Grok STT est le speech-to-text de xAI : envoyez l’URL d’un audio et recevez la transcription en texte, avec horodatage par mot et langue détectée. Il couvre 25 langues, avec transcriptions par canal et indices de termes clés.
Atelier
Ces exemples ont été écrits pour ce point de terminaison. Remplacez le prompt et les URL de médias par vos propres fichiers accessibles, puis vérifiez l’estimation à jour et la disponibilité du modèle avant d’envoyer.
- Pas encore de rendu
split-channel-call Un enregistrement stéréo de 12 secondes avec une femme sur le canal gauche et un homme sur le droit, transcrit avec multichannel activé. Chaque côté revient sur sa propre ligne ; sans multichannel, le même fichier n’a renvoyé que les paroles de la femme.
- multichannel
- Pas encore de rendu
names-with-keyterms Une annonce de lounge avec deux noms inventés, envoyée avec les deux noms comme termes clés. Sans eux, le même audio est revenu avec « Xandrel » et « Corvessa ».
- Pas encore de rendu
booking-numbers Une confirmation de réservation parlée avec language réglé sur en et text_normalization activé : le prix et la date reviennent sous la forme « $1,250 » et « March 14 » au lieu de mots.
- en
- normalization
Cet exemple démarre à $0.00003 par seconde produite. Le Playground actualise l’estimation lorsque vous modifiez les réglages.