Grok STT от xAI — speech-to-text: отправьте ссылку на аудио и получите расшифровку текстом, тайминги по словам и определённый язык. 25 языков, расшифровка по каналам и подсказки с ключевыми терминами.
Рабочая область
Примеры написаны специально для этого эндпоинта. Подставьте свой промпт и свои ссылки на медиа — те, что открываются по публичному URL. Перед отправкой проверьте актуальную стоимость и доступность модели.
- Примера результата пока нет
split-channel-call 12-секундная стереозапись с женщиной на левом канале и мужчиной на правом, расшифрованная с включённым multichannel. Каждая сторона возвращается своей строкой; без multichannel тот же файл вернул только слова женщины.
- multichannel
- Примера результата пока нет
names-with-keyterms Объявление в лаунже с двумя выдуманными именами, отправленное с обоими именами в ключевых терминах. Без них то же аудио вернулось как «Xandrel» и «Corvessa».
- Примера результата пока нет
booking-numbers Произнесённое подтверждение бронирования с language en и включённым text_normalization: цена и дата возвращаются как «$1,250» и «March 14», а не словами.
- en
- normalization
Стоимость этого примера начинается от $0.00003 за секунда результата. При изменении настроек Песочница пересчитывает оценку.