SpaceXAI: Grok STT 1.0
Grok STT 1.0 transforme l’audio en transcription horodatée au niveau de chaque mot. SpaceXAI documente une diarisation facultative des locuteurs et l’audio multicanal, ce qui rend le modèle utile pour les enregistrements nécessitant à la fois le texte parlé et ses repères temporels ou sa répartition entre locuteurs.
À propos du modèle
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Grok STT 1.0 est le modèle de reconnaissance vocale de SpaceXAI. Il reçoit de l’audio et renvoie une transcription avec un horodatage de chaque mot et une diarisation facultative des locuteurs. Le profil publié prend également en charge l’audio multicanal. Son résultat utile associe le contenu parlé aux repères temporels et, sur demande, aux locuteurs de l’enregistrement.
Préparer l’enregistrement et la tâche de transcription
Identifiez l’enregistrement à transcrire et l’usage prévu du résultat. La transcription d’une réunion nécessite la succession des prises de parole ; un entretien peut nécessiter des étiquettes de locuteurs ; un travail de montage a besoin de mots associés à leur position dans l’audio. Conservez l’enregistrement source et son identifiant afin qu’une personne chargée de la revue puisse retrouver le passage original lorsqu’un mot ou l’attribution d’un locuteur est incertain.
Utilisez l’enregistrement réel plutôt qu’un compte rendu réécrit de son contenu. Pour une source multicanal, conservez la structure des canaux lors de la préparation de l’audio. Cette structure et la diarisation des locuteurs décrivent deux aspects différents de la tâche : les canaux appartiennent à l’enregistrement, tandis que la diarisation identifie les prises de parole dans la transcription.
Repères temporels et répartition entre locuteurs
L’horodatage au niveau de chaque mot relie les mots transcrits à l’enregistrement. Il aide à retrouver une citation, à vérifier une phrase difficile ou à préparer une étape ultérieure de sous-titrage ou de montage. Gardez les horodatages avec les mots lors de l’exportation ou de la transformation de la transcription et vérifiez les passages importants à l’écoute de l’audio.
La diarisation facultative ajoute une répartition entre locuteurs. Vérifiez les transitions, les interruptions et les voix similaires avant de vous appuyer sur les étiquettes attribuées dans un document final. Utilisez des étiquettes stables dans les notes produites ensuite, en distinguant toute identification ultérieure d’une personne du regroupement des locuteurs effectué par le modèle.
Utiliser la transcription comme source
Une transcription peut alimenter un résumé, un dossier consultable par recherche ou un flux de préparation des sous-titres. Ces livrables ultérieurs doivent conserver le segment pertinent de la transcription et les repères temporels de la source. Pour une citation, examinez le passage audio exact ; pour un compte rendu de réunion, distinguez les propos tenus des conclusions que vous en tirez. Le modèle produit la transcription, puis la mise en forme, la synthèse et la publication s’appuient sur ce résultat réel.
Ailoot Ultra · Transcription audio POST /v1/audio/transcriptions x-ai/grok-stt-1.0
x-ai/grok-stt-1.0Premiers pas
Grok STT 1.0 transforme l’audio en transcription horodatée au niveau de chaque mot. SpaceXAI documente une diarisation facultative des locuteurs et l’audio multicanal, ce qui rend le modèle utile pour les enregistrements nécessitant à la fois le texte parlé et ses repères temporels ou sa répartition entre locuteurs.
- Entrées acceptées
- Audio
- Résultats
- Texte
Disponible dans Ailoot · entrées et méthodes
Ailoot Ultra · Transcription audio POST /v1/audio/transcriptions
- Entrée
audio- Sortie
text
| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites x-ai/grok-stt-1.0 | Par défaut— |
Champinput_audio | Typeobject | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champlanguage | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Minimum: 0 Maximum: 1 | Par défaut— |
Champresponse_format | Typestring | ExigenceFacultatif | Valeurs et limites json, verbose_json | Par défautjson |
Champtimestamp_granularities | Typearray | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Paramètres et cycle de vie de la méthode
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, input_audio |
Paramètrematerial_types | Contrataudio |
Paramètrematerial_conditions | ContratLisez un fichier WAV réel et encodez ses octets réels pour l’entrée JSON input_audio déclarée ; aucune route multipart n’est annoncée pour cette déclaration exacte limitée au JSON. |
Cycle de vie : synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id effectivement renvoyé ou enregistrement de la bibliothèque multimédia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Tarifs
Calcul du coût final
Les tarifs affichés servent à estimer le coût avant la génération. Le montant final est calculé à partir du coût enregistré pour la génération d’origine. La durée mesurée du résultat et les quantités prévisionnelles ne constituent pas la quantité finale facturable.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
- Mode rapide
- Non précisé Lorsque le mode rapide est sélectionné
- Mode Flex
- Non précisé Lorsque le mode flex est sélectionné
- Effort de raisonnement maximal
- Non précisé Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default)
Tarifs estimés à des fins de comparaison
Prix par configuration
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Quantité prévisionnelle | Unité de facturation | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Quantité prévisionnelle— | Unité de facturation— | Coût Entrée · Tokens en entrée · Estimation à des fins de comparaison uniquement — / 1K tokens Sortie · Tokens en sortie · Estimation à des fins de comparaison uniquement — / 1K tokens Entrée · Lecture du cache · Estimation à des fins de comparaison uniquement — / 1K tokens Entrée · Écriture dans le cache · Estimation à des fins de comparaison uniquement — / 1K tokens Entrée · Écriture dans le cache, 1 h · Estimation à des fins de comparaison uniquement — / 1K tokens |
| Configurationseconde d’audio en entrée | Barème tarifaire— | Quantité prévisionnelle— | Unité de facturationpar seconde d’audio en entrée | Coût Entrée · seconde d’audio en entrée · Estimation à des fins de comparaison uniquement $0.0000555555555556 par seconde d’audio en entrée |
| ConfigurationCoût estimé de la génération | Barème tarifaire— | Quantité prévisionnelleEstimation pour une génération | Unité de facturation— | Coût Sortie · Coût estimé de génération · Estimation à des fins de comparaison uniquement $0.0000555555555556 estimation avant génération Cette estimation ne constitue ni des frais supplémentaires ni un tarif fixe pour la génération terminée. |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
Exemples de requêtes
Ailoot Ultra · Transcription audio
set -eu
: "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.
Recevoir et enregistrer les résultats
Ailoot Ultra · Transcription audio
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Autres lectures de contenu
set -eu
: "${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.
Conserver tous les résultats terminés
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez la réponse complète et les en-têtes, chaque sortie effective, les identifiants initialement renvoyés et tous les champs d’utilisation. Récupérez l’opération d’origine sans soumettre à nouveau sa création.
Si la réponse d’origine doit être vérifiée
Conservez le X-Client-Request-ID renvoyé pour le rapprochement. Consultez uniquement les valeurs task_id/asset_id effectivement renvoyées ou votre bibliothèque multimédia ; ne construisez jamais une URL de tâche à partir de l’identifiant de l’opération et ne soumettez jamais à nouveau la création.
Champs de la réponse
| Champ | Type |
|---|---|
Champtext | Type |
Champusage | Type |
Champsegments[] | Type |
Champwords[] | Type |
Champspeaker fields | Type |
Champtimestamps | Type |
Alias
Alias du modèle
Ailoot Ultra x-ai/grok-stt-1.0
Alias des chemins de méthode
Utilisez les chemins de méthode indiqués ci-dessus.
ID d’appel associés
FAQ · SpaceXAI: Grok STT 1.0
- Quelles entrées et quels résultats sont disponibles ?
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:audio→text- Quels champs la requête utilise-t-elle ?
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:model,input_audio,language,temperature,response_format,timestamp_granularities,provider- Quelles limites s’appliquent ?
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:temperature.minimum:0;temperature.maximum:1