SpaceXAI: Grok STT 1.0

A Grok STT 1.0 szószintű időbélyegekkel ellátott átirattá alakítja a hangot. A SpaceXAI opcionális beszélőelkülönítést és többcsatornás hangkezelést dokumentál, így a modell olyan felvételekhez hasznos, amelyeknél az elhangzott szövegre és annak időzítésére vagy beszélői szerkezetére is szükség van.

Ailoot Ultra · Hang átírása POST /v1/audio/transcriptions x-ai/grok-stt-1.0

A modellről

Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.

A Grok STT 1.0 a SpaceXAI beszédet szöveggé alakító modellje. Hangot fogad, és átiratot ad vissza szószintű időbélyegekkel és opcionális beszélőelkülönítéssel. Közzétett specifikációja a többcsatornás hangot is támogatja. Hasznos kimenete az elhangzott tartalom, összekapcsolva az időzítéssel és igény esetén a felvétel beszélőivel.

A felvétel és az átírási feladat előkészítése

Azonosítsa az átírandó felvételt és az eredmény felhasználásának módját. Egy értekezlet átiratához a megszólalások sorrendje szükséges; egy interjúnál beszélőcímkékre lehet szükség; egy vágási feladatnál a szavakat a hangban elfoglalt helyükhöz kell kapcsolni. Őrizze meg az eredeti felvételt és annak azonosítóját, hogy egy bizonytalan szó vagy beszélőhöz rendelés esetén az ellenőr visszatérhessen az eredeti részlethez.

A tényleges felvételt használja, ne a tartalmáról készített átfogalmazott beszámolót. Többcsatornás forrás esetén a hang előkészítésekor őrizze meg a csatornaszerkezetet. Ez a szerkezet és a beszélőelkülönítés a feladat különböző részeit írja le: a csatornák a felvételhez tartoznak, a beszélőelkülönítés pedig az átiratban azonosítja a beszélőváltásokat.

Időzítés és beszélői szerkezet

A szószintű időbélyegek a leírt szavakat a felvételhez kapcsolják. Segítenek megtalálni egy idézetet, ellenőrizni egy nehéz kifejezést, vagy előkészíteni egy későbbi feliratozási vagy vágási lépést. Az átirat exportálásakor vagy átalakításakor tartsa az időbélyegeket a szavak mellett, és a fontos részleteket ellenőrizze a hang alapján.

Az opcionális beszélőelkülönítés beszélői szerkezetet ad az átirathoz. Mielőtt a végső dokumentumban a kiosztott címkékre támaszkodna, ellenőrizze az átmeneteket, a közbevágásokat és a hasonló hangú beszélőket. A további jegyzetekben használjon állandó beszélőcímkéket, és különítse el egy személy későbbi azonosítását a modell által képzett beszélőcsoportoktól.

Az átirat felhasználása forrásanyagként

Az átirat összefoglaló, kereshető nyilvántartás vagy felirat-előkészítő munkafolyamat alapja lehet. Ezeknek a későbbi anyagoknak meg kell őrizniük az átirat releváns szakaszát és a forrás időzítését. Idézetnél vizsgálja meg a pontos hangrészletet; értekezleti jegyzetnél különítse el az elhangzottakat az azokból levont következtetésektől. A modell az átiratot készíti el, a formázás, összefoglalás és közzététel pedig ebből a tényleges eredményből következik.

Ailoot Ultra · Hang átírása POST /v1/audio/transcriptions x-ai/grok-stt-1.0

x-ai/grok-stt-1.0

SpaceXAI /x-ai/grok-stt-1.0

Kezdő lépések

Elfogadott bemenetek: Hang
Eredmények: Szöveg

Elérhető az Ailootban · bemenetek és metódusok

Ailoot Ultra · Hang átírása POST /v1/audio/transcriptions

Bemenet: audio
Kimenet: text

Mező	Típus	Követelmény	Értékek és korlátok	Alapértelmezett
Mező`model`	Típus`string`	KövetelményKötelező	Értékek és korlátok x-ai/grok-stt-1.0	Alapértelmezett—
Mező`input_audio`	Típus`object`	KövetelményKötelező	Értékek és korlátok	Alapértelmezett—
Mező`language`	Típus`string`	KövetelményOpcionális	Értékek és korlátok	Alapértelmezett—
Mező`temperature`	Típus`number`	KövetelményOpcionális	Értékek és korlátok Minimum: 0 Maximum: 1	Alapértelmezett—
Mező`response_format`	Típus`string`	KövetelményOpcionális	Értékek és korlátok json, verbose_json	Alapértelmezettjson
Mező`timestamp_granularities`	Típus`array`	KövetelményOpcionális	Értékek és korlátok	Alapértelmezett—
Mező`provider`	Típus`object`	KövetelményOpcionális	Értékek és korlátok	Alapértelmezett—

Metódus paraméterei és életciklusa

Paraméter	Szerződés
Paraméter`content_type`	Szerződésapplication/json
Paraméter`required`	Szerződésmodel, input_audio
Paraméter`material_types`	Szerződésaudio
Paraméter`material_conditions`	SzerződésOlvasson be tényleges WAV-fájlt, és kódolja a valós bájtjait a deklarált JSON input_audio bemenethez; ehhez a pontosan csak JSON-t engedő deklarációhoz nem hirdetünk multipart útvonalat.

Életciklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · A ténylegesen visszaadott task_id vagy a médiatár bejegyzése

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Díjcsomagok

A végső díj számítása

A megjelenített díjtételek a generálás előtti költségbecsléshez szolgálnak. A végleges díj az eredeti generáláshoz rögzített költségből számítódik. A kimenet mért időtartama és az előre jelzett mennyiségek nem azonosak a véglegesen elszámolandó mennyiséggel.

A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.

Gyors mód: Nincs megadva Ha a gyors mód van kiválasztva
Flex mód: Nincs megadva Ha a flex mód van kiválasztva
Maximális gondolkodási ráfordítás: Nincs megadva Ha a maximális gondolkodási ráfordításra a default beállításhoz tartozó korrekció vonatkozik

Becsült díjak összehasonlításhoz

Árak beállításonként

Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.

Beállítás	Díjtáblázat	Előre jelzett mennyiség	Elszámolási egység	Díj
BeállításTokenek alapdíjai	DíjtáblázatAlapdíj	Előre jelzett mennyiség—	Elszámolási egység—	Díj Bemenet · Bemeneti tokenek · Becslés, csak összehasonlításra — / 1K token Kimenet · Kimeneti tokenek · Becslés, csak összehasonlításra — / 1K token Bemenet · Gyorsítótár olvasása · Becslés, csak összehasonlításra — / 1K token Bemenet · Írás a gyorsítótárba · Becslés, csak összehasonlításra — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra · Becslés, csak összehasonlításra — / 1K token
Beállításbemeneti hangmásodperc	Díjtáblázat—	Előre jelzett mennyiség—	Elszámolási egységbemeneti hangmásodpercenként	Díj Bemenet · bemeneti hangmásodperc · Becslés, csak összehasonlításra $0.0000555555555556 bemeneti hangmásodpercenként
BeállításA generálás becsült költsége	Díjtáblázat—	Előre jelzett mennyiségbecslés egy generálásra	Elszámolási egység—	Díj Kimenet · Becsült generálási költség · Becslés, csak összehasonlításra $0.0000555555555556 becslés a generálás előtt Ez a becslés nem jelent további díjat, és nem rögzített díjszabás az elkészült generálásra.

Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →

Példakérések

Ailoot Ultra · Hang átírása

curl · pontos natív kéréstörzs és teljes eredmény

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.

Eredmények fogadása és mentése

Ailoot Ultra · Hang átírása

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

További tartalomlekérések

A meglévő, Önhöz tartozó médiafájlok lekérése

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.

Őrizzen meg minden elkészült eredményt

Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.

Őrizze meg a teljes választ és a fejléceket, minden tényleges kimenetet, az eredetileg visszaadott azonosítókat és az összes használati adatmezőt. Az eredeti műveletet állítsa helyre, a létrehozási kérés újbóli beküldése nélkül.

Ha az eredeti választ ellenőrizni kell

Őrizze meg a visszaadott X-Client-Request-ID értéket az egyeztetéshez. Csak a ténylegesen visszaadott task_id/asset_id értékekkel kérdezzen le, vagy használja a saját médiatárat; soha ne állítson össze feladat-URL-t a műveletazonosítóból, és soha ne küldje be újra a létrehozási kérést.

Válaszmezők

Mező	Típus
Mező`text`	Típus
Mező`usage`	Típus
Mező`segments[]`	Típus
Mező`words[]`	Típus
Mező`speaker fields`	Típus
Mező`timestamps`	Típus

Álnevek

Modell álnevei

Ailoot Ultra x-ai/grok-stt-1.0

Metódusútvonalak álnevei

Használja a fent látható metódusútvonalakat.

Kapcsolódó modellazonosítók

x-ai/grok-stt-1.0

FAQ · SpaceXAI: Grok STT 1.0

Milyen bemenetek és eredmények érhetők el?: POST /v1/audio/transcriptions · x-ai/grok-stt-1.0: audio → text
Mely mezőket használja a kérés?: POST /v1/audio/transcriptions · x-ai/grok-stt-1.0: model, input_audio, language, temperature, response_format, timestamp_granularities, provider
Milyen korlátok érvényesek?: POST /v1/audio/transcriptions · x-ai/grok-stt-1.0: temperature.minimum: 0; temperature.maximum: 1

SpaceXAI: Grok STT 1.0