Przejdź do treści głównej

Bez cenzury — 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.Zobacz wszystkie modele na tym poziomie filtrowania
xai/grok-stt/speech-to-text

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.

Od $0.00003/s
Uruchom model

Obszar roboczy

Wyślij żądanie

Szybki start

Przykłady korzystają z publicznych definicji parametrów wybranego endpointu. Podmień klucz API i przykładowe media, a potem wyślij żądanie ze swojego serwera.

SDK i integracje
POSThttps://api.spicyapi.ai/api/v1/jobs/createTask

Uwierzytelnianie API

Klucz API trzymaj w zmiennej środowiskowej serwera SPICY_API_KEY. Dla żądań JSON używaj uwierzytelniania Bearer i Content-Type: application/json.

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"

Wygenerowane ze schematu wejścia tego modelu – tego samego, względem którego API waliduje każde żądanie.

Parametry wejściowe

Te pola umieść w obiekcie input w ciele żądania. Nazwy i typy odpowiadają API. Gdy wartości domyślnej nie podano, nie zakładaj żadnej.

Ten model ma zależności między polami. Pola oznaczone jako wymagane warunkowo zależą od innych danych wejściowych; reguły znajdziesz w pełnym JSON Schema poniżej.

audio_urlstringWymagane

Nagranie do przepisania: przesłany plik MP3 lub WAV albo publiczny adres URL do MP3, WAV, M4A, FLAC, OGG, Opus, AAC, MP4 lub MKV. Od 1 sekundy do 2 godzin. Rozliczana jest długość tego nagrania.

Domyślnie
Nie określono
Ograniczenia
minLength:1
format:"uri"
contentMediaType:["audio/mpeg","audio/wav"]
multichannelbooleanOpcjonalne

Po włączeniu każdy kanał pliku wielokanałowego (do 8) jest przepisywany osobno i zwracany w osobnej linii, w kolejności kanałów. Używaj, gdy mówcy są nagrani na osobnych kanałach. Domyślnie wyłączone. Nie wpływa na cenę.

Domyślnie
false
filler_wordsbooleanOpcjonalne

Po włączeniu wtrącenia, takie jak um i uh, zostają w transkrypcji; przy wyłączeniu (domyślnie) są usuwane. Nie wpływa na cenę.

Domyślnie
false
keytermsarray<object>Opcjonalne

Do 100 słów lub krótkich wyrażeń (po 50 znaków), którym transkrypcja ma dawać pierwszeństwo — nazwy, marki, żargon. Nie wpływa na cenę.

Domyślnie
[]
Ograniczenia
maxItems:100
text_normalizationbooleanOpcjonalne

Po włączeniu wypowiedziane liczby, ceny, daty i jednostki są zapisywane cyframi — „$1,250” i „March 14” zamiast słów. Wymaga language. Domyślnie wyłączone. Nie wpływa na cenę.

Domyślnie
false
languagestringWymagane warunkowo

Język mowy jako kod języka. Zostaw puste, aby język był wykrywany automatycznie; mowa w każdym obsługiwanym języku jest przepisywana w obu przypadkach. Wymagane, gdy włączone jest text_normalization. Nie wpływa na cenę.

Domyślnie
Nie określono
Dozwolone wartości
"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"

Śledź zadanie

HTTP 202 oznacza, że zadanie zostało przyjęte, a nie ukończone. Zapisz zwrócone taskId i odpytuj właśnie to zadanie. Nie twórz kolejnego zadania, czekając na jego wynik.

Odpowiedź o przyjęciu
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"
  }
}

Odpowiedź o przyjęciu zawiera szacunek, dzięki czemu twoja aplikacja pokaże tę samą kwotę w historii zadań i w rozliczeniach.

Odczytaj zadanie
curl --get "https://api.spicyapi.ai/api/v1/jobs/recordInfo" \
  --data-urlencode "taskId=$TASK_ID" \
  -H "Authorization: Bearer $SPICY_API_KEY"

Zacznij odpytywać mniej więcej co 2 sekundy i stopniowo wydłużaj odstęp. Zatrzymaj się na stanie końcowym. Po zerwaniu połączenia odpytaj pierwotne taskId. Tworzenie ponawiaj wyłącznie z pierwotnym kluczem idempotentności i pierwotnym ciałem żądania.

Albo odbierz wynik przez callback
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);
});

Podaj callBackUrl przy tworzeniu zadania, a gotowy rekord przyjdzie do ciebie metodą POST – bez żadnej pętli odpytywania. Każda dostawa niesie X-Webhook-Timestamp, X-Webhook-Signature i X-Webhook-Payload-Version. Podpis to HMAC-SHA256 w base64 z taskId.timestamp.sha256(body), więc trzeba go sprawdzać na surowych bajtach: sparsowanie JSON-a i ponowne zserializowanie zmienia je i weryfikacja się nie powiedzie. Nieudane dostawy są ponawiane, więc to samo taskId może przyjść dwa razy – zrób obsługę idempotentną. Najpierw odpowiedz kodem 2xx, a pracę wykonaj potem; wolna obsługa jest traktowana jak nieudana dostawa.

Odczytaj wynik

Wynik wykorzystuj dopiero przy stanie succeeded. Przy niepowodzeniu skorzystaj z errorCode, errorMessage i request_id. Przykładowe koszty i stany nie odpowiadają rzeczywistemu rozliczeniu.

Przykład odpowiedzi po zakończeniu
{
  "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"
  }
}

Każdy dostępny materiał otwieraj lub pobieraj bezpośrednio spod assets[].url, bez nagłówka Authorization. Podpisany adres wygasa o expiresAt; odpytaj zadanie ponownie, żeby go odświeżyć, dopóki materiał mieści się w okresie przechowywania. Materiał oczekujący lub niedostępny nie ma adresu. Podpisane adresy traktuj jako prywatne.

SDK i integracje

Korzystaj ze SpicyAPI w aplikacji, terminalu, asystencie AI lub wizualnym przepływie pracy. Wybierz instrukcję konfiguracji.

SDKs
TypeScript · Python · Go · PHP · Java
CLI
Polecenia terminala i skrypty automatyzacji.
MCP
Claude Code · Cursor · Codex
Agent Skill
Instrukcje wielokrotnego użytku dla asystenta AI.
n8n
Węzły społecznościowe dla instalacji self-hosted i szablony HTTP Request do importu w n8n Cloud.
ComfyUI
Przepływy obrazów, wideo i dźwięku na płótnie węzłów.

Więcej integracji

SillyTavernTelegram / DiscordApp proxyOpenAI SDKLangChainVercel AI SDK
Przeglądaj gotowe przepływy pracy

Użyj w ComfyUI

Zainstaluj węzły SpicyAPI przez ComfyUI Manager albo poleceniem poniżej, a potem wyszukaj na płótnie Grok STT · Speech to Text. Węzeł ma te same opcje co ta strona i pokazuje cenę, zanim ruszy.

cd ComfyUI/custom_nodes
git clone https://github.com/spicyapi-ai/comfyui-spicyapi
Przykładowe workflowyPoradnik konfiguracjiKod źródłowy na GitHubie