xAI: Grok Voice STT
grok-voice-stt- السعر
- ابتداءً من $0.000028
- الأنماط
- صوت
عن Grok Voice STT
Grok Voice STT هو نموذج تحويل الكلام إلى نص من xAI، والذي يقوم بتحويل الصوت المسجل إلى نصوص مكتوبة. يقبل النموذج تنسيقات ملفات الصوت الشائعة ويعيد طوابع زمنية على مستوى الكلمة، كما توثق xAI بشكل منفصل ميزات البث، وفصل المتحدثين والقنوات، وتنسيق الأرقام والعملات حسب اللغة. استخدمه للتعليقات التوضيحية، وسجلات الاجتماعات القابلة للبحث، ونصوص المكالمات التي تغذي عمليات تحليل النصوص اللاحقة.
نقاط القوة
- تجعل الطوابع الزمنية على مستوى الكلمة من السهل إنشاء تعليقات توضيحية، وميزة البحث للانتقال إلى لحظة معينة، وملفات الترجمة من النص المكتوب.
- توثق xAI ميزات تحديد هوية المتحدث (diarization) والنسخ متعدد القنوات كخيارات أصلية؛ تحقق من تفاصيل النموذج الحالية قبل الاعتماد عليها هنا.
- تساعد تلميحات اللغة والكلمات المفتاحية في توجيه التعرف نحو أسماء المنتجات والمصطلحات التقنية.
- يعمل تنسيق النص على كتابة الأرقام والتواريخ والعملات بالطريقة التي تُكتب بها في اللغة المنطوقة.
متى تستخدم نموذجاً آخر
- ينتج النموذج نصوصاً فقط؛ أما التلخيص أو الترجمة أو الإجابة بناءً على الصوت فيتطلب استخدام نموذج نصي بعده.
- قد تحتاج التسجيلات التي تحتوي على ضوضاء عالية إلى ضبط عتبة الكشف عن الصوت أو توفير مدخلات أنقى قبل أن تكون الدقة مقبولة.
البدء
إنشاء مفتاح API
أنشئ مفتاح في Console واستخدمه مع جميع النماذج على المنصة.
إرسال طلبك الأول
انسخ المثال الخاص بلغة البرمجة التي تستخدمها وقم بتشغيله مقابل نقطة النهاية (endpoint).
صوت إلى نصنقطة اتصال TokenLabPOST/v1/audio/transcriptionscurl -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"
المعايير
صوت إلى نص
| المعلمة | القيم والحدود | القيمة الافتراضية | ملاحظات |
|---|---|---|---|
file | عدد المدخلات: ≥ 1, ≤ 1 | غير متوفر | Send one audio file in multipart/form-data. Maximum file size is 25 MiB. |
language | غير متوفر | غير متوفر | This field is accepted. The current public contract does not specify a complete value range or list. No additional values are promised. The omitted-field default is not verified. |
prompt | غير متوفر | غير متوفر | غير متوفر |
response_format | json, text, verbose_json | json | غير متوفر |
timestamp_granularities | word | غير متوفر | غير متوفر |
التسعير
ينطبق سعر Verified على مسار Verified، وهو الأقل تكلفة في معظم النماذج. سعر Official هو السعر المعلن من صانع النموذج وينطبق على مسار Official الأكثر موثوقية. يحاسب خيار Auto بناءً على المسار الذي يكمل الطلب.
التسعير
لكل ثانية- سعر Verified
- —
- سعر Official
- $0.000028لكل ثانية
| سعر Officialلكل ثانية | سعر Verifiedلكل ثانية | خصم | |
|---|---|---|---|
| السعر | $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
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
قم بنسخ مكالمة مسجلة إلى نص مع توقيتات الكلمات، ثم مررها إلى أداة تلخيص لاستخراج بنود العمل.
ترجمة الفيديو
قم بإنشاء تعليقات توضيحية زمنية من المسار الصوتي للفيديو الذي تم تحميله باستخدام توقيتات الكلمات.
مراجعة جودة مراكز الاتصال
قم بنسخ تسجيلات المكالمات، ثم امسح النص بحثاً عن عبارات الامتثال. تسميات المتحدث أو القناة هي خيار أصلي في xAI، وليست مدرجة في تفاصيل النموذج هنا.
أمثلة Prompt
انسخ مقطع البودكاست هذا الذي تبلغ مدته 20 دقيقة باللغة الإنجليزية مع طوابع زمنية للكلمات.
انسخ مكالمة العميل المرفقة، باستخدام المصطلحات الرئيسية 'Zyntra' و'OmniPlan' و'SLA' لتوجيه عملية التعرف.
حول هذه المذكرة الصوتية الإسبانية إلى نص وقم بتنسيق المبالغ كعملة.
FAQ
ما الذي يقوم به Grok Voice STT؟
يقوم بتحويل الصوت إلى نص. أنت ترسل ملفاً صوتياً وهو يعيد نصاً يمكن أن يتضمن طوابع زمنية على مستوى الكلمة، اعتماداً على الخيارات التي تحددها. توثق خدمة xAI الأصلية أيضاً تسميات المتحدثين والنصوص لكل قناة.
ما هي تنسيقات الصوت التي يمكنه قراءتها؟
تدرج xAI اثني عشر تنسيقاً، بما في ذلك MP3 وWAV وFLAC وOpus. بالنسبة لنقطة نهاية النسخ المرتبطة هنا، قم بتحميل ملف صوتي لا يتجاوز 25 ميجابايت. توثق نقطة نهاية الملف الأصلية في xAI حداً أقصى منفصلاً يبلغ 500 ميجابايت لا يمتد ليشمل حد التحميل هنا.
هل يدعم النسخ المباشر (الحي)؟
توثق xAI نقطة نهاية منفصلة للبث مع نتائج مؤقتة. تفاصيل النموذج المرتبطة هنا تعلن حالياً عن نسخ الملفات فقط، لذا خطط لتحميل الملفات. تحقق من عقد النموذج الحالي قبل الاعتماد على النسخ المباشر.
كم عدد اللغات التي يغطيها؟
توثق xAI أكثر من 25 لغة للنسخ والتنسيق الخاص باللغة. مرر تلميحاً للغة عندما تعرفها، حتى لا يضطر نظام التعرف إلى التخمين.
هل يمكنه التمييز بين المتحدثين؟
توثق xAI ميزات تحديد هوية المتحدث والوضع متعدد القنوات كخيارات أصلية منفصلة. تفاصيل النموذج المرتبطة هنا لا تدرج ميزات تحديد هوية المتحدث أو القنوات المتعددة، وطلب تسميات المتحدثين بلغة عادية لا يؤدي إلى تفعيلها. تحقق من عقد النموذج الحالي قبل الاعتماد عليها.
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.
مقارنة Grok Voice STT
المصادر
تمت المراجعة في 02/10/2026