Porównania modeli
Grok STT czy HeartMuLa Transcribe, próg po progu: zestawione ceny, pola żądania, limity i zmierzona polityka treści.
Grok STT od xAI to zamiana mowy na tekst: wyślij adres URL nagrania, a dostaniesz transkrypcję jako tekst z czasami słów i wykrytym językiem. Obsługuje 25 języków, transkrypcje per kanał i podpowiedzi kluczowych terminów.
Zobacz Schema →Zobacz przykładowe wyniki →HeartMuLa Transcribe to wielojęzyczny endpoint speech-to-text dostrojony do śpiewanego wokalu: wyślij jeden adres URL audio i odbierz tekst piosenki. Brak opcji, a czasów wierszy, wartości pewności ani etykiet mówców nie zwraca.
Zobacz Schema →Porównaj
Zacznij od posiadanych materiałów, oczekiwanego wyniku i budżetu. Poniższe różnice pomagają wybrać model.
Porównaj opublikowane przykłady, a potem sprawdź oba modele na tym samym wejściu z porównywalnymi ustawieniami.
Aktualna cena
Cena wyjściowa odpowiada na inne pytanie niż to, które masz. Tutaj są progi publikowane przez oba modele, zestawione ustawienie po ustawieniu, w dolarach amerykańskich za jednostkę rozliczeniową i bez żadnego przelicznika po drodze.
Te dwa modele rozliczają się według innych progów, więc nie ma czego zestawiać. Zamiast tego poniżej są progi publikowane przez każdy z nich.
Grok STT: $0.00003 / sekund wyniku
HeartMuLa Transcribe: $0.05 / żądań
To arytmetyka na opublikowanych stawkach przy domyślnym ustawieniu każdego modelu, a nie wycena. Cenę twoich rzeczywistych ustawień konsola pokazuje, zanim żądanie zostanie przyjęte.
O tym porównaniu
Każdy wiersz czytamy z JSON Schema, według którego endpoint waliduje żądania, więc odpowiada temu, co API naprawdę przyjmie, a nie ręcznie pisanej liście funkcji.
Przesuń w poziomie, żeby porównać wszystkie pola.
| Ustawienia i limity | Grok STT | HeartMuLa Transcribe |
|---|---|---|
| Obsługiwane zadania | speech-to-text | speech-to-text |
| Wykonanie | Wysyłka, potem odpytywanie albo callback | Wysyłka, potem odpytywanie albo callback |
| Limit czasu żądania | 60 minut | 60 minut |
| Dostępność | Dostępny | Dostępny |
Czy mniej ograniczeń oznacza, że każde żądanie jest dozwolone?
Za tymi etykietami stoją dwa osobne fakty. Pierwszy dotyczy nas i brzmi: nic. Żadnego filtra treści po stronie platformy i żadnej flagi dojrzałości, którą trzeba by ustawiać w żądaniu. Drugi dotyczy zachowania samego modelu i to on różni te dwa.
Grok STT
Ten model deklaruje brak filtra treści. SpicyAPI przekazuje żądanie dalej, nie dokładając własnego skanowania po stronie platformy; obowiązki prawne i kwestia zgody pozostają po stronie klienta.
Uwaga o użyciu SpicyAPI nie dodaje filtra treści: mowa jest transkrybowana tak, jak została wypowiedziana, zamiast być maskowana lub odrzucana. Odpowiadasz za prawa do wysyłanego nagrania i za zgodę nagranych osób.
HeartMuLa Transcribe
Ten model deklaruje brak filtra treści. SpicyAPI przekazuje żądanie dalej, nie dokładając własnego skanowania po stronie platformy; obowiązki prawne i kwestia zgody pozostają po stronie klienta.
Uwaga o użyciu SpicyAPI nie dokłada filtra treści: dosadne linijki są przepisywane tak, jak je zaśpiewano, bez maskowania i bez odmowy. Prawa do nagrania źródłowego i do transkrypcji zostają po stronie wywołującego.
Zawęź wybór według tych kategorii, a następnie sprawdź dostępne przykłady i szczegóły testów treści na stronach modeli.
Etykieta nie zmienia twoich obowiązków. Wiek, zgoda, podobieństwo do realnych osób i prawo miejsca, w którym działasz, pozostają po twojej stronie; SpicyAPI nie bada treści każdego żądania.
Czy mogę podmienić samo ID modelu, nie ruszając ciała żądania?
Cykl życia zadania jest wspólny, ciało żądania już nie. Każdy endpoint publikuje własny JSON Schema i API waliduje właśnie według niego – to jest lista, którą trzeba uzgodnić przed zamianą.
Porównaj
Identyfikatory modeli to xai/grok-stt/speech-to-text i heartmula/transcribe/speech-to-text; oba wstawiasz w to samo pole tego samego żądania.
Oba działają tak samo: wysyłasz zadanie, a potem je odpytujesz albo odbierasz callback. Kolejka i logika ponowień zostają bez zmian.
Wysyłka i śledzenie działają tak samo, ale wymagane wejścia mogą się różnić. Zanim podmienisz model, sprawdź obie strony modeli.
Jeden klucz, jedno saldo, jeden komplet limitów wydatków. Oba obciążają to samo konto w dolarach amerykańskich, a dzienny, miesięczny i łączny limit klucza działa niezależnie od tego, który wywołasz.
Częste pytania
Oba rozliczają się według innych progów, więc nie ma wiersza do zestawienia: Grok STT zaczyna się od $0.00003 / sekund wyniku, a HeartMuLa Transcribe od $0.05 / żądań. Ceny mogą się zmieniać – przed wysłaniem sprawdź wycenę pokazaną dla twoich rzeczywistych ustawień.
Grok STT dopuszcza 60 minut na zadanie, a HeartMuLa Transcribe 60. To pułapy, a nie typowe czasy – większość żądań kończy się znacznie wcześniej – ale twój własny timeout klienta musi je wytrzymać.
Pokazane ceny i możliwości pochodzą z bieżącego publicznego katalogu modeli. Najnowsze wejścia i przykłady sprawdzisz na stronie każdego modelu.