Grok STT es el speech-to-text de xAI: envía una URL de audio y recibe la transcripción en texto, con tiempos por palabra y el idioma detectado. Cubre 25 idiomas, con transcripción por canal y pistas de términos clave.
Playground
Estos ejemplos se escribieron para este endpoint. Cambia el prompt y las URL de ejemplo por archivos tuyos accesibles y, antes de enviar, revisa la estimación al día y la disponibilidad del modelo.
- Todavía sin resultado
split-channel-call Una grabación estéreo de 12 segundos con una mujer en el canal izquierdo y un hombre en el derecho, transcrita con multichannel activado. Cada lado vuelve en su propia línea; sin multichannel, el mismo archivo devolvió solo las palabras de la mujer.
- multichannel
- Todavía sin resultado
names-with-keyterms Un anuncio de lounge con dos nombres inventados, enviado con ambos nombres como términos clave. Sin ellos, el mismo audio volvió como "Xandrel" y "Corvessa".
- Todavía sin resultado
booking-numbers Una confirmación de reserva hablada con language en en y text_normalization activado: el precio y la fecha vuelven como "$1,250" y "March 14" en lugar de palabras.
- en
- normalization
Este ejemplo parte de $0.00003 por segundo de salida. El Playground actualiza la estimación cada vez que cambias los ajustes.