Grok STT avis: transcription sans identification des locuteurs
Un fichier audio par requête, de 1 seconde à 2 heures.
La reconnaissance vocale Grok de xAI, disponible pour tous depuis avril 2026 : envoyez une URL audio et recevez la transcription sous forme de texte. 25 langues avec détection automatique, une transcription par canal, des termes clés à privilégier et les nombres écrits en chiffres. Facturé à la seconde d’audio, et SpicyAPI n’ajoute aucun filtre de contenu.
- Lydia
- Testé le 30 sept. 2026
- Mis à jour le 7 oct. 2026
Notre conclusion
Aucun nouvel échantillon payant n’a été créé pour cet article. Les exemples publiés illustrent une entrée et une sortie précises, pas une comparaison contrôlée. L’illustration de l’article est une création éditoriale, pas un résultat produit par le modèle évalué.
Ce qui nous a plu et ce qui l’a freiné
Ce qui nous a plu
- Vérifier une voix générée. Repassez un résultat de synthèse vocale dans le modèle et comparez la transcription au script : mots sautés, fin tronquée ou balise lue à voix haute apparaissent tout de suite.
- Noms, marques et nombres. Les termes clés permettent de fournir des noms inhabituels, et la normalisation contrôle la forme écrite des nombres et des dates. Comparez la transcription à l’enregistrement : aucun de ces réglages ne garantit une reconnaissance correcte.
Ce qui l’a freiné
- Un fichier audio par requête, de 1 seconde à 2 heures. L’horodatage des mots et la langue détectée reviennent dans la transcription structurée, mais pas les étiquettes de locuteur, et les locuteurs qui partagent un canal ne sont pas distingués. L’audio brut sans en-tête (PCM, μ-law, A-law) n’est pas accepté — envoyez un fichier dans un conteneur comme MP3, WAV, M4A, FLAC ou OGG.
Ce que montrent les preuves
Notre diagnostic existant du 30 septembre 2026 portait sur six extraits LibriSpeech test-clean, six locuteurs, 53,6 secondes de lecture en anglais et 146 mots de référence. Grok STT a obtenu un taux d’erreur de mots de 1.37% : 2 substitutions, 0 suppressions et 0 insertions. La méthode de transcription explique la normalisation et la portée de l’essai. Nous réutilisons ces résultats documentés sans nouvelle requête.
Ce petit échantillon court et propre ne démontre pas la précision sur des réunions, voix superposées, bruits, autres langues ou paroles chantées. Le taux d’erreur de mots ne mesure ni ponctuation, ni formatage, ni attribution des locuteurs. Gardez cette distinction pour des sous-titres, une archive consultable ou un texte définitif.
Préparer une première entrée
Utilisez un fichier que vous avez le droit de traiter. Comparez début, fin, un nom propre et un passage difficile à l’enregistrement. Notez les mots invérifiables comme incertains au lieu de considérer automatiquement la transcription comme exacte. La page du modèle décrit les entrées admises.
Commencez par ce qui conditionne votre validation : un nom, un nombre difficile ou une phrase dont l’émotion change. Comparez la sortie à l’original jusqu’à la fin. Gardez la même entrée et modifiez un seul réglage à la fois. Une voix agréable ne prouve pas que chaque mot a été conservé.
Consultez le devis actuel sur la page de la tâche avant l’envoi. Les tarifs par caractère, seconde ou requête ne se comparent pas par leur seul prix de départ. Prenez le même passage ou enregistrement et incluez les conversions ou l’alignement nécessaires.
Choisir une autre option
Choisissez d’abord la capacité manquante. Une alternative doit résoudre un besoin concret : choisir une voix, accepter un script plus long, diriger l’interprétation ou transcrire le bon type de contenu. Un nom plus récent ne suffit pas. Les pages ci-dessous indiquent les tâches et unités de facturation actuelles.
Ce que Grok STT sait faire sur SpicyAPI
Tiré directement de la spécification en ligne du modèle sur SpicyAPI. Certains éditeurs en offrent davantage dans leurs propres applications ; voici ce que vous pouvez appeler via notre API aujourd’hui.
| Fonction | Parole vers texte |
|---|---|
| Contrôle de la graine | Non |
| Prompt négatif | Non |
Qu’en pensez-vous ?
Ce test vous a-t-il été utile ?
Connectez-vous pour voter.
Commentaires
Les commentaires sont vérifiés automatiquement et par notre équipe. Nous supprimons le spam, le contenu inapproprié, les attaques personnelles et tout ce qui nomme une personne réelle sans son consentement. Signalez un commentaire et nous l’examinerons sous un jour ouvré.
Vous avez essayé ce modèle ? Partagez ce qui a marché. Un compte gratuit est nécessaire pour commenter, afin de tenir le spam à distance.
FAQ sur Grok STT
Essayez Grok STT vous-même
Réglez chaque paramètre dans le Playground et voyez le prix exact avant de lancer.
Autres tests
Voir les classements →
HeartMuLa Transcribe
Paroles en texte, sans horodatage, score de confiance ni identification des locuteurs.
Testé le 30 sept. 2026
Lire le test
Gemini 3.8 Flash-Lite TTS
Une ou deux voix par requête : jusqu’à 5 000 caractères de script pour une voix, ou jusqu’à 20 répliques de 250 caractères chacune pour deux.
Aucun test pratique · catalogue vérifié le 7 oct. 2026
Lire le test
Gemini 3.8 Flash TTS
Une ou deux voix par requête : jusqu’à 5 000 caractères de script pour une voix, ou jusqu’à 20 répliques de 250 caractères chacune pour deux.
Aucun test pratique · catalogue vérifié le 7 oct. 2026
Lire le test