SpaceXAI: Grok STT 1.0
Grok STT 1.0 wandelt Audio in ein Transkript mit Zeitstempeln auf Wortebene um. SpaceXAI dokumentiert optionale Sprecherdiarisierung und Mehrkanal-Audio. Damit eignet sich das Modell für Aufnahmen, bei denen sowohl der gesprochene Text als auch seine zeitliche Zuordnung oder Sprecherstruktur benötigt werden.
Über das Modell
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Grok STT 1.0 ist das Spracherkennungsmodell von SpaceXAI. Es nimmt Audio entgegen und liefert eine Transkription mit Zeitstempeln auf Wortebene und optionaler Sprecherdiarisierung. Das veröffentlichte Profil unterstützt außerdem Mehrkanal-Audio. Das nutzbare Ergebnis ist der gesprochene Inhalt, verknüpft mit den Zeitpunkten und, sofern angefordert, den Sprechern einer Aufnahme.
Aufnahme und Transkriptionsaufgabe vorbereiten
Bestimmen Sie die zu transkribierende Aufnahme und den Verwendungszweck des Ergebnisses. Ein Besprechungstranskript benötigt die Abfolge der Wortbeiträge, ein Interview möglicherweise Sprecherkennzeichnungen und eine Schnittaufgabe die Zuordnung der Wörter zu ihren Positionen im Audio. Bewahren Sie die Originalaufnahme und ihre Kennung auf, damit Prüfer bei einem unklaren Wort oder einer unsicheren Sprecherzuordnung zur ursprünglichen Passage zurückkehren können.
Verwenden Sie die tatsächliche Aufnahme statt einer umformulierten Darstellung ihres Inhalts. Bewahren Sie bei einer Mehrkanalquelle die Kanalstruktur während der Audiovorbereitung. Kanalstruktur und Sprecherdiarisierung beschreiben unterschiedliche Aspekte: Kanäle gehören zur Aufnahme, während die Diarisierung Sprecherwechsel im Transkript identifiziert.
Zeitliche Zuordnung und Sprecherstruktur
Zeitstempel auf Wortebene verknüpfen transkribierte Wörter mit der Aufnahme. Sie helfen dabei, ein Zitat zu finden, eine schwierige Formulierung zu prüfen oder einen späteren Untertitel- oder Schnittschritt vorzubereiten. Behalten Sie beim Exportieren oder Umwandeln des Transkripts die Zeitstempel bei den Wörtern und prüfen Sie wichtige Passagen anhand des Audios.
Die optionale Diarisierung ergänzt eine Sprecherstruktur. Prüfen Sie Übergänge, Unterbrechungen und ähnlich klingende Stimmen, bevor Sie sich in einem endgültigen Dokument auf die zugewiesenen Kennzeichnungen verlassen. Verwenden Sie in nachgelagerten Notizen stabile Sprecherkennzeichnungen und halten Sie eine spätere Identifizierung einer Person von der Sprechergruppierung des Modells getrennt.
Transkription als Quellmaterial verwenden
Ein Transkript kann als Grundlage für eine Zusammenfassung, einen durchsuchbaren Datensatz oder einen Workflow zur Untertitelvorbereitung dienen. Diese späteren Artefakte sollten den relevanten Transkriptausschnitt und seine Zeitangaben aus der Quelle bewahren. Hören Sie für ein Zitat die genaue Audiopassage ab; unterscheiden Sie bei einer Besprechungsnotiz zwischen dem Gesagten und daraus gezogenen Schlussfolgerungen. Das Modell erstellt die Transkription; Formatierung, Zusammenfassung und Veröffentlichung bauen auf diesem tatsächlichen Ergebnis auf.
Ailoot Ultra · Transkription POST /v1/audio/transcriptions x-ai/grok-stt-1.0
x-ai/grok-stt-1.0Start
Grok STT 1.0 wandelt Audio in ein Transkript mit Zeitstempeln auf Wortebene um. SpaceXAI dokumentiert optionale Sprecherdiarisierung und Mehrkanal-Audio. Damit eignet sich das Modell für Aufnahmen, bei denen sowohl der gesprochene Text als auch seine zeitliche Zuordnung oder Sprecherstruktur benötigt werden.
- Zulässige Eingaben
- Audio
- Ergebnisse
- Text
In Ailoot verfügbar · Eingaben und Methoden
Ailoot Ultra · Transkription POST /v1/audio/transcriptions
- Eingabetypen
audio- Ausgabetypen
text
| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits x-ai/grok-stt-1.0 | Standard— |
Feldinput_audio | Typobject | AnforderungErforderlich | Werte und Limits | Standard— |
Feldlanguage | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Minimum: 0 Maximum: 1 | Standard— |
Feldresponse_format | Typstring | AnforderungOptional | Werte und Limits json, verbose_json | Standardjson |
Feldtimestamp_granularities | Typarray | AnforderungOptional | Werte und Limits | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits | Standard— |
Methodenparameter und Lebenszyklus
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, input_audio |
Parametermaterial_types | Vertragaudio |
Parametermaterial_conditions | VertragLesen Sie eine tatsächliche WAV-Datei ein und kodieren Sie ihre echten Bytes für das deklarierte JSON-Feld input_audio; für diese konkrete Deklaration ausschließlich mit JSON wird keine multipart-Route angeboten. |
Lebenszyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · die tatsächlich zurückgegebene task_id oder ein Eintrag in der Medienbibliothek
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Tarife
So wird die endgültige Gebühr berechnet
Die angezeigten Tarife dienen zur Kostenschätzung vor der Generierung. Der endgültige Betrag wird aus den für die ursprüngliche Generierung erfassten Kosten berechnet. Die gemessene Ausgabedauer und prognostizierte Mengen sind nicht die endgültige abrechenbare Menge.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
- Schnellmodus
- Nicht angegeben Wenn der Schnellmodus ausgewählt ist
- Flex-Modus
- Nicht angegeben Wenn der Modus flex ausgewählt ist
- Maximaler Denkaufwand
- Nicht angegeben Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird
Geschätzte Tarife zum Vergleich
Preise nach Konfiguration
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Prognostizierte Menge | Abrechnungseinheit | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Prognostizierte Menge— | Abrechnungseinheit— | Gebühr Eingabe · Eingabetoken · Schätzung nur zum Vergleich — / 1K Token Ausgabe · Ausgabetoken · Schätzung nur zum Vergleich — / 1K Token Eingabe · Cache-Lesen · Schätzung nur zum Vergleich — / 1K Token Eingabe · Cache-Schreiben · Schätzung nur zum Vergleich — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde · Schätzung nur zum Vergleich — / 1K Token |
| KonfigurationAudioeingabesekunde | Tarifstaffel— | Prognostizierte Menge— | Abrechnungseinheitpro Sekunde Eingabeaudio | Gebühr Eingabe · Audioeingabesekunde · Schätzung nur zum Vergleich $0.0000555555555556 pro Sekunde Eingabeaudio |
| KonfigurationGeschätzte Generierungskosten | Tarifstaffel— | Prognostizierte MengeSchätzung für eine Generierung | Abrechnungseinheit— | Gebühr Ausgabe · Geschätzte Generierungskosten · Schätzung nur zum Vergleich $0.0000555555555556 Schätzung vor der Generierung Diese Schätzung ist weder eine zusätzliche Gebühr noch ein fester Tarif für die abgeschlossene Generierung. |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
Beispielanfragen
Ailoot Ultra · Transkription
set -eu
: "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.
Ergebnisse abrufen und speichern
Ailoot Ultra · Transkription
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Abrufe anderer Inhalte
set -eu
: "${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.
Alle fertiggestellten Ergebnisse aufbewahren
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Die vollständige Antwort und ihre Header, jede tatsächliche Ausgabe, die ursprünglich zurückgegebenen Kennungen und alle Nutzungsfelder aufbewahren. Den ursprünglichen Vorgang wiederaufnehmen, ohne die Erstellung erneut anzufordern.
Wenn die ursprüngliche Antwort geprüft werden muss
Die zurückgegebene X-Client-Request-ID zum Abgleich aufbewahren. Nur tatsächlich zurückgegebene task_id-/asset_id-Werte oder die eigene Medienbibliothek abfragen; niemals eine Aufgaben-URL aus der Vorgangs-ID bilden und die Erstellung niemals erneut anfordern.
Antwortfelder
| Feld | Typ |
|---|---|
Feldtext | Typ |
Feldusage | Typ |
Feldsegments[] | Typ |
Feldwords[] | Typ |
Feldspeaker fields | Typ |
Feldtimestamps | Typ |
Aliasnamen
Modellaliasnamen
Ailoot Ultra x-ai/grok-stt-1.0
Aliasnamen für Methodenpfade
Verwenden Sie die oben angezeigten Methodenpfade.
Zugehörige Aufrufer-IDs
FAQ · SpaceXAI: Grok STT 1.0
- Welche Eingaben und Ergebnisse sind verfügbar?
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:audio→text- Welche Felder verwendet die Anfrage?
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:model,input_audio,language,temperature,response_format,timestamp_granularities,provider- Welche Grenzen gelten?
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:temperature.minimum:0;temperature.maximum:1