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.
Obszar roboczy
Te przykłady napisano specjalnie dla tego endpointu. Podmień prompt i przykładowe adresy mediów na własne, dostępne materiały, a przed wysłaniem sprawdź aktualną wycenę i dostępność modelu.
- Brak próbki
split-channel-call 12-sekundowe nagranie stereo z kobietą na lewym kanale i mężczyzną na prawym, przepisane z włączonym multichannel. Każda strona wraca w osobnej linii; bez multichannel ten sam plik zwrócił tylko słowa kobiety.
- multichannel
- Brak próbki
names-with-keyterms Zapowiedź w lounge’u z dwoma wymyślonymi imionami, wysłana z oboma imionami jako kluczowymi terminami. Bez nich to samo nagranie wróciło jako „Xandrel” i „Corvessa”.
- Brak próbki
booking-numbers Wypowiedziane potwierdzenie rezerwacji z language ustawionym na en i włączonym text_normalization: cena i data wracają jako „$1,250” i „March 14” zamiast słów.
- en
- normalization
Ten przykład zaczyna się od $0.00003 za sekundę wyniku. Playground przelicza szacunek po każdej zmianie ustawień.