Grok STT 1.0 est le modèle de reconnaissance vocale de SpaceXAI. Il reçoit de l’audio et renvoie une transcription, avec des horodatages au niveau des mots et une diarisation optionnelle des locuteurs. Son profil publié prend aussi en charge l’audio multicanal. Le résultat utile est le contenu prononcé, relié à sa chronologie et, lorsque cela est demandé, aux locuteurs de l’enregistrement.
Identifiez l’enregistrement à transcrire et l’usage prévu du résultat. La transcription d’une réunion nécessite l’ordre des prises de parole ; un entretien peut nécessiter des étiquettes de locuteurs ; une tâche de montage exige que les mots soient reliés à leur position dans l’audio. Conservez l’enregistrement source et son identifiant afin qu’un relecteur puisse revenir au passage d’origine lorsqu’un mot ou l’attribution à un locuteur est incertain.
Utilisez l’enregistrement réel plutôt qu’un compte rendu réécrit de son contenu. Pour une source multicanale, conservez sa structure de canaux lors de la préparation de l’audio. Cette structure et la diarisation des locuteurs décrivent des aspects différents de la tâche : les canaux appartiennent à l’enregistrement, tandis que la diarisation identifie les tours de parole dans la transcription.
Les horodatages au niveau des mots relient les mots transcrits à l’enregistrement. Ils permettent de retrouver une citation, de revoir une expression difficile ou de préparer une étape ultérieure de sous-titrage ou de montage. Conservez les horodatages avec les mots lors de l’export ou de la transformation de la transcription et vérifiez les passages importants en écoutant l’audio.
La diarisation optionnelle ajoute une répartition par locuteur. Vérifiez les transitions, les interruptions et les voix similaires avant de vous fier aux étiquettes attribuées dans un document définitif. Utilisez des étiquettes de locuteurs stables dans les notes ultérieures, en distinguant toute identification ultérieure d’une personne du regroupement des voix effectué par le modèle.
Une transcription peut alimenter un résumé, des archives consultables par recherche ou un workflow de préparation de 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 une note de réunion, distinguez les propos tenus des conclusions qui en sont tirées. Le modèle produit la transcription ; la mise en forme, la synthèse et la publication s’appuient ensuite sur ce résultat réel.
", "aboutText": "Grok STT 1.0 est le modèle de reconnaissance vocale de SpaceXAI. Il reçoit de l’audio et renvoie une transcription, avec des horodatages au niveau des mots et une diarisation optionnelle des locuteurs. Son profil publié prend aussi en charge l’audio multicanal. Le résultat utile est le contenu prononcé, relié à sa chronologie et, lorsque cela est demandé, aux locuteurs de l’enregistrement.\n\n### Préparer l’enregistrement et la tâche de transcription\n\nIdentifiez l’enregistrement à transcrire et l’usage prévu du résultat. La transcription d’une réunion nécessite l’ordre des prises de parole ; un entretien peut nécessiter des étiquettes de locuteurs ; une tâche de montage exige que les mots soient reliés à leur position dans l’audio. Conservez l’enregistrement source et son identifiant afin qu’un relecteur puisse revenir au passage d’origine lorsqu’un mot ou l’attribution à un locuteur est incertain.\n\nUtilisez l’enregistrement réel plutôt qu’un compte rendu réécrit de son contenu. Pour une source multicanale, conservez sa structure de canaux lors de la préparation de l’audio. Cette structure et la diarisation des locuteurs décrivent des aspects différents de la tâche : les canaux appartiennent à l’enregistrement, tandis que la diarisation identifie les tours de parole dans la transcription.\n\n### Chronologie et répartition par locuteur\n\nLes horodatages au niveau des mots relient les mots transcrits à l’enregistrement. Ils permettent de retrouver une citation, de revoir une expression difficile ou de préparer une étape ultérieure de sous-titrage ou de montage. Conservez les horodatages avec les mots lors de l’export ou de la transformation de la transcription et vérifiez les passages importants en écoutant l’audio.\n\nLa diarisation optionnelle ajoute une répartition par locuteur. Vérifiez les transitions, les interruptions et les voix similaires avant de vous fier aux étiquettes attribuées dans un document définitif. Utilisez des étiquettes de locuteurs stables dans les notes ultérieures, en distinguant toute identification ultérieure d’une personne du regroupement des voix effectué par le modèle.\n\n### Utiliser la transcription comme source\n\nUne transcription peut alimenter un résumé, des archives consultables par recherche ou un workflow de préparation de 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 une note de réunion, distinguez les propos tenus des conclusions qui en sont tirées. Le modèle produit la transcription ; la mise en forme, la synthèse et la publication s’appuient ensuite sur ce résultat réel.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "ffcb6acca889701e6ea66a721be7613bf538f0bf407e09d243ecb9c1db776882", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr", "methods": [ { "html": "x-ai/grok-stt-1.0Grok STT 1.0 transforme l’audio en transcription avec des horodatages au niveau des mots. SpaceXAI documente une diarisation optionnelle des locuteurs et l’audio multicanal, ce qui rend le modèle utile pour les enregistrements nécessitant à la fois le texte prononcé et sa chronologie ou sa répartition par locuteur.
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 des horodatages au niveau des mots et une diarisation optionnelle des locuteurs. Son profil publié prend aussi en charge l’audio multicanal. Le résultat utile est le contenu prononcé, relié à sa chronologie et, lorsque cela est demandé, aux locuteurs de l’enregistrement.
Identifiez l’enregistrement à transcrire et l’usage prévu du résultat. La transcription d’une réunion nécessite l’ordre des prises de parole ; un entretien peut nécessiter des étiquettes de locuteurs ; une tâche de montage exige que les mots soient reliés à leur position dans l’audio. Conservez l’enregistrement source et son identifiant afin qu’un relecteur puisse revenir au passage d’origine lorsqu’un mot ou l’attribution à un locuteur est incertain.
Utilisez l’enregistrement réel plutôt qu’un compte rendu réécrit de son contenu. Pour une source multicanale, conservez sa structure de canaux lors de la préparation de l’audio. Cette structure et la diarisation des locuteurs décrivent des aspects différents de la tâche : les canaux appartiennent à l’enregistrement, tandis que la diarisation identifie les tours de parole dans la transcription.
Les horodatages au niveau des mots relient les mots transcrits à l’enregistrement. Ils permettent de retrouver une citation, de revoir une expression difficile ou de préparer une étape ultérieure de sous-titrage ou de montage. Conservez les horodatages avec les mots lors de l’export ou de la transformation de la transcription et vérifiez les passages importants en écoutant l’audio.
La diarisation optionnelle ajoute une répartition par locuteur. Vérifiez les transitions, les interruptions et les voix similaires avant de vous fier aux étiquettes attribuées dans un document définitif. Utilisez des étiquettes de locuteurs stables dans les notes ultérieures, en distinguant toute identification ultérieure d’une personne du regroupement des voix effectué par le modèle.
Une transcription peut alimenter un résumé, des archives consultables par recherche ou un workflow de préparation de 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 une note de réunion, distinguez les propos tenus des conclusions qui en sont tirées. Le modèle produit la transcription ; la mise en forme, la synthèse et la publication s’appuient ensuite sur ce résultat réel.
POST /v1/audio/transcriptionsaudiotext| 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— |
| 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}
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.
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 par jeton | 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 de génération estimé | Barème tarifaire— | Quantité prévisionnelleEstimation pour une génération | Unité de facturation— | Coût Sortie · Coût estimé de génération · Estimation à des fins de comparaison uniquement $0.0000555555555556 estimation avant génération Cette estimation ne constitue ni des frais supplémentaires ni un tarif fixe pour la génération terminée. |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')\nif len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')\nrequest={'model': 'x-ai/grok-stt-1.0', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}\nrequest['input_audio']['data']=base64.b64encode(audio).decode('ascii')\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\nGET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\nConservez 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.
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.
| Champ | Type |
|---|---|
Champtext | Type |
Champusage | Type |
Champsegments[] | Type |
Champwords[] | Type |
Champspeaker fields | Type |
Champtimestamps | Type |
Ailoot Ultra x-ai/grok-stt-1.0
Utilisez les chemins de méthode indiqués ci-dessus.