xAI: Grok Voice STT
grok-voice-stt- Harga
- Mulai dari $0.000028
- Modalitas
- Audio
Tentang Grok Voice STT
Grok Voice STT adalah model speech-to-text dari xAI yang mengubah audio rekaman menjadi transkrip teks. Model ini menerima format file audio umum dan mengembalikan stempel waktu tingkat kata, dan xAI secara terpisah mendokumentasikan streaming, pemisahan pembicara dan saluran, serta pemformatan angka dan mata uang berdasarkan bahasa. Gunakan model ini untuk takarir (caption), catatan rapat yang dapat dicari, dan transkrip panggilan yang akan digunakan untuk analisis teks selanjutnya.
Kelebihan
- Stempel waktu tingkat kata memudahkan pembuatan takarir, pencarian lompat-ke-momen, dan file subtitel dari transkrip.
- xAI mendokumentasikan diarisasi pembicara dan transkripsi multisaluran sebagai opsi bawaan; periksa detail model saat ini sebelum mengandalkannya di sini.
- Petunjuk bahasa dan kata kunci perintah mengarahkan pengenalan suara ke nama produk dan jargon.
- Pemformatan teks menyajikan angka, tanggal, dan mata uang sesuai dengan cara penulisan bahasa lisan tersebut.
Kapan harus beralih
- Model ini hanya menghasilkan transkrip; untuk meringkas, menerjemahkan, atau menjawab berdasarkan audio, diperlukan model teks setelahnya.
- Rekaman yang sangat bising mungkin memerlukan penyesuaian ambang batas deteksi suara atau input yang lebih bersih agar akurasinya dapat diterima.
Memulai
Buat API key
Buat kunci di Console, gunakan untuk semua model di platform.
Kirim permintaan pertama Anda
Salin contoh untuk bahasa Anda dan jalankan terhadap endpoint tersebut.
Suara ke teksEndpoint 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"
Parameter
Suara ke teks
| Parameter | Nilai dan batas | Nilai bawaan | Catatan |
|---|---|---|---|
file | Jumlah masukan: ≥ 1, ≤ 1 | Tidak disediakan | Send one audio file in multipart/form-data. Maximum file size is 25 MiB. |
language | Tidak disediakan | Tidak disediakan | 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 | Tidak disediakan | Tidak disediakan | Tidak disediakan |
response_format | json, text, verbose_json | json | Tidak disediakan |
timestamp_granularities | word | Tidak disediakan | Tidak disediakan |
Penetapan Harga
Harga Verified berlaku untuk Verified yang lebih murah di sebagian besar model. Harga Official adalah harga resmi dari pembuat model dan berlaku untuk rute Official yang lebih andal. Auto menagihkan biaya berdasarkan rute yang menyelesaikan permintaan.
Penetapan Harga
per detik- Harga Verified
- —
- Harga Official
- $0.000028per detik
| Harga Officialper detik | Harga Verifiedper detik | Diskon | |
|---|---|---|---|
| Harga | $0.000028per detik | — | — |
Penggunaan & aktivitas
Tingkat keberhasilan adalah proporsi permintaan yang selesai. Latensi adalah berapa lama respons penuh berlangsung; P95 berarti 95% permintaan selesai dalam waktu tersebut.
Penggunaan & ketersediaan
24 jam terakhir- Permintaan
- Tingkat keberhasilan
- Latensi P95
- Total token
Data didasarkan pada permintaan pengguna gabungan, tidak termasuk pemeriksaan status.
Buka di Console
Buka Grok Voice STT di Console dengan prompt siap diedit atau dikirim.
Bantu saya mencoba grok-voice-stt dengan permintaan audio singkat di /v1/audio/transcriptions. Tampilkan hasil dan biayanya.
Skenario penggunaan
Transkrip rapat
Transkripsikan panggilan yang direkam menjadi teks dengan penanda waktu kata, lalu teruskan ke peringkas untuk mendapatkan poin-poin tindakan.
Subtitel untuk video
Hasilkan takarir berwaktu dari trek audio video yang diunggah menggunakan penanda waktu kata.
Tinjauan kualitas pusat panggilan
Transkripsikan rekaman panggilan, lalu pindai teks untuk mencari frasa kepatuhan. Label pembicara atau saluran adalah opsi bawaan xAI, tidak tercantum dalam detail model di sini.
Contoh prompt
Transkripsikan klip podcast 20 menit ini dalam bahasa Inggris dengan stempel waktu kata.
Transkripsikan panggilan pelanggan yang dilampirkan, menggunakan istilah kunci 'Zyntra', 'OmniPlan', dan 'SLA' untuk memengaruhi pengenalan.
Ubah memo suara bahasa Spanyol ini menjadi teks dan format jumlahnya sebagai mata uang.
FAQ
Apa yang dilakukan Grok Voice STT?
Model ini mengubah audio menjadi teks. Anda mengirim file audio dan model ini mengembalikan transkrip yang dapat menyertakan stempel waktu tingkat kata, tergantung pada opsi yang Anda tetapkan. Layanan bawaan xAI juga mendokumentasikan label pembicara dan teks per saluran.
Format audio apa saja yang dapat dibaca?
xAI mencantumkan dua belas format, termasuk MP3, WAV, FLAC, dan Opus. Untuk titik akhir transkripsi yang ditautkan di sini, unggah file audio dengan ukuran tidak lebih dari 25 MB. Titik akhir file bawaan xAI mendokumentasikan batas terpisah sebesar 500 MB yang tidak memperluas batas unggahan di sini.
Apakah model ini mendukung transkripsi langsung (live)?
xAI mendokumentasikan titik akhir streaming terpisah dengan hasil sementara. Detail model yang ditautkan di sini saat ini hanya mengiklankan transkripsi file, jadi rencanakan untuk mengunggah file. Periksa kontrak model saat ini sebelum mengandalkan transkripsi langsung.
Berapa banyak bahasa yang dicakup?
xAI mendokumentasikan lebih dari 25 bahasa untuk transkripsi dan pemformatan khusus bahasa. Berikan petunjuk bahasa saat Anda mengetahui bahasanya, agar pengenalan tidak perlu menebak.
Bisakah model ini membedakan pembicara?
xAI mendokumentasikan diarisasi dan mode multisaluran sebagai opsi bawaan yang terpisah. Detail model yang ditautkan di sini tidak mencantumkan diarisasi atau multisaluran, dan meminta label pembicara dalam bahasa biasa tidak mengaktifkannya. Periksa kontrak model saat ini sebelum mengandalkannya.
Berapa biaya Grok Voice STT?
Di TokenLab, Grok Voice STT dikenakan $0.000028 per detik. Tabel harga di atas menampilkan rincian lengkap.
Endpoint mana yang harus digunakan Grok Voice STT?
Pakai https://api.tokenlab.sh/v1/audio/transcriptions sebagai default untuk Grok Voice STT. Jika format native penyedia didukung, API workbench juga menampilkan endpoint tersebut.
Operasi apa saja yang didukung Grok Voice STT?
Grok Voice STT mendukung Suara ke teks. Pilih operasi di API workbench di atas untuk melihat endpoint dan contoh kode terkait.
Bandingkan Grok Voice STT
Sumber
Ditinjau 2 Okt 2026