SpaceXAI: Grok STT 1.0

Grok STT 1.0 аудионы әр сөздің уақыт белгісі бар транскриптке айналдырады. SpaceXAI сөйлеушілерді ажыратудың қосымша мүмкіндігін және көпарналы аудионы қолдауды құжаттайды; бұл модель айтылған мәтінмен бірге оның уақыт белгілерін немесе сөйлеушілер құрылымын қажет ететін жазбаларға пайдалы.

Ailoot Ultra · Дыбысты мәтінге түсіру POST /v1/audio/transcriptions x-ai/grok-stt-1.0

Модель туралы

Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.

Grok STT 1.0 — SpaceXAI-дің сөйлеуді мәтінге айналдыратын моделі. Ол аудионы қабылдап, сөз деңгейіндегі уақыт белгілері және қажет болса сөйлеушілерді ажырату деректері бар транскрипцияны қайтарады. Жарияланған сипаттамасы көпарналы аудионы да қолдайды. Оның пайдалы нәтижесі — жазба уақытымен және сұралған жағдайда сөйлеушілермен байланыстырылған айтылған мазмұн.

Жазбаны және транскрипция тапсырмасын дайындаңыз

Қай жазба мәтінге айналдырылатынын және нәтиже қалай пайдаланылатынын анықтаңыз. Жиналыс транскриптіне сөйлеу кезектілігі керек; сұхбатқа сөйлеуші белгілері қажет болуы мүмкін; монтаж тапсырмасына сөздердің аудиодағы орындары қажет. Сөз немесе сөйлеушіге телу күмәнді болғанда тексеруші бастапқы үзіндіге орала алуы үшін түпнұсқа жазба мен оның идентификаторын сақтаңыз.

Жазба мазмұнының қайта жазылған баянын емес, нақты жазбаны пайдаланыңыз. Көпарналы дереккөздің аудиосын дайындағанда арна құрылымын сақтаңыз. Бұл құрылым мен сөйлеушілерді ажырату тапсырманың әртүрлі бөліктерін сипаттайды: арналар жазбаға тиесілі, ал диаризация транскрипттегі сөйлеушілердің кезектесуін анықтайды.

Уақыт және сөйлеушілер құрылымы

Сөз деңгейіндегі уақыт белгілері транскрипт сөздерін жазбамен байланыстырады. Олар дәйексөзді табуға, қиын тіркесті тексеруге немесе кейінгі субтитр не монтаж қадамын дайындауға көмектеседі. Транскриптті экспорттағанда немесе түрлендіргенде уақыт белгілерін сөздермен бірге сақтап, маңызды үзінділерді аудиомен салыстырыңыз.

Қосымша диаризация сөйлеушілер құрылымын қосады. Соңғы құжатта тағайындалған белгілерге сүйенбес бұрын ауысуларды, сөз бөлулерді және ұқсас дауыстарды тексеріңіз. Кейінгі жазбаларда тұрақты сөйлеуші белгілерін қолданыңыз; адамның кейін анықталған кім екенін модельдің сөйлеушілерді топтауынан бөлек сақтаңыз.

Транскрипцияны бастапқы материал ретінде пайдаланыңыз

Транскрипт қорытындыға, іздеуге болатын жазбаға немесе субтитр дайындау үдерісіне негіз бола алады. Кейінгі артефактілер тиісті транскрипт бөлігін және бастапқы уақыт белгілерін сақтауға тиіс. Дәйексөз үшін аудионың дәл үзіндісін тыңдаңыз; жиналыс жазбасында нақты айтылғанды одан жасалған қорытындыдан ажыратыңыз. Модель транскрипцияны жасайды, ал пішімдеу, қорытындылау және жариялау сол нақты нәтижеге сүйенеді.

Ailoot Ultra · Дыбысты мәтінге түсіру POST /v1/audio/transcriptions x-ai/grok-stt-1.0

x-ai/grok-stt-1.0

SpaceXAI /x-ai/grok-stt-1.0

Бастау

Қабылданатын кіріс деректері: Аудио
Нәтижелер: Мәтін

Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер

Ailoot Ultra · Дыбысты мәтінге түсіру POST /v1/audio/transcriptions

Кіріс: audio
Шығыс: text

Өріс	Түрі	Талап	Мәндер мен шектеулер	Әдепкі
Өріс`model`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер x-ai/grok-stt-1.0	Әдепкі—
Өріс`input_audio`	Түрі`object`	ТалапМіндетті	Мәндер мен шектеулер	Әдепкі—
Өріс`language`	Түрі`string`	ТалапМіндетті емес	Мәндер мен шектеулер	Әдепкі—
Өріс`temperature`	Түрі`number`	ТалапМіндетті емес	Мәндер мен шектеулер Ең азы: 0 Ең көбі: 1	Әдепкі—
Өріс`response_format`	Түрі`string`	ТалапМіндетті емес	Мәндер мен шектеулер json, verbose_json	Әдепкіjson
Өріс`timestamp_granularities`	Түрі`array`	ТалапМіндетті емес	Мәндер мен шектеулер	Әдепкі—
Өріс`provider`	Түрі`object`	ТалапМіндетті емес	Мәндер мен шектеулер	Әдепкі—

Әдіс параметрлері мен өмірлік циклі

Параметр	Параметр талаптары
Параметр`content_type`	Параметр талаптарыapplication/json
Параметр`required`	Параметр талаптарыmodel, input_audio
Параметр`material_types`	Параметр талаптарыaudio
Параметр`material_conditions`	Параметр талаптарыНақты WAV файлын оқып, оның шын байттарын мәлімделген JSON input_audio үшін кодтаңыз; тек JSON қабылдайтын осы нақты декларация үшін multipart маршруты ұсынылмайды.

Өмірлік цикл: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Нақты қайтарылған task_id немесе медиатека жазбасы

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Тарифтер

Қорытынды төлем қалай есептеледі

Көрсетілген тарифтер генерация басталғанға дейінгі құнын бағалауға арналған. Соңғы төлем бастапқы генерация үшін тіркелген құннан есептеледі. Нәтиженің өлшенген ұзақтығы мен болжамды көлемдер төлемге негіз болатын түпкілікті көлем болып саналмайды.

Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.

Жылдам режим: Көрсетілмеген Жылдам режим таңдалғанда
Икемді режим: Көрсетілмеген flex режимі таңдалғанда
Ой қорытудың ең жоғары деңгейі: Көрсетілмеген Ой қорыту деңгейі ең жоғары болып, default түзетуі қолданылғанда

Салыстыруға арналған болжамды мөлшерлемелер

Баптаулар бойынша бағалар

Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.

Баптау	Мөлшерлемелер кестесі	Болжамды мөлшер	Есептеу бірлігі	Төлем
БаптауТокендердің базалық тарифтері	Мөлшерлемелер кестесіНегізгі мөлшерлеме	Болжамды мөлшер—	Есептеу бірлігі—	Төлем Кіріс · Кіріс токендері · Тек салыстыруға арналған бағалау — / 1K токен Шығыс · Шығыс токендері · Тек салыстыруға арналған бағалау — / 1K токен Кіріс · Кэшті оқу · Тек салыстыруға арналған бағалау — / 1K токен Кіріс · Кэшке жазу · Тек салыстыруға арналған бағалау — / 1K токен Кіріс · Кэшке жазу, 1 сағ · Тек салыстыруға арналған бағалау — / 1K токен
Баптаукіріс аудио секунды	Мөлшерлемелер кестесі—	Болжамды мөлшер—	Есептеу бірлігікіріс аудионың секунды үшін	Төлем Кіріс · кіріс аудио секунды · Тек салыстыруға арналған бағалау $0.0000555555555556 кіріс аудионың секунды үшін
БаптауГенерацияның болжамды құны	Мөлшерлемелер кестесі—	Болжамды мөлшербір генерацияға арналған болжам	Есептеу бірлігі—	Төлем Шығыс · Генерацияның болжамды құны · Тек салыстыруға арналған бағалау $0.0000555555555556 жасауға дейінгі бағалау Бұл бағалау қосымша төлем де, аяқталған генерация үшін белгіленген тұрақты тариф те емес.

Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →

Сұрау мысалдары

Ailoot Ultra · Дыбысты мәтінге түсіру

curl · төл пішімдегі дәл сұрау денесі және толық нәтиже

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.

Нәтижелерді алу және сақтау

Ailoot Ultra · Дыбысты мәтінге түсіру

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

Басқа мазмұнды оқу

Өзіңізге тиесілі қолда бар материалдарды оқу

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.

Барлық дайын нәтижені сақтау

Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.

Толық жауапты және тақырыптарды, алынған әрбір нәтижені, бастапқыда қайтарылған идентификаторларды және пайдалану туралы барлық өрістерді сақтаңыз. Жасау сұрауын қайта жібермей, бастапқы операцияны қалпына келтіріңіз.

Бастапқы жауапты тексеру қажет болса

Есептерді салыстырып тексеру үшін қайтарылған X-Client-Request-ID мәнін сақтаңыз. Тек нақты қайтарылған task_id/asset_id мәндері арқылы немесе өзіңізге тиесілі медиатекадан оқыңыз; операция ID мәнінен тапсырманың URL мекенжайын ешқашан құрастырмаңыз және жасау сұрауын ешқашан қайта жібермеңіз.

Жауап өрістері

Өріс	Түрі
Өріс`text`	Түрі
Өріс`usage`	Түрі
Өріс`segments[]`	Түрі
Өріс`words[]`	Түрі
Өріс`speaker fields`	Түрі
Өріс`timestamps`	Түрі

Балама атаулар

Модельдердің балама атаулары

Ailoot Ultra x-ai/grok-stt-1.0

Әдіс жолдарының балама атаулары

Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.

Шақыруға арналған байланысты ID

x-ai/grok-stt-1.0

FAQ · SpaceXAI: Grok STT 1.0

Қандай кіріс деректері мен нәтижелер қолжетімді?: POST /v1/audio/transcriptions · x-ai/grok-stt-1.0: audio → text
Сұрау қандай өрістерді пайдаланады?: POST /v1/audio/transcriptions · x-ai/grok-stt-1.0: model, input_audio, language, temperature, response_format, timestamp_granularities, provider
Қандай шектеулер қолданылады?: POST /v1/audio/transcriptions · x-ai/grok-stt-1.0: temperature.minimum: 0; temperature.maximum: 1

SpaceXAI: Grok STT 1.0