SpaceXAI: Grok STT 1.0

Grok STT 1.0 převádí zvuk na přepis s časovými značkami jednotlivých slov. SpaceXAI uvádí volitelnou diarizaci mluvčích a vícekanálový zvuk, takže se model hodí pro nahrávky, u nichž je potřeba mluvený text spolu s časováním nebo rozlišením mluvčích.

Ailoot Ultra · Přepis řeči POST /v1/audio/transcriptions x-ai/grok-stt-1.0

O modelu

Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.

Grok STT 1.0 je model společnosti SpaceXAI pro převod řeči na text. Přijímá zvuk a vrací přepis s časovými značkami jednotlivých slov a volitelnou diarizací mluvčích. Zveřejněný profil podporuje také vícekanálový zvuk. Jeho užitečným výstupem je mluvený obsah propojený s časováním a na vyžádání také s mluvčími v nahrávce.

Připravte nahrávku a zadání přepisu

Určete nahrávku k přepisu a způsob využití výsledku. Přepis schůzky potřebuje posloupnost promluv; rozhovor může vyžadovat označení mluvčích; úloha střihu potřebuje slova propojená s jejich pozicemi ve zvuku. Zachovejte zdrojovou nahrávku a její identifikátor, aby se mohl hodnotitel při nejistotě ohledně slova nebo přiřazení mluvčího vrátit k původní pasáži.

Použijte skutečnou nahrávku, nikoli přeformulované vyprávění o jejím obsahu. U vícekanálového zdroje zachovejte při přípravě zvuku jeho strukturu kanálů. Tato struktura a diarizace mluvčích popisují různé části úlohy: kanály patří k nahrávce, zatímco diarizace rozpoznává střídání mluvčích v přepisu.

Časování a rozlišení mluvčích

Časové značky jednotlivých slov propojují přepsaná slova s nahrávkou. Pomáhají najít citaci, zkontrolovat obtížnou frázi nebo připravit pozdější titulkování či střih. Při exportu nebo transformaci přepisu zachovejte časové značky u slov a důležité pasáže porovnejte se zvukem.

Volitelná diarizace doplňuje rozlišení mluvčích. Než se v konečném dokumentu spolehnete na přiřazená označení, zkontrolujte přechody, přerušování a podobně znějící hlasy. V navazujících poznámkách používejte stálá označení mluvčích a případné pozdější určení totožnosti osoby oddělte od seskupování mluvčích provedeného modelem.

Použijte přepis jako zdrojový materiál

Přepis může být vstupem pro shrnutí, prohledávatelný záznam nebo postup přípravy titulků. Tyto navazující artefakty by měly zachovat příslušný úsek přepisu a časování ve zdroji. U citace zkontrolujte přesnou zvukovou pasáž; u zápisu ze schůzky rozlišujte, co zaznělo, a jaké závěry z toho byly vyvozeny. Model vytváří přepis, zatímco formátování, shrnutí a publikace vycházejí z tohoto skutečného výsledku.

Ailoot Ultra · Přepis řeči POST /v1/audio/transcriptions x-ai/grok-stt-1.0

x-ai/grok-stt-1.0

SpaceXAI /x-ai/grok-stt-1.0

Úvod

Přijímané vstupy: Zvuk
Výsledky: Text

Dostupné v Ailoot · vstupy a metody

Ailoot Ultra · Přepis řeči POST /v1/audio/transcriptions

Vstup: audio
Výstup: text

Pole	Typ	Požadavek	Hodnoty a limity	Výchozí
Pole`model`	Typ`string`	PožadavekPovinné	Hodnoty a limity x-ai/grok-stt-1.0	Výchozí—
Pole`input_audio`	Typ`object`	PožadavekPovinné	Hodnoty a limity	Výchozí—
Pole`language`	Typ`string`	PožadavekVolitelné	Hodnoty a limity	Výchozí—
Pole`temperature`	Typ`number`	PožadavekVolitelné	Hodnoty a limity Minimum: 0 Maximum: 1	Výchozí—
Pole`response_format`	Typ`string`	PožadavekVolitelné	Hodnoty a limity json, verbose_json	Výchozíjson
Pole`timestamp_granularities`	Typ`array`	PožadavekVolitelné	Hodnoty a limity	Výchozí—
Pole`provider`	Typ`object`	PožadavekVolitelné	Hodnoty a limity	Výchozí—

Parametry a životní cyklus metody

Parametr	Kontrakt
Parametr`content_type`	Kontraktapplication/json
Parametr`required`	Kontraktmodel, input_audio
Parametr`material_types`	Kontraktaudio
Parametr`material_conditions`	KontraktNačtěte skutečný soubor WAV a zakódujte jeho skutečné bajty pro deklarovaný vstup JSON input_audio; pro tuto přesnou deklaraci omezenou na JSON se nenabízí žádná trasa multipart.

Životní cyklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · skutečně vrácené task_id nebo záznam v knihovně médií

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Tarify

Jak se vypočítá konečný poplatek

Zobrazené sazby slouží k odhadu ceny před generováním. Konečný poplatek se vypočítá z nákladů zaznamenaných u původního generování. Naměřená délka výstupu ani odhadovaná množství nejsou konečným účtovaným množstvím.

Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.

Rychlý režim: Neuvedeno Při výběru rychlého režimu
Režim flex: Neuvedeno Při výběru režimu flex
Maximální intenzita uvažování: Neuvedeno Když se při maximální intenzitě uvažování použije výchozí úprava (default)

Odhadované sazby pro srovnání

Ceny podle konfigurace

Přiřaďte každý poplatek k uvedeným podmínkám. Pro každou sadu alternativních konfigurací použijte jednu sazbu.

Konfigurace	Tabulka sazeb	Předpokládané množství	Účtovací jednotka	Poplatek
KonfiguraceZákladní sazby za tokeny	Tabulka sazebZákladní sazba	Předpokládané množství—	Účtovací jednotka—	Poplatek Vstup · Vstupní tokeny · Odhad pouze pro srovnání — / 1K tokenů Výstup · Výstupní tokeny · Odhad pouze pro srovnání — / 1K tokenů Vstup · Čtení z mezipaměti · Odhad pouze pro srovnání — / 1K tokenů Vstup · Zápis do mezipaměti · Odhad pouze pro srovnání — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina · Odhad pouze pro srovnání — / 1K tokenů
Konfiguracesekunda vstupního zvuku	Tabulka sazeb—	Předpokládané množství—	Účtovací jednotkaza sekundu vstupního zvuku	Poplatek Vstup · sekunda vstupního zvuku · Odhad pouze pro srovnání $0.0000555555555556 za sekundu vstupního zvuku
KonfiguraceOdhadovaná cena generování	Tabulka sazeb—	Předpokládané množstvíodhad pro jedno generování	Účtovací jednotka—	Poplatek Výstup · Odhadovaná cena generování · Odhad pouze pro srovnání $0.0000555555555556 odhad před generováním Tento odhad není dodatečným poplatkem ani pevnou sazbou za dokončené generování.

Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →

Příklady požadavků

Ailoot Ultra · Přepis řeči

curl · přesné nativní tělo požadavku a úplný výsledek

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
import base64
audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')
if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')
request={'model': 'x-ai/grok-stt-1.0', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}
request['input_audio']['data']=base64.b64encode(audio).decode('ascii')
Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.

Přijímání a ukládání výsledků

Ailoot Ultra · Přepis řeči

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

Další načtení obsahu

Načíst existující soubory, které vám patří

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json
# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.

Uchovejte všechny dokončené výsledky

Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.

Uchovejte úplnou odpověď a hlavičky, všechny skutečné výstupy, původní vrácené identifikátory a všechna pole s údaji o využití. Obnovte původní operaci bez opětovného odeslání požadavku na vytvoření.

Pokud je nutné ověřit původní odpověď

Uchovejte vrácené X-Client-Request-ID pro spárování záznamů. Načítejte pouze skutečně vrácené hodnoty task_id/asset_id nebo vlastní knihovnu médií; nikdy nevytvářejte URL úlohy z ID operace a nikdy znovu neodesílejte požadavek na vytvoření.

Pole odpovědi

Pole	Typ
Pole`text`	Typ
Pole`usage`	Typ
Pole`segments[]`	Typ
Pole`words[]`	Typ
Pole`speaker fields`	Typ
Pole`timestamps`	Typ

Aliasy

Aliasy modelu

Ailoot Ultra x-ai/grok-stt-1.0

Aliasy cest metod

Použijte cesty metod uvedené výše.

Související ID modelů

x-ai/grok-stt-1.0

FAQ · SpaceXAI: Grok STT 1.0

Jaké vstupy a výsledky jsou dostupné?: POST /v1/audio/transcriptions · x-ai/grok-stt-1.0: audio → text
Jaká pole požadavek používá?: POST /v1/audio/transcriptions · x-ai/grok-stt-1.0: model, input_audio, language, temperature, response_format, timestamp_granularities, provider
Jaké limity platí?: POST /v1/audio/transcriptions · x-ai/grok-stt-1.0: temperature.minimum: 0; temperature.maximum: 1

SpaceXAI: Grok STT 1.0