xAI: Grok STT
grok-stt- 价格
- 起 $0.000028
- 模态
- 音频
Grok STT 简介
Grok STT 是 xAI 的语音识别服务，把录好的音频转成文本。这个模型批量处理上传的录音，以 JSON 返回转写结果。xAI 文档标明其转写服务支持 25 种语言。实时流式转写是 xAI 另外的接口，所以这个模型适合会议、通话和访谈等已经存在的文件。
擅长的任务
- 一次请求转写上传的音频文件，返回 JSON 结果。
- xAI 文档标明支持 25 种语言，涵盖许多多语言录音。
- 适合会议存档、通话录音和积压的访谈这类批处理任务。
- 采用标准的音频转写请求格式，现有的 Whisper 风格客户端几乎不用改。
- 长录音以单个文件上传处理，不必切成短片段。
什么情况换别的模型
- 仅支持批处理；实时字幕和低延迟流式需要另外的实时接口。
- 输出是 JSON 格式的转写文本，没有内置摘要或翻译。
- 准确率取决于音频质量，嘈杂或重叠的说话可能需要清理或复核。
快速上手
创建 API 密钥
在 Console 生成一把密钥，平台上的模型都能用。
发送第一个请求
复制你所用语言的示例代码，向该端点发起请求。
语音转文字TokenLab 端点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-stt" \ -F language="en"
价格
官方价格是模型厂商公开的基线价，TokenLab 价格是用这个模型时实际的计费价。
语音转文字
每秒- 官方价格
- $0.00002778
- Official
- $0.00002778
- 折扣
- —
| 官方价格每秒 | Official每秒 | 折扣 | |
|---|---|---|---|
| 语音转文字 | $0.00002778 | $0.00002778 | — |
用量与动态
成功率是请求完成的比例；延迟是拿到一次完整响应要花的时间，P95 表示 95% 的请求都在这个时间内完成。
用量与可用性
最近 24 小时- 请求
- 成功率
- P95 延迟
- 总 token 数
数据来自汇总的用户请求，不含状态检查。
直接在 Console 里试
Grok STT 已在 Console 备好，提示词已填好，可以直接修改或发送。
帮我用 grok-stt 发起一条简短的音频请求，接口是 /v1/audio/transcriptions。返回结果和费用。
使用场景
会议转写
上传录制的通话或会议，保存文本，让团队可以搜索，或交给摘要模型处理。
访谈与播客存档
把积压的录音转成文本，用于编辑、摘录引文和撰写节目说明。
客服通话复盘
批量转写客户通话，让质检团队可以扫描其中的问题和话题。
提示词示例
转写这段 45 分钟的团队会议录音，语言为英语。
转写附上的客户通话，说话人讲的是西班牙语。
把这段录制的讲座转成文本，方便我搜索关于光合作用的那一节。
FAQ
Grok STT 是什么？
它是 xAI 的语音识别服务。接受上传的录音，以 JSON 返回转写结果，工作方式是批处理而不是实时。用于你已有的录音，比如会议、通话和访谈。
它支持哪些语言？
xAI 文档标明其转写服务支持 25 种语言。请先用你所用语言的一小段样本测试，因为准确率会随语言和录音质量而变化。口音也会影响结果。
Grok STT 能转写实时音频吗？
不能。它只处理上传的文件，所以适合在通话或会议结束之后使用。xAI 通过另一个接口提供流式转写，实时字幕需要用那个接口，而不是这个模型。
返回什么格式？
一个包含转写文本的 JSON 响应。你可以把这段文本传给语言模型，生成摘要、行动项，或翻译成另一种语言。
它和 Whisper 有什么区别？
两者通过相同的请求方式转写上传的音频。区别在于语言覆盖面，以及不同类型音频上的准确率，所以请在你的录音样本上都跑一遍，比较转写结果。
Grok STT 的费用是多少？
在 TokenLab 上，Grok STT 的价格为 $0.00002778 每秒。完整明细见上方价格表。 价格因计费单位、规格和用量而异。请在模型的详细定价中对比相同条件下的费率；单一费率不代表总价。
Grok STT 应该使用哪个端点？
Grok STT 使用 https://api.tokenlab.sh/v1/audio/transcriptions。代码写法见下方的请求示例。
Grok STT 支持哪些操作？
Grok STT 支持 语音转文字。选了操作，上面会显示对应的端点和请求示例。
Grok STT 对比
资料来源
审阅于 2026年10月2日
