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
プレイグラウンド
この実行例は、このエンドポイント向けに書き下ろしたものです。プロンプトとサンプル素材の URL は、ご自身がアクセスできるものに差し替えてください。送信前に、最新の見積もりとモデルの提供状況もあわせてご確認ください。
- サンプル出力はまだありません
split-channel-call 左チャンネルに女性、右チャンネルに男性が入った 12 秒のステレオ録音を、multichannel をオンにして書き起こしました。双方がそれぞれ 1 行で返ります。multichannel をオフにすると、同じファイルから女性の言葉だけが返りました。
- multichannel
- サンプル出力はまだありません
names-with-keyterms 造語の名前が 2 つ入ったラウンジのアナウンスを、両方の名前をキーワードにして送りました。キーワードなしでは同じ音声が「Xandrel」「Corvessa」として返りました。
- サンプル出力はまだありません
booking-numbers 話し言葉の予約確認を language を en、text_normalization をオンにして書き起こしました。価格と日付が言葉ではなく「$1,250」「March 14」で返ります。
- en
- normalization
この例は 出力秒 あたり $0.00003 からです。設定を変更すると、プレイグラウンドの概算料金がその場で更新されます。