Grok STT
Grok STT は xAI の speech-to-text で、音声 URL を送ると書き起こしテキストに単語単位のタイミングと検出言語が付いて返ります。25 言語、チャンネル別の書き起こし、キーワードのヒントに対応します。
Schema を見る →出力例を見る →モデル比較
Grok STT と HeartMuLa Transcribe
Grok STT と HeartMuLa Transcribe を段階ごとに比較。同条件の料金、リクエスト項目、上限、実測した内容ポリシーを公開カタログから。
HeartMuLa Transcribe
HeartMuLa Transcribe は、歌声に特化した多言語の speech-to-text で、音声 URL を 1 つ送ると歌詞がテキストで返ります。オプションはなく、行ごとのタイミング・信頼度・話者ラベルは返りません。
Schema を見る →比較
結論から
手元の入力、欲しい成果、予算から選びましょう。判断に関わる違いを以下にまとめています。
- 課金の刻みが両者で違うため、同条件で並べられる行がありません。Grok STT は $0.00003 / 出力秒数 から、HeartMuLa Transcribe は $0.05 / リクエスト数 からです。
- 両モデルの掲載区分は「規制なし」です。各モデルページの作例や内容テストを比較し、作りたいシーンに合うモデルを選んでください。
公開作例を見比べてから、同じ入力と条件で両モデルを試してください。
現在の料金
同じ条件で比べた料金
最低料金が答えるのは、たいてい知りたいのとは別の問いです。ここでは両者が公開している課金の刻みを同じ条件で突き合わせ、課金単位あたりの米ドル額をそのまま並べています。換算は入りません。
課金の刻みが両者で違うため、突き合わせられる行がありません。代わりに、それぞれが公開している刻みをそのまま挙げます。
Grok STT：$0.00003 / 出力秒数
HeartMuLa Transcribe：$0.05 / リクエスト数
ありふれた 1 本でいくらか
- HeartMuLa Transcribe：100 リクエストで $5。
各モデルの既定値で公開単価を掛けただけの数字で、見積りではありません。実際の設定に対する金額は、リクエストが受理される前にコンソールに表示されます。
比較データについて
設定項目と上限
この表の各行は、エンドポイントが検証に使っている JSON Schema から直接読んでいます。手書きの機能一覧ではなく、API が実際に受け付ける値そのものです。
横にスワイプして全項目を比較できます。
| 設定項目と上限 | Grok STT | HeartMuLa Transcribe |
|---|---|---|
| 対応タスク | speech-to-text | speech-to-text |
| 実行方式 | 送信後にポーリングまたはコールバック | 送信後にポーリングまたはコールバック |
| リクエストの上限時間 | 60 分 | 60 分 |
| 提供状況 | 提供中 | 提供中 |
制限が少ないと、どんなリクエストも許可されますか？
内容ポリシーの比較
この表示の裏には別々の事実が 2 つあります。1 つはこちら側の話で、内容は「何もしない」——プラットフォーム側の内容フィルタはなく、リクエストに立てる成熟度フラグもありません。もう 1 つはモデル自身の挙動で、この 2 つで変わるのはそちらだけです。
Grok STT
規制なし
このモデルはコンテンツフィルターを持たないと表明しています。SpicyAPI 側で内容スキャンを追加することはなく、リクエストはそのまま転送します。法令の順守と同意の確認は、お客様の責任です。
利用上の注意 SpicyAPI はコンテンツフィルターを追加せず、発話は伏せ字や拒否ではなく、話されたとおりに書き起こします。送信する音声の権利と、録音された人の同意についてはユーザー自身が責任を負います。
HeartMuLa Transcribe
規制なし
このモデルはコンテンツフィルターを持たないと表明しています。SpicyAPI 側で内容スキャンを追加することはなく、リクエストはそのまま転送します。法令の順守と同意の確認は、お客様の責任です。
利用上の注意 SpicyAPI はコンテンツフィルタを追加しません。過激な言葉を含む歌詞も伏せ字にも拒否にもならず、歌われたとおりに文字起こしされます。元音声と文字起こしの権利については、引き続き利用者の責任です。
この内容区分で候補を絞り、各モデルページの作例や内容テストの詳細を確認して選んでください。
区分がどうであれ、お客様の義務は変わりません。年齢、同意、実在人物の肖像、事業地域の法令はお客様の責任であり、SpicyAPI は個々のリクエストを内容審査しません。
モデル ID だけ差し替えて、同じリクエスト本文を使えますか？
リクエスト本文の違い
タスクの流れは共通ですが、本文は共通ではありません。エンドポイントごとに JSON Schema が公開され、API はそれで検証します。乗り換える前に突き合わせるのはこの一覧です。
- 同じ名前のフィールドが 1 個、両方の本文にあります。 audio_url
- Grok STT だけが受け付けるフィールド：filler_words, keyterms, language, multichannel, text_normalization。
- HeartMuLa Transcribe には、もう一方にないフィールドはありません。
- Grok STT の必須項目は audio_url です。
- HeartMuLa Transcribe の必須項目は audio_url です。
- どちらも未知のフィールドをそのまま拒否します。乗り換え前のパラメータが残っていると、黙って無視されるのではなく検証エラーとして返ります。
比較
乗り換えるとき
モデル識別子は xai/grok-stt/speech-to-text と heartmula/transcribe/speech-to-text で、いずれも同じリクエストの同じフィールドに入れます。
実行方式は同じです。タスクを送信し、ポーリングするかコールバックを受け取ります。キューや再試行の作りはそのまま使えます。
送信と進捗確認の流れは共通ですが、必須入力はモデルごとに異なる場合があります。切り替える前に各モデルページを確認してください。
金鑰も残高も上限設定も 1 つです。どちらも同じアカウントに米ドルで請求され、金鑰ごとの 1 日・1 か月・累計の上限はどちらを呼んでも同じように効きます。
よくある質問
Grok STT と HeartMuLa Transcribe はどちらが安いですか？
Grok STT と HeartMuLa Transcribe はどちらが安いですか？
課金の刻みが両者で違うため、同条件で並べられる行がありません。Grok STT は $0.00003 / 出力秒数 から、HeartMuLa Transcribe は $0.05 / リクエスト数 からです。 送信前に必ず最新の見積りを確認してください。
1 回のリクエストはどれくらい走れますか？
1 タスクあたり Grok STT は 60 分、HeartMuLa Transcribe は 60 分までです。これは上限であって所要時間の目安ではなく、実際はもっと早く終わります。ただしクライアント側のタイムアウトはこの長さに耐えられる必要があります。