SpaceXAI: Grok STT 1.0
Grok STT 1.0 omdanner lyd til en transskription med tidsstempler på ordniveau. SpaceXAI dokumenterer valgfri taleropdeling og flerkanalslyd, hvilket gør modellen nyttig til optagelser, hvor der er brug for både den talte tekst og dens tids- eller talerstruktur.
Om modellen
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Grok STT 1.0 er SpaceXAIs tale-til-tekst-model. Den modtager lyd og returnerer en transskription med tidsstempler på ordniveau og valgfri taleropdeling. Den offentliggjorte profil understøtter også flerkanalslyd. Det nyttige output er det talte indhold knyttet til tidsangivelser og, når det ønskes, til talerne i en optagelse.
Forbered optagelsen og transskriptionsopgaven
Angiv den optagelse, der skal transskriberes, og hvordan resultatet skal bruges. En mødeudskrift kræver rækkefølgen af indlæg; et interview kan kræve talermarkører; en redigeringsopgave kræver, at ord knyttes til deres placering i lyden. Bevar kildeoptagelsen og dens identifikator, så en reviewer kan vende tilbage til den oprindelige passage, hvis et ord eller en talertildeling er usikker.
Brug den faktiske optagelse frem for en omskrevet beskrivelse af dens indhold. Bevar kanalstrukturen, når du klargør lyd fra en flerkanalskilde. Denne struktur og taleropdeling beskriver forskellige dele af opgaven: kanaler tilhører optagelsen, mens taleropdeling identificerer talerskift i transskriptionen.
Tidsangivelser og talerstruktur
Tidsstempler på ordniveau forbinder de transskriberede ord med optagelsen. De hjælper med at finde et citat, gennemgå en vanskelig formulering eller forberede et senere undertekst- eller redigeringstrin. Bevar tidsstemplerne sammen med ordene, når transskriptionen eksporteres eller omformes, og kontrollér vigtige passager mod lyden.
Valgfri taleropdeling tilføjer talerstruktur. Gennemgå overgange, afbrydelser og stemmer, der lyder ens, før du baserer et endeligt dokument på de tildelte markører. Brug stabile talermarkører i efterfølgende noter, og hold en eventuel senere identifikation af en person adskilt fra modellens gruppering af talere.
Brug transskriptionen som kildemateriale
En transskription kan indgå i et resumé, et søgbart referat eller en arbejdsgang til forberedelse af undertekster. Disse senere artefakter bør bevare det relevante transskriptionsudsnit og kildens tidsangivelser. Ved et citat skal du gennemgå den præcise lydpassage; ved et mødereferat skal du skelne mellem det, der blev sagt, og de konklusioner, der drages af det. Modellen producerer transskriptionen, mens formatering, sammenfatning og offentliggørelse tager udgangspunkt i dette faktiske resultat.
Ailoot Ultra · Transskription POST /v1/audio/transcriptions x-ai/grok-stt-1.0
x-ai/grok-stt-1.0Start
Grok STT 1.0 omdanner lyd til en transskription med tidsstempler på ordniveau. SpaceXAI dokumenterer valgfri taleropdeling og flerkanalslyd, hvilket gør modellen nyttig til optagelser, hvor der er brug for både den talte tekst og dens tids- eller talerstruktur.
- Accepterede input
- Lyd
- Resultater
- Tekst
Tilgængelig i Ailoot · input og metoder
Ailoot Ultra · Transskription POST /v1/audio/transcriptions
- Inputtyper
audio- Outputtyper
text
| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser x-ai/grok-stt-1.0 | Standard— |
Feltinput_audio | Typeobject | KravPåkrævet | Værdier og grænser | Standard— |
Feltlanguage | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Felttemperature | Typenumber | KravValgfrit | Værdier og grænser Minimum: 0 Maksimum: 1 | Standard— |
Feltresponse_format | Typestring | KravValgfrit | Værdier og grænser json, verbose_json | Standardjson |
Felttimestamp_granularities | Typearray | KravValgfrit | Værdier og grænser | Standard— |
Feltprovider | Typeobject | KravValgfrit | Værdier og grænser | Standard— |
Metodeparametre og livscyklus
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, input_audio |
Parametermaterial_types | Kontraktaudio |
Parametermaterial_conditions | KontraktLæs en faktisk WAV-fil, og kod dens reelle bytes til det angivne JSON input_audio; der annonceres ingen multipart-rute for denne præcise specifikation, som kun bruger JSON. |
Livscyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · det faktisk returnerede task_id eller posten i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Priser
Sådan beregnes det endelige beløb
De viste satser bruges til at anslå omkostningen før genereringen. Det endelige beløb beregnes ud fra den registrerede omkostning for den oprindelige generering. Den målte varighed af outputtet og de anslåede mængder er ikke den endelige fakturerbare mængde.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
- Hurtig tilstand
- Ikke angivet Når hurtig tilstand er valgt
- flex-tilstand
- Ikke angivet Når flex-tilstanden er valgt
- Maksimal ræsonneringsindsats
- Ikke angivet Når default-justeringen anvendes ved maksimal ræsonneringsindsats
Estimerede takster til sammenligning
Priser efter konfiguration
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Forventet mængde | Afregningsenhed | Beløb |
|---|---|---|---|---|
| KonfigurationGrundpriser for tokens | TakstplanGrundtakst | Forventet mængde— | Afregningsenhed— | Beløb Input · Inputtokens · Estimat kun til sammenligning — / 1K tokens Output · Outputtokens · Estimat kun til sammenligning — / 1K tokens Input · Cachelæsning · Estimat kun til sammenligning — / 1K tokens Input · Cacheskrivning · Estimat kun til sammenligning — / 1K tokens Input · Cacheskrivning, 1 time · Estimat kun til sammenligning — / 1K tokens |
| Konfigurationsekund inputlyd | Takstplan— | Forventet mængde— | Afregningsenhedpr. sekund lydinput | Beløb Input · sekund inputlyd · Estimat kun til sammenligning $0.0000555555555556 pr. sekund lydinput |
| KonfigurationAnslået genereringsomkostning | Takstplan— | Forventet mængdeestimat for én generering | Afregningsenhed— | Beløb Output · Anslået genereringsomkostning · Estimat kun til sammenligning $0.0000555555555556 estimat før generering Dette estimat er hverken et ekstra gebyr eller en fast pris for den færdige generering. |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
Eksempelanmodninger
Ailoot Ultra · Transskription
set -eu
: "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.
Hent og gem resultater
Ailoot Ultra · Transskription
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Læsning af andet indhold
set -eu
: "${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.
Behold alle færdige resultater
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Gem hele svaret og alle headere, alle faktisk returnerede output, de oprindeligt returnerede identifikatorer og alle felter med forbrugsdata. Gendan den oprindelige operation uden at sende oprettelsesanmodningen igen.
Hvis det oprindelige svar skal kontrolleres
Gem det returnerede X-Client-Request-ID til afstemning. Brug kun faktisk returnerede task_id/asset_id-værdier eller dit eget mediebibliotek til læseanmodninger; opbyg aldrig en opgave-URL ud fra operations-ID’et, og send aldrig oprettelsesanmodningen igen.
Svarfelter
| Felt | Type |
|---|---|
Felttext | Type |
Feltusage | Type |
Feltsegments[] | Type |
Feltwords[] | Type |
Feltspeaker fields | Type |
Felttimestamps | Type |
Aliaser
Modelaliaser
Ailoot Ultra x-ai/grok-stt-1.0
Aliaser for metodestier
Brug metodestierne vist ovenfor.
Relaterede kalder-ID’er
FAQ · SpaceXAI: Grok STT 1.0
- Hvilke input og resultater er tilgængelige?
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:audio→text- Hvilke felter bruger anmodningen?
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:model,input_audio,language,temperature,response_format,timestamp_granularities,provider- Hvilke grænser gælder?
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:temperature.minimum:0;temperature.maximum:1