xAI: Grok Voice STT

يقوم Grok Voice STT بتحويل الصوت المسجل إلى نص. تجعل تلميحات اللغة وعناصر التحكم في الطابع الزمني منه مفيداً للنصوص التي ستغذي التعليقات التوضيحية، أو البحث، أو خطوة تحليل نص لاحقة.

مقارنة النماذج

grok-voice-stt

متاحxAIتحويل الكلام إلى نص (Speech to Text)متزامن

السعر: ابتداءً من $0.000028
الأنماط: صوت

عن Grok Voice STT

Grok Voice STT هو نموذج تحويل الكلام إلى نص من xAI، حيث يحول التسجيلات أو التدفقات الصوتية إلى نصوص مكتوبة. يقبل تنسيقات ملفات الصوت الشائعة، ويفيد بتواريخ وأوقات على مستوى الكلمات، ويمكنه فصل المتحدثين والقنوات، ويهيكل الأرقام والعملات حسب اللغة. استخدامه للتسميات التوضيحية، وسجلات الاجتماعات القابلة للبحث، ونصوص المكالمات التي تغذي تحليل النصوص اللاحق.

نقاط القوة

تجعل الطوابع الزمنية على مستوى الكلمة من المباشر إنشاء تسميات توضيحية، وبحث القفز إلى اللحظة، وملفات الترجمة من النص.
يفصل فصل المتحدثين والتفريغ متعدد القنوات من قال ماذا في الاجتماعات وتسجيلات المكالمات ثنائية الطرف.
توجه تلميحات اللغة وقائمة المصطلحات الرئيسية المخصصة التعرف نحو أسماء المنتجات واللغة الاصطلاحية.
يعرض تنسيق النص الأرقام والتواريخ والعملات بالطريقة التي تكتب بها اللغة المنطوقة.

متى تستخدم نموذجاً آخر

إنه ينتج نصوصاً فقط؛ تلخيص، أو ترجمة، أو الإجابة من الصوت يحتاج إلى نموذج نصي بعده.
قد تتطلب التسجيلات شديدة التشويش ضبط عتبة الكشف الصوتي أو إدخالاً أنظف قبل أن تكون الدقة مقبولة.

البدء

إنشاء مفتاح API
أنشئ مفتاح في Console واستخدمه مع جميع النماذج على المنصة.
02
إرسال طلبك الأول
انسخ المثال الخاص بلغة البرمجة التي تستخدمها وقم بتشغيله مقابل نقطة النهاية (endpoint).
صوت إلى نصنقطة اتصال TokenLab
POST/v1/audio/transcriptions
```
curl -X POST "https://api.tokenlab.sh/v1/audio/transcriptions" \
  -H "Authorization: Bearer sk-xxx" \
  -F file="@audio.mp3" \
  -F operation="stt" \
  -F response_format="json" \
  -F model="grok-voice-stt" \
  -F language="en"
```

التسعير

السعر الرسمي هو السعر الأساسي العام من صانع النموذج. سعر TokenLab هو ما تدفعه فعلياً لهذا النموذج على TokenLab.

التسعير

لكل ثانية

Official: $0.000028لكل ثانية
السعر الرسمي: $0.000028لكل ثانية

	السعر الرسميلكل ثانية	Officialلكل ثانية	خصم
السعر	$0.000028لكل ثانية	$0.000028لكل ثانية	—

الاستخدام والنشاط

معدل النجاح هو نسبة الطلبات المكتملة. زمن الاستجابة هو مدة الاستجابة الكاملة؛ ويعني P95 أن 95% من الطلبات اكتملت ضمن ذلك الوقت.

الاستخدام والتوفر

آخر 24 ساعة

الطلبات
معدل النجاح
زمن الاستجابة P95
إجمالي الرموز

أداء النموذج

آخر تحديث 3 أكتوبر 2026، 07:17 م UTC

تظهر المقاييس بمجرد استيفاء حدود الخصوصية وحجم البيانات.

تستند البيانات إلى طلبات المستخدمين المجمعة، باستثناء عمليات التحقق من الحالة.

فتح في Console

افتح Grok Voice STT في Console وجهز الرسالة للتعديل أو الإرسال.

ساعدني في تجربة grok-voice-stt بطلب صوتي قصير في /v1/audio/transcriptions. اعرض النتيجة والتكلفة.

حالات الاستخدام

نصوص الاجتماعات
تفريغ مكالمة مسجلة مع تسمية المتحدثين، ثم تمرير النص إلى أداة تلخيص لعناصر الإجراءات.
ترجمات الفيديو
إنشاء تسميات توضيحية موقوتة من المسار الصوتي لفيديو تم تحميله باستخدام توقيتات الكلمات.
مراجعة جودة مركز الاتصال
تفريغ تسجيلات ذات قناتين مع الوكيل والعميل على قناتين منفصلتين، ثم البحث عن عبارات الامتثال.

أمثلة Prompt

تفريغ حلقة بودكاست مدتها 45 دقيقة باللغة الإنجليزية مع طوابع زمنية للكلمات ومتحدثين محددين.

تفريغ مكالمة العملاء المرفقة، باستخدام المصطلحات الرئيسية 'Zyntra' و 'OmniPlan' و 'SLA' لتحييز التعرف.

تحويل مذكرة صوتية إسبانية إلى نص وتنسيق المبالغ كعملة.

FAQ

ماذا يفعل Grok Voice STT؟

يحول الصوت إلى نص. ترسل ملفاً أو تدفق صوتي، ويعيد نصاً يمكن أن يتضمن طوابع زمنية على مستوى الكلمة، وتسميات المتحدثين، ونصاً لكل قناة، اعتماداً على الخيارات التي تضبطها.

ما هي تنسيقات الصوت التيสามารถ قراءتها؟

تدرج xAI اثني عشر تنسيقاً، بما في ذلك MP3 و WAV و FLAC و Opus، مع الحد الأقصى لحجم الملف 500 ميغابايت. يتطلب الصوت الخام PCM و mu-law و A-law معلمات ترميز صريحة.

هل يدعم التفريغ الصوتي المباشر؟

نعم. تقوم نقطة نهاية WebSocket بدفق النتائج المؤقتة وتستخدم اكتشاف نهاية الحديث Smart Turn للتمييز بين التوقفات الطبيعية ونهاية الجملة، مما يقلل من القطع المبكر.

ما عدد اللغات التي يغطيها؟

توثق xAI أكثر من 25 لغة للتفريغ والتنسيق الخاص باللغة. قم تمرير تلميح لغة عندما تعرف اللغة، حتى لا يضطر التعرف إلى التخمين.

هل يمكنه التمييز بين المتحدثين؟

نعم، يقوم فصل المتحدثين بتسمية المتحدثين داخل التسجيل، ويتعامل الوضع متعدد القنوات مع ما يصل إلى ثماني قنوات منفصلة، وهو ما يناسب تسجيلا المكالمات مع طرف واحد لكل قناة.

كم تكلفة Grok Voice STT؟

على TokenLab تكلف Grok Voice STT $0.000028 لكل ثانية. التفاصيل الكاملة في جدول التسعير أعلاه.

ما نقطة النهاية التي يجب أن يستخدمها Grok Voice STT؟

استخدم https://api.tokenlab.sh/v1/audio/transcriptions كافتراضي لـ Grok Voice STT. إذا كانت الصيغة الأصلية للمزود مدعومة فإن API workbench يعرضها أيضاً.

ما العمليات التي يدعمها Grok Voice STT؟

Grok Voice STT يدعم صوت إلى نص. اختر عملية في API workbench أعلاه لرؤية نقطة النهاية وعينة الكود المطابقة.