Pilih Auto, TokenLab Verified, atau Official untuk setiap permintaan, dengan harga yang ditampilkan di awal. Lihat yang baru

xAI: Grok Voice STT

Grok Voice STT mengubah audio rekaman menjadi teks. Petunjuk bahasa dan kontrol stempel waktu membuatnya berguna untuk transkrip yang akan memberi makan takarir, pencarian, atau langkah analisis teks selanjutnya.
Bandingkan model
grok-voice-stt
TersediaxAIUcapan ke TeksSinkronkan
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

  1. Buat API key

    Buat kunci di Console, gunakan untuk semua model di platform.

  2. Kirim permintaan pertama Anda

    Salin contoh untuk bahasa Anda dan jalankan terhadap endpoint tersebut.

    Suara ke teksEndpoint 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"

Parameter

Suara ke teks

ParameterNilai dan batasNilai bawaanCatatan
fileJumlah masukan: ≥ 1, ≤ 1Tidak disediakanSend one audio file in multipart/form-data. Maximum file size is 25 MiB.
languageTidak disediakanTidak disediakanThis 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.
promptTidak disediakanTidak disediakanTidak disediakan
response_formatjson, text, verbose_jsonjsonTidak disediakan
timestamp_granularitieswordTidak disediakanTidak 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

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
Performa model
Metrik akan muncul setelah ambang batas privasi dan volume data terpenuhi.

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

Lainnya dari Grok Voice

Model terkait