xAI: Grok Voice STT
grok-voice-stt- 價格
- 起 $0.000028
- 模態
- 音訊
關於 Grok Voice STT
Grok Voice STT 是 xAI 的語音轉文字模型，可將錄製或串流的音訊轉換為文字轉錄稿。它接受常見的音訊檔案格式，回傳單字級時間戳記，可以分離說話者和聲道，並根據語言格式化數字和貨幣。適用於字幕、可搜尋的會議記錄以及供後續文字分析使用的通話轉錄稿。
適用場景
- 單字級時間戳記使得從轉錄稿製作字幕、跳轉時刻搜尋和字幕檔案變得直接簡單。
- 說話者分離 (Diarization) 和多聲道轉錄可區分會議和雙向通話錄音中誰說了什麼。
- 語言提示和自訂關鍵詞列表可將識別導向產品名稱和專業術語。
- 文字格式化功能會按照口語書寫方式呈現數字、日期和貨幣。
其他選擇建議
- 它僅產生轉錄稿；若要從音訊進行摘要、翻譯或回答問題，則需在之後使用文字模型。
- 非常嘈雜的錄音可能需要調整語音檢測閾值，或在達到可接受的準確度前先進行降噪處理。
入門指南
建立 API 金鑰
請至 Console 建立金鑰，即可在平台上使用各類模型。
發送您的第一個請求
複製您所選語言的範例，並針對端點執行它。
語音轉文字TokenLab 端點POST/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"
定價
Official 價格為模型開發商的公開基準價。TokenLab 價格則為您在 TokenLab 使用該模型的實際費用。
定價
每秒- Official
- $0.000028每秒
- Official 定價
- $0.000028每秒
| Official 定價每秒 | Official每秒 | 折扣 | |
|---|---|---|---|
| 價格 | $0.000028每秒 | $0.000028每秒 | — |
使用量與活動
成功率是請求完成的比例；延遲是一次完整回應所需的時間，P95 表示 95% 的請求在該時間內完成。
用量與可用性
過去 24 小時- 請求數
- 成功率
- P95 延遲
- 總 Token 用量
資料基於彙總的使用者請求，不包含狀態檢查。
直接在 Console 裡試
在 Console 中開啟 Grok Voice STT，並準備好編輯或發送提示詞。
協助我使用 grok-voice-stt 透過 /v1/audio/transcriptions 進行音訊請求，並顯示結果與成本。
應用情境
會議轉錄稿
轉錄帶有說話者標籤的錄音通話，然後將文字傳遞給摘要工具以提取行動項目。
影片字幕
利用單字時間資訊，從上傳影片的音軌產生帶有時間軸的字幕。
客服中心品質審查
轉錄將代理與客戶分開在不同聲道的雙聲道錄音，然後掃描合規用語。
提示詞範例
轉錄這段 45 分鐘的英語播客，並標註單字時間戳記與說話者。
轉錄隨附的客戶通話，並使用關鍵詞「Zyntra」、「OmniPlan」和「SLA」來引導識別。
將這段西班牙語語音備忘錄轉換為文字，並將金額格式化為貨幣。
FAQ
Grok Voice STT 有什麼功能？
它將音訊轉換為文字。您發送檔案或串流音訊，它會回傳一份轉錄稿，根據您設定的選項，該轉錄稿可包含單字級時間戳記、說話者標籤和各聲道的文字。
它能讀取哪些音訊格式？
xAI 列出了 12 種格式，包括 MP3、WAV、FLAC 和 Opus，檔案大小上限為 500 MB。原始 PCM、mu-law 和 A-law 音訊需要明確的編碼參數。
它支援即時轉錄嗎？
支援。WebSocket 端點會串流中間結果，並使用 Smart Turn 句尾檢測來區分自然停頓與句子結束，這能減少過早截斷的情況。
它涵蓋多少種語言？
xAI 文件記錄了超過 25 種語言的轉錄和特定語言格式化。當您知道語言時，請傳遞語言提示，這樣識別過程就不需要進行猜測。
它能區分不同的說話者嗎？
可以，說話者分離功能會標記錄音中的說話者，而多聲道模式最多可處理八個獨立聲道，這非常適合每一方佔用一個聲道的通話錄音。
Grok Voice STT 的費用是多少？
在 TokenLab 上，Grok Voice STT 價格為 $0.000028 每秒。完整明細見上方價格表。
Grok Voice STT 應該使用哪一個端點？
請使用 https://api.tokenlab.sh/v1/audio/transcriptions 進行 Grok Voice STT 的呼叫。下方的請求範例展示了對應的程式碼格式。
Grok Voice STT 支援哪些操作？
Grok Voice STT 支援 語音轉文字。請在上方選擇一項操作以查看其端點與請求範例。
比較 Grok Voice STT
來源
更新於 2026年10月2日
