xAI: Grok Voice STT
grok-voice-stt- 가격
- 부터 $0.000028
- 모달리티
- 오디오
Grok Voice STT 소개
Grok Voice STT는 xAI의 음성 인식(speech-to-text) 모델로, 녹음된 오디오를 텍스트 스크립트로 변환합니다. 일반적인 오디오 파일 형식을 지원하며 단어 단위의 타임스탬프를 반환합니다. xAI는 스트리밍, 화자 및 채널 분리, 언어별 숫자 및 통화 형식 지정 기능을 별도로 문서화하고 있습니다. 캡션, 검색 가능한 회의 기록, 이후 텍스트 분석을 위한 통화 스크립트 생성 등에 활용하십시오.
강점
- 단어 단위 타임스탬프를 사용하면 스크립트에서 캡션, 특정 시점 이동 검색, 자막 파일을 직접 생성할 수 있습니다.
- xAI는 화자 분리(diarization) 및 다채널 전사를 기본 옵션으로 문서화하고 있습니다. 이 기능을 사용하기 전에 현재 모델 세부 정보를 확인하십시오.
- 언어 힌트와 프롬프트 키워드를 사용하여 제품명이나 전문 용어에 대한 인식률을 높일 수 있습니다.
- 텍스트 서식 지정 기능을 통해 숫자, 날짜, 통화를 구어체 표기 방식에 맞게 변환합니다.
다른 모델이 필요한 경우
- 이 모델은 스크립트 생성만 수행합니다. 오디오를 요약, 번역하거나 오디오 내용에 기반해 답변을 얻으려면 이후에 텍스트 모델을 사용해야 합니다.
- 잡음이 매우 심한 녹음의 경우, 음성 감지 임계값을 조정하거나 더 깨끗한 입력 파일을 사용해야 만족스러운 정확도를 얻을 수 있습니다.
시작하기
API 키 만들기
Console에서 키를 만들고 플랫폼의 모든 모델에 사용하세요.
첫 번째 요청 보내기
사용 중인 언어의 예시를 복사하여 엔드포인트에 실행하세요.
음성-텍스트 변환TokenLab 엔드포인트POST/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"
매개변수
음성-텍스트 변환
| 매개변수 | 값 및 제한 | 기본값 | 참고 |
|---|---|---|---|
file | 입력 수: ≥ 1, ≤ 1 | 제공되지 않음 | Send one audio file in multipart/form-data. Maximum file size is 25 MiB. |
language | 제공되지 않음 | 제공되지 않음 | 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 | 제공되지 않음 | 제공되지 않음 | 제공되지 않음 |
response_format | json, text, verbose_json | json | 제공되지 않음 |
timestamp_granularities | word | 제공되지 않음 | 제공되지 않음 |
가격 책정
Verified 가격은 Verified에 적용되며 대부분의 모델에서 더 저렴합니다. Official 가격은 모델 제조사가 공개한 가격으로, 더 안정적인 Official 경로에 적용됩니다. Auto는 요청을 완료한 경로의 가격으로 청구합니다.
가격 책정
초당- Verified 가격
- —
- Official 가격
- $0.000028초당
| Official 가격초당 | Verified 가격초당 | 할인 | |
|---|---|---|---|
| 가격 | $0.000028초당 | — | — |
사용량 및 활동
성공률은 완료된 요청의 비율입니다. 지연 시간은 전체 응답에 걸리는 시간이며, P95는 요청의 95%가 해당 시간 내에 완료되었음을 의미합니다.
사용량 및 가용성
지난 24시간- 요청
- 성공률
- P95 지연 시간
- 총 토큰
데이터는 상태 확인을 제외한 집계된 사용자 요청을 기반으로 합니다.
Console에서 열기
Console에서 Grok Voice STT을 열고 프롬프트를 수정하거나 전송하세요.
/v1/audio/transcriptions에서 grok-voice-stt로 짧은 오디오 요청을 테스트합니다. 결과와 비용을 확인하세요.
사용 사례
회의 스크립트
녹음된 통화 내용을 단어별 시간 정보와 함께 텍스트로 변환한 뒤, 요약 모델에 전달하여 작업 항목을 추출합니다.
동영상 자막
단어별 시간 정보를 사용하여 업로드된 동영상 오디오 트랙에서 시간 정보가 포함된 캡션을 생성합니다.
콜센터 품질 검토
통화 녹음을 텍스트로 변환한 후 규정 준수 문구를 검색합니다. 화자 또는 채널 레이블은 xAI의 기본 옵션이지만, 여기 모델 세부 정보에는 나열되어 있지 않습니다.
프롬프트 예제
이 20분짜리 영어 팟캐스트 클립을 단어별 타임스탬프와 함께 텍스트로 변환하십시오.
첨부된 고객 통화 내용을 텍스트로 변환하십시오. 이때 'Zyntra', 'OmniPlan', 'SLA'를 핵심 용어로 사용하여 인식률을 높이십시오.
이 스페인어 음성 메모를 텍스트로 변환하고 금액을 통화 형식으로 지정하십시오.
FAQ
Grok Voice STT는 어떤 기능을 하나요?
오디오를 텍스트로 변환합니다. 오디오 파일을 전송하면 설정한 옵션에 따라 단어 단위 타임스탬프가 포함된 스크립트를 반환합니다. xAI의 기본 서비스는 화자 레이블 및 채널별 텍스트 기능도 문서화하고 있습니다.
어떤 오디오 형식을 읽을 수 있나요?
xAI는 MP3, WAV, FLAC, Opus를 포함한 12가지 형식을 나열하고 있습니다. 여기에 링크된 전사 엔드포인트의 경우, 25MB 이하의 오디오 파일을 업로드하십시오. xAI의 기본 파일 엔드포인트는 500MB 제한을 문서화하고 있으나, 이는 여기의 업로드 제한을 확장하지 않습니다.
실시간 전사를 지원하나요?
xAI는 중간 결과를 제공하는 별도의 스트리밍 엔드포인트를 문서화하고 있습니다. 여기에 링크된 모델 세부 정보는 현재 파일 전사만 지원하므로 파일 업로드 방식을 계획하십시오. 실시간 전사 기능을 사용하기 전에 현재 모델 계약을 확인하십시오.
몇 개의 언어를 지원하나요?
xAI는 전사 및 언어별 서식 지정을 위해 25개 이상의 언어를 문서화하고 있습니다. 언어를 알고 있는 경우 언어 힌트를 전달하여 인식 과정에서 추측하지 않도록 하십시오.
화자를 구분할 수 있나요?
xAI는 화자 분리 및 다채널 모드를 별도의 기본 옵션으로 문서화하고 있습니다. 여기에 링크된 모델 세부 정보에는 화자 분리나 다채널 기능이 나열되어 있지 않으며, 일반 언어로 화자 레이블을 요청한다고 해서 해당 기능이 활성화되지는 않습니다. 사용 전 현재 모델 계약을 확인하십시오.
Grok Voice STT 의 가격은 얼마인가요?
TokenLab 에서 Grok Voice STT 은 $0.000028 초당 입니다. 자세한 내역은 위 가격 표를 확인하세요.
Grok Voice STT 은 어떤 엔드포인트를 써야 하나요?
Grok Voice STT에 대해 https://api.tokenlab.sh/v1/audio/transcriptions를 사용하세요. 아래 요청 예시는 일치하는 코드 형태를 보여줍니다.
Grok Voice STT 은 어떤 오퍼레이션을 지원하나요?
Grok Voice STT은(는) 음성-텍스트 변환을(를) 지원합니다. 엔드포인트와 요청 예시를 보려면 위에서 작업을 선택하세요.
Grok Voice STT 비교하기
출처
2026. 10. 2. 검토 완료