O Grok STT é o speech-to-text da xAI: envie a URL de um áudio e receba a transcrição em texto, com tempos por palavra e o idioma detectado. Cobre 25 idiomas, com transcrição por canal e dicas de termos-chave.
Playground
Estes exemplos foram escritos para este endpoint. Substitua o prompt e as URLs de mídia de exemplo por suas próprias entradas acessíveis. Antes de enviar, confira a estimativa atual e a disponibilidade do modelo.
- Ainda sem resultado
split-channel-call Uma gravação estéreo de 12 segundos com uma mulher no canal esquerdo e um homem no direito, transcrita com multichannel ativado. Cada lado volta na própria linha; sem multichannel, o mesmo arquivo devolveu só as palavras da mulher.
- multichannel
- Ainda sem resultado
names-with-keyterms Um anúncio de lounge com dois nomes inventados, enviado com os dois nomes como termos-chave. Sem eles, o mesmo áudio voltou como "Xandrel" e "Corvessa".
- Ainda sem resultado
booking-numbers Uma confirmação de reserva falada com language em en e text_normalization ativado: o preço e a data voltam como "$1,250" e "March 14" em vez de palavras.
- en
- normalization
Este exemplo começa em $0.00003 por segundo de saída. O Playground recalcula a estimativa sempre que você muda as configurações.