Modellvergleich
Grok STT oder HeartMuLa Transcribe: Preise je Stufe, Request-Felder, Grenzen und die gemessene Inhaltsstufe aus dem laufenden Katalog.
Grok STT ist xAIs Sprache-zu-Text: Senden Sie eine Audio-URL und erhalten Sie das Transkript als Text plus wortgenaue Zeitangaben und die erkannte Sprache. Es deckt 25 Sprachen ab, mit Transkripten pro Kanal und Hinweisen auf Schlüsselbegriffe.
Modell-Schema →Beispielergebnisse ansehen →HeartMuLa Transcribe ist ein mehrsprachiger Sprache-zu-Text-Endpunkt, abgestimmt auf Gesang: Senden Sie eine Audio-URL und erhalten Sie den Songtext als Text zurück. Es gibt keine Optionen und keine Zeilen-Timings, Konfidenzwerte oder Sprecherlabels.
Modell-Schema →Vergleichen
Gehen Sie von Ihrer Eingabe, dem gewünschten Ergebnis und Ihrem Budget aus. Diese Unterschiede helfen bei der Auswahl.
Vergleichen Sie die veröffentlichten Beispiele und testen Sie beide Modelle mit derselben Eingabe und passenden Einstellungen.
Aktueller Preis
Ein Einstiegspreis beantwortet meist eine andere Frage als die, die Sie haben. Hier stehen die Stufen, die beide Modelle veröffentlichen, Einstellung für Einstellung gegenübergestellt, in US-Dollar je abgerechneter Einheit und ohne Umrechnungsschritt dazwischen.
Diese beiden rechnen nach unterschiedlichen Stufen ab, eine gemeinsame Zeile gibt es also nicht. Stattdessen stehen hier die jeweils eigenen veröffentlichten Stufen.
Grok STT: $0.00003 / Ausgabesekunden
HeartMuLa Transcribe: $0.05 / Anfragen
Das ist Rechnen mit den veröffentlichten Sätzen in der jeweiligen Standardeinstellung, kein Angebot. Den Preis für Ihre tatsächlichen Einstellungen zeigt die Konsole, bevor eine Anfrage angenommen wird.
Über diesen Vergleich
Jede Zeile hier stammt aus dem JSON Schema, gegen das der Endpunkt validiert. Sie entspricht also dem, was die API wirklich annimmt, und nicht einer von Hand gepflegten Funktionsliste.
Horizontal wischen, um alle Felder zu vergleichen.
| Einstellungen und Grenzen | Grok STT | HeartMuLa Transcribe |
|---|---|---|
| Aufgaben | speech-to-text | speech-to-text |
| Ausführung | Absenden, dann abfragen oder Callback | Absenden, dann abfragen oder Callback |
| Zeitlimit je Anfrage | 60 Minuten | 60 Minuten |
| Verfügbarkeit | Verfügbar | Verfügbar |
Bedeutet weniger eingeschränkt, dass jede Anfrage erlaubt ist?
Hinter diesen Kennzeichnungen stehen zwei getrennte Sachverhalte. Der erste betrifft uns und lautet: nichts. Kein Inhaltsfilter der Plattform und kein Reifekennzeichen, das an einer Anfrage gesetzt werden müsste. Der zweite betrifft das Verhalten jedes Modells für sich, und nur dieser Teil unterscheidet die beiden.
Grok STT
Dieses Modell filtert Inhalte nach eigener Angabe nicht. SpicyAPI leitet die Anfrage ohne zusätzliche Plattformprüfung weiter; Rechts- und Einwilligungspflichten bleiben beim Kunden.
Nutzungshinweis SpicyAPI fügt keinen Inhaltsfilter hinzu: Sprache wird so transkribiert, wie sie gesprochen wurde, statt verdeckt oder abgelehnt zu werden. Sie sind verantwortlich für die Rechte an dem gesendeten Audio und für die Einwilligung der aufgenommenen Personen.
HeartMuLa Transcribe
Dieses Modell filtert Inhalte nach eigener Angabe nicht. SpicyAPI leitet die Anfrage ohne zusätzliche Plattformprüfung weiter; Rechts- und Einwilligungspflichten bleiben beim Kunden.
Nutzungshinweis SpicyAPI legt keinen Inhaltsfilter darüber: Derbe Zeilen werden transkribiert, wie sie gesungen wurden, statt maskiert oder abgelehnt zu werden. Die Rechte am Ausgangsaudio und am transkribierten Text bleiben Sache der aufrufenden Seite.
Grenzen Sie die Auswahl anhand der Inhaltskategorien ein. Beispiele und Details zu Inhaltstests finden Sie auf den jeweiligen Modellseiten.
An Ihren Pflichten ändert die Kennzeichnung nichts. Alter, Einwilligung, Abbildung realer Personen und das Recht an Ihrem Standort bleiben bei Ihnen; SpicyAPI prüft nicht jede Anfrage inhaltlich.
Kann nur die Modell-ID ausgetauscht und der Request Body beibehalten werden?
Der Auftragsablauf ist einheitlich, der Request Body nicht. Jeder Endpunkt veröffentlicht sein eigenes JSON Schema, und die API validiert dagegen. Das ist die Liste, die Sie vor einem Wechsel abgleichen.
Vergleichen
Die Modellkennungen lauten xai/grok-stt/speech-to-text und heartmula/transcribe/speech-to-text; beide stehen im selben Feld derselben Anfrage.
Beide laufen gleich ab: Auftrag absenden, dann abfragen oder den Callback entgegennehmen. Warteschlange und Wiederholungslogik übernehmen Sie unverändert.
Absenden und Fortschritt verfolgen funktionieren gleich, die Pflichtfelder können sich jedoch unterscheiden. Prüfen Sie vor einem Wechsel beide Modellseiten.
Ein Schlüssel, ein Guthaben, ein Satz Ausgabengrenzen. Beide werden demselben Konto in US-Dollar berechnet, und die Tages-, Monats- und Gesamtgrenzen je Schlüssel gelten für beide gleichermaßen.
Häufige Fragen
Die beiden rechnen nach unterschiedlichen Stufen ab, eine direkt vergleichbare Zeile gibt es deshalb nicht: Grok STT beginnt bei $0.00003 / Ausgabesekunden, HeartMuLa Transcribe bei $0.05 / Anfragen. Vor dem Senden den aktuellen Kostenvoranschlag prüfen.
Grok STT erlaubt 60 Minuten je Auftrag, HeartMuLa Transcribe erlaubt 60. Das sind Obergrenzen und keine üblichen Laufzeiten — die meisten Anfragen sind weit früher fertig —, aber Ihr eigener Client-Timeout muss sie aushalten.
Die angezeigten Preise und Funktionen stammen aus dem aktuellen öffentlichen Modellkatalog. Neueste Eingaben und Beispiele finden Sie auf der jeweiligen Modellseite.