SpaceXAI: Grok STT 1.0
Grok STT 1.0 convierte audio en una transcripción con marcas de tiempo por palabra. SpaceXAI documenta diarización opcional de hablantes y audio multicanal, lo que hace al modelo útil para grabaciones que necesitan tanto el texto hablado como su distribución temporal o por hablante.
Sobre el modelo
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Grok STT 1.0 es el modelo de voz a texto de SpaceXAI. Recibe audio y devuelve una transcripción con marcas de tiempo por palabra y diarización opcional de hablantes. El perfil publicado también admite audio multicanal. Su resultado útil es el contenido hablado vinculado con los tiempos y, cuando se solicita, con los hablantes de una grabación.
Prepara la grabación y la tarea de transcripción
Identifica la grabación que se va a transcribir y cómo se utilizará el resultado. La transcripción de una reunión necesita la secuencia de intervenciones; una entrevista puede necesitar etiquetas de hablante; una tarea de edición necesita las palabras vinculadas con sus posiciones en el audio. Conserva la grabación original y su identificador para que quien revise el resultado pueda volver al pasaje original cuando haya dudas sobre una palabra o la asignación de un hablante.
Usa la grabación real en lugar de un relato reformulado de su contenido. Si la fuente es multicanal, conserva su estructura de canales al preparar el audio. Esa estructura y la diarización de hablantes describen partes distintas de la tarea: los canales pertenecen a la grabación, mientras que la diarización identifica los turnos de los hablantes en la transcripción.
Tiempos y estructura de hablantes
Las marcas de tiempo por palabra vinculan las palabras transcritas con la grabación. Ayudan a localizar una cita, revisar una frase difícil o preparar después subtítulos o una edición. Conserva las marcas de tiempo junto con las palabras al exportar o transformar la transcripción, y coteja los pasajes importantes con el audio.
La diarización opcional añade la estructura de hablantes. Revisa las transiciones, las interrupciones y las voces parecidas antes de confiar en las etiquetas asignadas para un documento definitivo. Usa etiquetas de hablante estables en las notas posteriores y mantén cualquier identificación posterior de una persona separada de la agrupación de hablantes del modelo.
Usa la transcripción como material de referencia
Una transcripción puede alimentar un resumen, un registro consultable o un flujo de preparación de subtítulos. Esos resultados posteriores deben conservar el fragmento pertinente de la transcripción y los tiempos de la fuente. Para una cita, escucha el pasaje exacto del audio; para una minuta, distingue lo que se dijo de las conclusiones que se extrajeron. El modelo produce la transcripción, mientras que el formato, el resumen y la publicación se basan en ese resultado real.
Ailoot Ultra · Transcripción POST /v1/audio/transcriptions x-ai/grok-stt-1.0
x-ai/grok-stt-1.0Inicio
Grok STT 1.0 convierte audio en una transcripción con marcas de tiempo por palabra. SpaceXAI documenta diarización opcional de hablantes y audio multicanal, lo que hace al modelo útil para grabaciones que necesitan tanto el texto hablado como su distribución temporal o por hablante.
- Entradas aceptadas
- Audio
- Resultados
- Texto
Disponible en Ailoot · entradas y métodos
Ailoot Ultra · Transcripción POST /v1/audio/transcriptions
- Entrada
audio- Salida
text
| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites x-ai/grok-stt-1.0 | Predeterminado— |
Campoinput_audio | Tipoobject | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campolanguage | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Mínimo: 0 Máximo: 1 | Predeterminado— |
Camporesponse_format | Tipostring | RequisitoOpcional | Valores y límites json, verbose_json | Predeterminadojson |
Campotimestamp_granularities | Tipoarray | RequisitoOpcional | Valores y límites | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites | Predeterminado— |
Parámetros del método y ciclo de vida
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, input_audio |
Parámetromaterial_types | Contratoaudio |
Parámetromaterial_conditions | ContratoLee un archivo WAV real y codifica sus bytes reales para el input_audio JSON declarado; no se anuncia una ruta multipart para esta declaración exacta que solo acepta JSON. |
Ciclo de vida: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · El task_id real devuelto o el registro de la biblioteca multimedia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Tarifas
Cómo se calcula el cargo definitivo
Las tarifas mostradas permiten estimar el costo antes de la generación. El cargo final se calcula a partir del costo registrado para la generación original. La duración medida de la salida y las cantidades estimadas no son la cantidad facturable final.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
- Modo fast
- Sin especificar Cuando se selecciona el modo fast
- Modo flex
- Sin especificar Cuando se selecciona el modo flex
- Esfuerzo máximo de razonamiento
- Sin especificar Cuando el esfuerzo máximo de razonamiento usa el ajuste default
Tarifas estimadas para comparar
Precios por configuración
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Cantidad prevista | Unidad de facturación | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cantidad prevista— | Unidad de facturación— | Cargo Entrada · Tokens de entrada · Estimación solo para comparar — / 1K tokens Salida · Tokens de salida · Estimación solo para comparar — / 1K tokens Entrada · Lectura de caché · Estimación solo para comparar — / 1K tokens Entrada · Escritura en caché · Estimación solo para comparar — / 1K tokens Entrada · Escritura en caché, 1 hora · Estimación solo para comparar — / 1K tokens |
| Configuraciónsegundo de audio de entrada | Tabla de tarifas— | Cantidad prevista— | Unidad de facturaciónpor segundo de audio de entrada | Cargo Entrada · segundo de audio de entrada · Estimación solo para comparar $0.0000555555555556 por segundo de audio de entrada |
| ConfiguraciónCosto estimado de generación | Tabla de tarifas— | Cantidad previstaestimación para una generación | Unidad de facturación— | Cargo Salida · Costo estimado de generación · Estimación solo para comparar $0.0000555555555556 estimación previa a la generación Esta estimación no es un cargo adicional ni una tarifa fija por la generación completada. |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
Solicitudes de ejemplo
Ailoot Ultra · Transcripción
set -eu
: "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.
Recibir y guardar resultados
Ailoot Ultra · Transcripción
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Otras consultas de contenido
set -eu
: "${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.
Conserva todos los resultados completados
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva la respuesta completa y los encabezados, todas las salidas reales, los identificadores originales devueltos y todos los campos de uso. Recupera la operación original sin volver a enviar la solicitud de creación.
Si es necesario revisar la respuesta original
Conserva el X-Client-Request-ID devuelto para la conciliación. Consulta únicamente los valores reales de task_id/asset_id devueltos o la biblioteca multimedia de tu propiedad; nunca construyas una URL de tarea a partir del ID de la operación ni vuelvas a enviar la solicitud de creación.
Campos de respuesta
| Campo | Tipo |
|---|---|
Campotext | Tipo |
Campousage | Tipo |
Camposegments[] | Tipo |
Campowords[] | Tipo |
Campospeaker fields | Tipo |
Campotimestamps | Tipo |
Alias
Alias del modelo
Ailoot Ultra x-ai/grok-stt-1.0
Alias de rutas de métodos
Usa las rutas de método indicadas arriba.
ID de modelo relacionados
FAQ · SpaceXAI: Grok STT 1.0
- ¿Qué entradas y resultados están disponibles?
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:audio→text- ¿Qué campos utiliza la solicitud?
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:model,input_audio,language,temperature,response_format,timestamp_granularities,provider- ¿Qué límites se aplican?
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:temperature.minimum:0;temperature.maximum:1