xAI: Grok Voice STT
grok-voice-stt- Preço
- A partir de $0.000028
- Modalidades
- Áudio
Sobre o Grok Voice STT
Grok Voice STT é o modelo de conversão de fala em texto da xAI, que transforma áudio gravado em transcrições de texto. Ele aceita formatos comuns de arquivo de áudio e retorna registros de data e hora (timestamps) em nível de palavra, e a xAI documenta separadamente streaming, separação de locutor e canal, e formatação de números e moedas por idioma. Use-o para legendas, registros de reuniões pesquisáveis e transcrições de chamadas que alimentam análises de texto posteriores.
Pontos fortes
- Os registros de data e hora em nível de palavra facilitam a criação de legendas, busca por momentos específicos e arquivos de subtítulos a partir da transcrição.
- A xAI documenta a diarização de locutores e a transcrição multicanal como opções nativas; verifique os detalhes atuais do modelo antes de depender delas aqui.
- Dicas de idioma e uma palavra-chave de prompt direcionam o reconhecimento para nomes de produtos e jargões.
- A formatação de texto renderiza números, datas e moedas da maneira como são escritos no idioma falado.
Quando usar outro modelo
- Ele produz apenas transcrições; resumir, traduzir ou responder a partir do áudio requer um modelo de texto posteriormente.
- Gravações com muito ruído podem precisar de um ajuste no limite de detecção de voz ou de uma entrada mais limpa antes que a precisão seja aceitável.
Primeiros passos
Criar chave de API
Crie uma chave no Console e use com qualquer modelo da plataforma.
Envie sua primeira requisição
Copie o exemplo para sua linguagem e execute-o no endpoint.
Fala para textoEndpoint do 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"
Parâmetros
Fala para texto
| Parâmetro | Valores e limites | Padrão | Notas |
|---|---|---|---|
file | Entradas: ≥ 1, ≤ 1 | Não fornecido | Send one audio file in multipart/form-data. Maximum file size is 25 MiB. |
language | Não fornecido | Não fornecido | 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 | Não fornecido | Não fornecido | Não fornecido |
response_format | json, text, verbose_json | json | Não fornecido |
timestamp_granularities | word | Não fornecido | Não fornecido |
Preço
O preço Verified vale para o Verified, que custa menos na maioria dos modelos. O preço Official é o preço publicado pelo fabricante do modelo e vale para a rota Official, mais confiável. O Auto cobra pela rota que conclui a solicitação.
Preço
por segundo- Preço Verified
- —
- Preço Official
- $0.000028por segundo
| Preço Officialpor segundo | Preço Verifiedpor segundo | Desconto | |
|---|---|---|---|
| Preço | $0.000028por segundo | — | — |
Uso e atividade
A taxa de sucesso é a proporção de requisições concluídas. A latência é quanto tempo uma resposta completa leva; P95 significa que 95% das requisições terminaram dentro desse tempo.
Uso e disponibilidade
Últimas 24 horas- Requisições
- Taxa de sucesso
- Latência P95
- Total de tokens
Os dados baseiam-se em solicitações agregadas de usuários, excluindo verificações de status.
Abrir no Console
Abra Grok Voice STT no Console com um prompt pronto para editar ou enviar.
Ajude-me a testar grok-voice-stt com uma solicitação de áudio em /v1/audio/transcriptions. Exiba o resultado e custo.
Casos de uso
Transcrições de reuniões
Transcreva uma chamada gravada para texto com marcações de tempo por palavra e, em seguida, envie para um resumidor para extrair itens de ação.
Legendas para vídeo
Gere legendas temporizadas a partir da trilha de áudio de um vídeo enviado, usando as marcações de tempo por palavra.
Revisão de qualidade de call center
Transcreva gravações de chamadas e, em seguida, analise o texto em busca de frases de conformidade. Rótulos de locutor ou canal são uma opção nativa da xAI, não listada nos detalhes do modelo aqui.
Exemplos de prompt
Transcreva este clipe de podcast de 20 minutos em inglês com registros de data e hora por palavra.
Transcreva a chamada de cliente anexada, usando os termos-chave 'Zyntra', 'OmniPlan' e 'SLA' para influenciar o reconhecimento.
Converta este memorando de voz em espanhol para texto e formate os valores como moeda.
FAQ
O que o Grok Voice STT faz?
Ele converte áudio em texto. Você envia um arquivo de áudio e ele retorna uma transcrição que pode incluir registros de data e hora em nível de palavra, dependendo das opções definidas. O serviço nativo da xAI também documenta rótulos de locutor e texto por canal.
Quais formatos de áudio ele consegue ler?
A xAI lista doze formatos, incluindo MP3, WAV, FLAC e Opus. Para o endpoint de transcrição vinculado aqui, envie um arquivo de áudio não maior que 25 MB. O endpoint de arquivo nativo da xAI documenta um limite separado de 500 MB que não estende o limite de upload aqui.
Ele suporta transcrição ao vivo?
A xAI documenta um endpoint de streaming separado com resultados intermediários. Os detalhes do modelo vinculados aqui anunciam atualmente apenas transcrição de arquivos, portanto, planeje o envio de arquivos. Verifique o contrato atual do modelo antes de depender da transcrição ao vivo.
Quantos idiomas ele cobre?
A xAI documenta mais de 25 idiomas para transcrição e formatação específica de idioma. Forneça uma dica de idioma quando souber qual é, para que o reconhecimento não precise adivinhar.
Ele consegue distinguir os locutores?
A xAI documenta a diarização e o modo multicanal como opções nativas separadas. Os detalhes do modelo vinculados aqui não listam diarização ou multicanal, e solicitar rótulos de locutor em linguagem simples não os habilita. Verifique o contrato atual do modelo antes de depender deles.
Quanto custa o Grok Voice STT?
No TokenLab, Grok Voice STT custa $0.000028 por segundo. A tabela de preços acima mostra o detalhamento completo.
Qual endpoint o Grok Voice STT deve usar?
Use https://api.tokenlab.sh/v1/audio/transcriptions para Grok Voice STT. O exemplo de requisição abaixo mostra o formato de código correspondente.
Quais operações o Grok Voice STT suporta?
Grok Voice STT suporta Fala para texto. Selecione uma operação acima para ver seu endpoint e exemplo de requisição.
Comparar Grok Voice STT
Fontes
Revisado em 2 de out. de 2026