Grok STT è lo speech-to-text di xAI: invia un URL audio e ricevi la trascrizione come testo più i tempi parola per parola e la lingua rilevata. Copre 25 lingue, con trascrizioni per canale e suggerimenti di termini chiave.
Playground
Questi esempi sono stati scritti per questo endpoint. Sostituisci il prompt e gli URL dei media di esempio con input tuoi e raggiungibili, poi controlla il preventivo aggiornato e la disponibilità del modello prima di inviare.
- Nessun campione disponibile
split-channel-call Una registrazione stereo di 12 secondi con una donna sul canale sinistro e un uomo sul destro, trascritta con multichannel attivo. Ogni lato torna su una riga propria; senza multichannel, lo stesso file ha restituito solo le parole della donna.
- multichannel
- Nessun campione disponibile
names-with-keyterms Un annuncio in un lounge con due nomi inventati, inviato con entrambi i nomi come termini chiave. Senza di essi, lo stesso audio è tornato con «Xandrel» e «Corvessa».
- Nessun campione disponibile
booking-numbers Una conferma di prenotazione parlata con language su en e text_normalization attivo: prezzo e data tornano come «$1,250» e «March 14» invece che in parole.
- en
- normalization
Questo esempio parte da $0.00003 per secondo generato. Il Playground aggiorna la stima quando cambi le impostazioni.