melodiosa
  • bill: voz firme e autêntica

Retries e tratamento de erros Streaming