Grok STT 1.0 è il modello speech-to-text di SpaceXAI. Riceve audio e restituisce una trascrizione, con marcature temporali a livello di parola e diarizzazione opzionale dei parlanti. Il profilo pubblicato supporta anche l'audio multicanale. Il suo output utile è il contenuto pronunciato collegato ai tempi e, quando richiesto, ai parlanti presenti in una registrazione.
Identifica la registrazione da trascrivere e il modo in cui verrà usato il risultato. Una trascrizione di riunione richiede la sequenza dei turni; un'intervista può richiedere etichette dei parlanti; un'attività di montaggio richiede parole collegate alle loro posizioni nell'audio. Conserva la registrazione originale e il suo identificatore, così che un revisore possa tornare al passaggio originale quando una parola o l'assegnazione di un parlante è incerta.
Usa la registrazione effettiva anziché un resoconto riscritto di ciò che contiene. Per una sorgente multicanale, mantieni la struttura dei canali quando prepari l'audio. Tale struttura e la diarizzazione dei parlanti descrivono parti diverse del compito: i canali appartengono alla registrazione, mentre la diarizzazione identifica i turni dei parlanti nella trascrizione.
Le marcature temporali a livello di parola collegano le parole trascritte alla registrazione. Aiutano a individuare una citazione, rivedere una frase difficile o preparare un successivo passaggio di sottotitolazione o montaggio. Mantieni le marcature temporali insieme alle parole quando esporti o trasformi la trascrizione e verifica i passaggi importanti rispetto all'audio.
La diarizzazione opzionale aggiunge la struttura dei parlanti. Rivedi transizioni, interruzioni e voci simili prima di affidarti alle etichette assegnate in un documento finale. Usa etichette dei parlanti stabili nelle note successive, mantenendo distinta un'eventuale identificazione della persona dal raggruppamento dei parlanti effettuato dal modello.
Una trascrizione può alimentare un riepilogo, un archivio ricercabile o un flusso di preparazione dei sottotitoli. Questi artefatti successivi devono conservare il segmento pertinente della trascrizione e i tempi della sorgente. Per una citazione, controlla il passaggio audio esatto; per una nota di riunione, distingui ciò che è stato detto dalle conclusioni che se ne traggono. Il modello produce la trascrizione, mentre formattazione, sintesi e pubblicazione derivano da quel risultato effettivo.
", "aboutText": "Grok STT 1.0 è il modello speech-to-text di SpaceXAI. Riceve audio e restituisce una trascrizione, con marcature temporali a livello di parola e diarizzazione opzionale dei parlanti. Il profilo pubblicato supporta anche l'audio multicanale. Il suo output utile è il contenuto pronunciato collegato ai tempi e, quando richiesto, ai parlanti presenti in una registrazione.\n\n### Prepara la registrazione e il compito di trascrizione\n\nIdentifica la registrazione da trascrivere e il modo in cui verrà usato il risultato. Una trascrizione di riunione richiede la sequenza dei turni; un'intervista può richiedere etichette dei parlanti; un'attività di montaggio richiede parole collegate alle loro posizioni nell'audio. Conserva la registrazione originale e il suo identificatore, così che un revisore possa tornare al passaggio originale quando una parola o l'assegnazione di un parlante è incerta.\n\nUsa la registrazione effettiva anziché un resoconto riscritto di ciò che contiene. Per una sorgente multicanale, mantieni la struttura dei canali quando prepari l'audio. Tale struttura e la diarizzazione dei parlanti descrivono parti diverse del compito: i canali appartengono alla registrazione, mentre la diarizzazione identifica i turni dei parlanti nella trascrizione.\n\n### Tempi e struttura dei parlanti\n\nLe marcature temporali a livello di parola collegano le parole trascritte alla registrazione. Aiutano a individuare una citazione, rivedere una frase difficile o preparare un successivo passaggio di sottotitolazione o montaggio. Mantieni le marcature temporali insieme alle parole quando esporti o trasformi la trascrizione e verifica i passaggi importanti rispetto all'audio.\n\nLa diarizzazione opzionale aggiunge la struttura dei parlanti. Rivedi transizioni, interruzioni e voci simili prima di affidarti alle etichette assegnate in un documento finale. Usa etichette dei parlanti stabili nelle note successive, mantenendo distinta un'eventuale identificazione della persona dal raggruppamento dei parlanti effettuato dal modello.\n\n### Usa la trascrizione come materiale di partenza\n\nUna trascrizione può alimentare un riepilogo, un archivio ricercabile o un flusso di preparazione dei sottotitoli. Questi artefatti successivi devono conservare il segmento pertinente della trascrizione e i tempi della sorgente. Per una citazione, controlla il passaggio audio esatto; per una nota di riunione, distingui ciò che è stato detto dalle conclusioni che se ne traggono. Il modello produce la trascrizione, mentre formattazione, sintesi e pubblicazione derivano da quel risultato effettivo.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "da972703e76de12be8e17ad4e6e04e4965ca036ff644edcb9f88d9cce6cf493d", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "x-ai/grok-stt-1.0Grok STT 1.0 trasforma l'audio in una trascrizione con marcature temporali a livello di parola. SpaceXAI documenta la diarizzazione opzionale dei parlanti e l'audio multicanale, rendendo il modello utile per registrazioni che richiedono sia il testo pronunciato sia la sua struttura temporale o per parlante.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Grok STT 1.0 è il modello speech-to-text di SpaceXAI. Riceve audio e restituisce una trascrizione, con marcature temporali a livello di parola e diarizzazione opzionale dei parlanti. Il profilo pubblicato supporta anche l'audio multicanale. Il suo output utile è il contenuto pronunciato collegato ai tempi e, quando richiesto, ai parlanti presenti in una registrazione.
Identifica la registrazione da trascrivere e il modo in cui verrà usato il risultato. Una trascrizione di riunione richiede la sequenza dei turni; un'intervista può richiedere etichette dei parlanti; un'attività di montaggio richiede parole collegate alle loro posizioni nell'audio. Conserva la registrazione originale e il suo identificatore, così che un revisore possa tornare al passaggio originale quando una parola o l'assegnazione di un parlante è incerta.
Usa la registrazione effettiva anziché un resoconto riscritto di ciò che contiene. Per una sorgente multicanale, mantieni la struttura dei canali quando prepari l'audio. Tale struttura e la diarizzazione dei parlanti descrivono parti diverse del compito: i canali appartengono alla registrazione, mentre la diarizzazione identifica i turni dei parlanti nella trascrizione.
Le marcature temporali a livello di parola collegano le parole trascritte alla registrazione. Aiutano a individuare una citazione, rivedere una frase difficile o preparare un successivo passaggio di sottotitolazione o montaggio. Mantieni le marcature temporali insieme alle parole quando esporti o trasformi la trascrizione e verifica i passaggi importanti rispetto all'audio.
La diarizzazione opzionale aggiunge la struttura dei parlanti. Rivedi transizioni, interruzioni e voci simili prima di affidarti alle etichette assegnate in un documento finale. Usa etichette dei parlanti stabili nelle note successive, mantenendo distinta un'eventuale identificazione della persona dal raggruppamento dei parlanti effettuato dal modello.
Una trascrizione può alimentare un riepilogo, un archivio ricercabile o un flusso di preparazione dei sottotitoli. Questi artefatti successivi devono conservare il segmento pertinente della trascrizione e i tempi della sorgente. Per una citazione, controlla il passaggio audio esatto; per una nota di riunione, distingui ciò che è stato detto dalle conclusioni che se ne traggono. Il modello produce la trascrizione, mentre formattazione, sintesi e pubblicazione derivano da quel risultato effettivo.
POST /v1/audio/transcriptionsaudiotext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti x-ai/grok-stt-1.0 | Predefinito— |
Campoinput_audio | Tipoobject | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campolanguage | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Minimo: 0 Massimo: 1 | Predefinito— |
Camporesponse_format | Tipostring | RequisitoFacoltativo | Valori e limiti json, verbose_json | Predefinitojson |
Campotimestamp_granularities | Tipoarray | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti | Predefinito— |
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, input_audio |
Parametromaterial_types | Contrattoaudio |
Parametromaterial_conditions | ContrattoLeggi un file WAV reale e codifica i suoi byte effettivi per l'input JSON dichiarato input_audio; per questa dichiarazione esatta che ammette solo JSON non viene proposta una rotta multipart. |
Ciclo di vita: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id effettivamente restituito o record della libreria multimediale
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Le tariffe visualizzate stimano il costo prima della generazione. L'addebito finale viene calcolato in base al costo registrato per la generazione originale. La durata misurata dell'output e le quantità previste non costituiscono la quantità finale fatturabile.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Quantità prevista | Unità di fatturazione | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe base dei token | Listino delle tariffeTariffa base | Quantità prevista— | Unità di fatturazione— | Costo Input · Token in input · Stima solo a fini di confronto — / 1K token Output · Token in output · Stima solo a fini di confronto — / 1K token Input · Lettura dalla cache · Stima solo a fini di confronto — / 1K token Input · Scrittura nella cache · Stima solo a fini di confronto — / 1K token Input · Scrittura nella cache, 1 ora · Stima solo a fini di confronto — / 1K token |
| Configurazionesecondo audio in ingresso | Listino delle tariffe— | Quantità prevista— | Unità di fatturazioneper secondo di audio in input | Costo Input · secondo audio in ingresso · Stima solo a fini di confronto $0.0000555555555556 per secondo di audio in input |
| ConfigurazioneCosto stimato della generazione | Listino delle tariffe— | Quantità previstastima per una generazione | Unità di fatturazione— | Costo Output · Costo di generazione stimato · Stima solo a fini di confronto $0.0000555555555556 stima prima della generazione Questa stima non è un addebito aggiuntivo né una tariffa fissa per la generazione completata. |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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.\nConserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva la risposta completa e gli header, ogni output effettivo, gli identificatori originali restituiti e tutti i campi di utilizzo. Recupera l'operazione originale senza inviare nuovamente la richiesta di creazione.
Conserva l'X-Client-Request-ID restituito per la riconciliazione. Leggi solo i valori task_id/asset_id effettivamente restituiti o la tua libreria multimediale; non costruire mai un URL del task a partire dall'ID dell'operazione e non reinviare mai la richiesta di creazione.
| Campo | Tipo |
|---|---|
Campotext | Tipo |
Campousage | Tipo |
Camposegments[] | Tipo |
Campowords[] | Tipo |
Campospeaker fields | Tipo |
Campotimestamps | Tipo |
Ailoot Ultra x-ai/grok-stt-1.0
Usa i percorsi dei metodi indicati sopra.