本文へスキップ

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。このフィルタリング水準のモデルを一覧で見る
xai/grok-stt/speech-to-text

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。

最低価格 $0.00003/秒
モデルを実行

プレイグラウンド

リクエストを送信

クイックスタート

例は、選択中のエンドポイントの公開パラメーター定義から作っています。API キーとサンプル素材を差し替えて、ご自身のサーバーから送信してください。

SDK・連携
POSThttps://api.spicyapi.ai/api/v1/jobs/createTask

API 認証

API キーはサーバーの環境変数 SPICY_API_KEY に保存します。Bearer 認証を使用し、JSON リクエストには Content-Type: application/json を指定してください。

Authorization: Bearer $SPICY_API_KEY
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
  -H "Authorization: Bearer $SPICY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
  -d '{
  "model": "xai/grok-stt/speech-to-text",
  "input": {
    "audio_url": "https://example.com/reference.mp3"
  }
}'

# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
  -H "Authorization: Bearer $SPICY_API_KEY"

このモデルの入力スキーマから生成した例です。API はどのリクエストも、同じスキーマで検証します。

入力パラメーター

これらのフィールドは、リクエスト本文の input オブジェクトに指定します。名前と型は API と一致します。デフォルト値の指定がない項目に、デフォルト値があると想定しないでください。

このモデルには項目どうしの依存関係があります。「条件付きで必須」の項目は、ほかの入力の内容によって必須になります。詳しい条件は、下の JSON Schema で確認してください。

audio_urlstring必須

書き起こす音声です。アップロードした MP3 か WAV、または MP3、WAV、M4A、FLAC、OGG、Opus、AAC、MP4、MKV の公開 URL を指定します。1 秒〜2 時間。この音声の長さが課金対象です。

デフォルト値
指定なし
制約
minLength:1
format:"uri"
contentMediaType:["audio/mpeg","audio/wav"]
multichannelboolean任意

オンにすると、マルチチャンネルのファイル(最大 8 チャンネル)をチャンネルごとに別々に書き起こし、チャンネル順に 1 行ずつ返します。話者が別々のチャンネルに録音されているときに使います。既定はオフです。料金には影響しません。

デフォルト値
false
filler_wordsboolean任意

オンにすると um や uh などのフィラーを書き起こしに残します。オフ(既定)では取り除きます。料金には影響しません。

デフォルト値
false
keytermsarray<object>任意

書き起こしで優先させたい単語や短いフレーズを最大 100 個(各 50 文字まで)指定します。名前、ブランド名、専門用語向けです。料金には影響しません。

デフォルト値
[]
制約
maxItems:100
text_normalizationboolean任意

オンにすると、話された数字、価格、日付、単位を算用数字で書きます(言葉ではなく「$1,250」「March 14」)。language が必要です。既定はオフ。料金には影響しません。

デフォルト値
false
languagestring条件付きで必須

話されている言語の言語コードです。空にすると自動判定され、どちらの場合も対応言語の発話は書き起こされます。text_normalization がオンのときは必須です。料金には影響しません。

デフォルト値
指定なし
使用可能な値
"ar""cs""da""nl""en""fil""fr""de""hi""id""it""ja""ko""mk""ms""fa""pl""pt""ro""ru""es""sv""th""tr""vi"

タスクを追跡

HTTP 202 はタスクを受け付けたという意味で、生成が終わったという意味ではありません。返ってきた taskId を保存し、そのタスクの状態を問い合わせてください。結果を待っている間に、同じ内容でタスクを作り直さないでください。

受理レスポンス
HTTP/1.1 202 Accepted
Location: /api/v1/jobs/recordInfo?taskId=job_01k3m8x9q2z4v7n5p6r8s0t1w3

{
  "code": 200,
  "msg": "success",
  "request_id": "req_example_create",
  "data": {
    "taskId": "job_01k3m8x9q2z4v7n5p6r8s0t1w3",
    "state": "queued",
    "estimatedCost": "0.750000"
  }
}

受理レスポンスには今回の概算料金が含まれるため、アプリのタスク履歴と請求画面に同じ金額を表示できます。

タスクを取得する
curl --get "https://api.spicyapi.ai/api/v1/jobs/recordInfo" \
  --data-urlencode "taskId=$TASK_ID" \
  -H "Authorization: Bearer $SPICY_API_KEY"

ポーリングは約 2 秒間隔から始め、徐々に間隔を延ばします。終了状態になったら止めてください。通信が切れたときも、元の taskId で状態を確認します。作成をやり直すときは、同じ冪等キーと同じ本文をそのまま使い回してください。

あるいは、コールバックに知らせてもらう
import { verifyWebhook } from "@spicyapi/sdk";

// express.raw keeps the bytes we signed; express.json never matches.
app.post("/hooks/spicy", express.raw({ type: "application/json" }), (req, res) => {
  const { payload } = verifyWebhook({
    rawBody: req.body,
    timestamp: req.header("X-Webhook-Timestamp"),
    signature: req.header("X-Webhook-Signature"),
    payloadVersion: Number(req.header("X-Webhook-Payload-Version")),
    secret: process.env.SPICY_WEBHOOK_SECRET,
  });
  res.status(200).end();
  void handleFinishedTask(payload);
});

タスク作成時に callBackUrl を渡せば、完了したレコードが POST で届きます——ポーリングは一切不要です。配信には毎回 X-Webhook-Timestamp、X-Webhook-Signature、X-Webhook-Payload-Version が付きます。署名は taskId.timestamp.sha256(body) に対する HMAC-SHA256（base64）なので、生のバイト列で検証してください。JSON を解析して再度文字列化するとバイト列が変わり、検証は必ず失敗します。失敗した配信は再送されるため同じ taskId が二度届くことがあります。ハンドラーは冪等に。まず 2xx を返し、処理はその後で——応答が遅いと配信失敗として扱われます。

結果を取得

output を読むのは、state が succeeded のときだけにしてください。失敗したときは errorCode、errorMessage、request_id を手がかりに調べます。例に出ている料金や状態は、実際の請求ではありません。

完了レスポンスの例
{
  "code": 200,
  "msg": "success",
  "request_id": "req_example_record",
  "data": {
    "taskId": "job_01k3m8x9q2z4v7n5p6r8s0t1w3",
    "model": "xai/grok-stt/speech-to-text",
    "state": "succeeded",
    "output": {
      "text": "…"
    },
    "cost": "0.750000",
    "settled": true,
    "createdAt": "2026-08-28T12:00:00Z",
    "completedAt": "2026-08-28T12:00:30Z"
  }
}

利用可能なファイルは assets[].url からそのまま開くか、ダウンロードできます。API の Authorization ヘッダーは不要です。署名付き URL は expiresAt で失効しますが、保存期間内であればタスクを再取得することで更新できます。処理中または利用できないファイルに URL はありません。署名付き URL は非公開情報として扱ってください。

SDK・連携

アプリ、ターミナル、AI アシスタント、ビジュアルワークフローで SpicyAPI を活用。接続ガイドを選んでください。

SDKs
TypeScript · Python · Go · PHP · Java
CLI
ターミナルコマンドと自動化スクリプト。
MCP
Claude Code · Cursor · Codex
Agent Skill
AI アシスタントで再利用できる手順。
n8n
セルフホスト版のコミュニティノードと、n8n Cloud にインポートできる HTTP Request テンプレート。
ComfyUI
ノードで組み立てる画像・動画・音声ワークフロー。

その他の連携

SillyTavernTelegram / DiscordApp proxyOpenAI SDKLangChainVercel AI SDK
すぐ使えるワークフローを見る

ComfyUI で使う

ComfyUI Manager か下のコマンドで SpicyAPI ノードをインストールしたら、キャンバスで Grok STT · Speech to Text を検索してください。このノードにはこのページと同じオプションがあり、実行前に価格が表示されます。

cd ComfyUI/custom_nodes
git clone https://github.com/spicyapi-ai/comfyui-spicyapi
ワークフロー例セットアップガイドGitHub のソース