SpaceXAI: Grok STT 1.0
Grok STT 1.0 convierte audio en una transcripción con marcas de tiempo por palabra. SpaceXAI documenta la diarización opcional de hablantes y el audio multicanal, lo que hace que el modelo resulte útil para grabaciones que necesitan tanto el texto hablado como su estructura temporal o de hablantes.
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 al tiempo y, cuando se solicita, a los hablantes de una grabación.
Prepara la grabación y la tarea de transcripción
Identifica la grabación que se va a transcribir y el uso que tendrá el resultado. La transcripción de una reunión necesita la secuencia de intervenciones; una entrevista puede necesitar etiquetas de hablantes; una tarea de edición necesita vincular las palabras con sus posiciones en el audio. Conserva la grabación original y su identificador para que quien la revise pueda volver al pasaje original cuando haya dudas sobre una palabra o la asignación de un hablante.
Utiliza la grabación real en lugar de un relato reescrito de su contenido. En una fuente multicanal, conserva la estructura de canales al preparar el audio. Esa estructura y la diarización de hablantes describen aspectos distintos de la tarea: los canales pertenecen a la grabación, mientras que la diarización identifica los turnos de los hablantes en la transcripción.
Estructura temporal y de hablantes
Las marcas de tiempo por palabra conectan las palabras transcritas con la grabación. Ayudan a localizar una cita, revisar una frase difícil o preparar un paso posterior de subtitulado o edición. Conserva las marcas de tiempo junto a las palabras al exportar o transformar la transcripción y comprueba 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 en un documento final. Utiliza etiquetas estables de hablantes en las notas posteriores y mantén cualquier identificación posterior de una persona separada de la agrupación de hablantes realizada por el modelo.
Utiliza la transcripción como material de origen
Una transcripción puede alimentar un resumen, un registro consultable o un flujo de preparación de subtítulos. Esos productos posteriores deben conservar el fragmento pertinente de la transcripción y sus tiempos de origen. Para una cita, examina el pasaje exacto del audio; para una nota de reunión, distingue lo que se dijo de las conclusiones extraídas de ello. 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-1.0Primeros pasos
Grok STT 1.0 convierte audio en una transcripción con marcas de tiempo por palabra. SpaceXAI documenta la diarización opcional de hablantes y el audio multicanal, lo que hace que el modelo resulte útil para grabaciones que necesitan tanto el texto hablado como su estructura temporal o de hablantes.
- Entradas aceptadas
- Audio
- Resultados
- Texto
Disponible en Ailoot · entradas y métodos
Ailoot Ultra · Transcripción POST /v1/audio/transcriptions
- Tipos de entrada
audio- Tipos de 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 ofrece ninguna ruta multipart para esta declaración exacta que solo admite JSON. |
Ciclo de vida: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id real devuelto o registro de la biblioteca multimedia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Planes
Cómo se calcula el cargo definitivo
Las tarifas mostradas estiman el coste antes de la generación. El cargo final se calcula a partir del coste registrado para la generación original. La duración medida del resultado y las cantidades previstas no constituyen la cantidad facturable final.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
- Modo rápido
- Sin especificar Cuando se selecciona el modo rápido
- Modo flex
- Sin especificar Cuando se selecciona el modo flex
- Esfuerzo máximo de razonamiento
- Sin especificar Cuando el esfuerzo máximo de razonamiento utiliza el ajuste predeterminado (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 |
| ConfiguraciónCoste estimado de generación | Tabla de tarifas— | Cantidad previstaestimación para una generación | Unidad de facturación— | Cargo Salida · Coste estimado de generación · Estimación solo para comparar $0.0000555555555556 estimación previa a la generación Esta estimación no es un cargo adicional ni una tarifa fija para la generación completada. |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
Solicitudes de ejemplo
Ailoot Ultra · Transcripción
set -eu
: "${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 las cabeceras, 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 task_id/asset_id realmente devueltos o la biblioteca multimedia propia; 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