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.
Playground
Diese Beispiele wurden eigens für diesen Endpunkt geschrieben. Ersetzen Sie Prompt und Beispiel-URLs durch eigene erreichbare Eingaben und prüfen Sie vor dem Absenden den aktuellen Preis und die Verfügbarkeit des Modells.
- Noch kein Beispielergebnis
split-channel-call Eine 12-sekündige Stereoaufnahme mit einer Frau auf dem linken und einem Mann auf dem rechten Kanal, transkribiert mit multichannel. Jede Seite kommt in einer eigenen Zeile zurück; ohne multichannel kamen aus derselben Datei nur die Worte der Frau zurück.
- multichannel
- Noch kein Beispielergebnis
names-with-keyterms Eine Lounge-Durchsage mit zwei erfundenen Namen, gesendet mit beiden Namen als Schlüsselbegriffen. Ohne sie kam dasselbe Audio als „Xandrel“ und „Corvessa“ zurück.
- Noch kein Beispielergebnis
booking-numbers Eine gesprochene Buchungsbestätigung mit language auf en und aktivierter text_normalization: Preis und Datum kommen als „$1,250“ und „March 14“ statt als Wörter zurück.
- en
- normalization
Dieses Beispiel beginnt bei $0.00003 je Ausgabesekunde. Der Playground aktualisiert die Schätzung, sobald Sie die Einstellungen ändern.