SpaceXAI: Grok STT 1.0
Grok STT 1.0 paverčia garsą transkripcija su kiekvieno žodžio laiko žymomis. SpaceXAI dokumentuoja pasirenkamą kalbėtojų atskyrimą ir daugiakanalį garsą, todėl modelis naudingas įrašams, kuriuose reikia ir ištarto teksto, ir jo laiko ar kalbėtojų struktūros.
Apie modelį
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Grok STT 1.0 – SpaceXAI kalbos atpažinimo modelis. Jis priima garsą ir grąžina transkripciją su kiekvieno žodžio laiko žymomis ir pasirenkamu kalbėtojų atskyrimu. Paskelbtas profilis taip pat palaiko daugiakanalį garsą. Naudinga jo išvestis – ištartas turinys, susietas su laiku ir, kai to prašoma, su įrašo kalbėtojais.
Paruoškite įrašą ir transkripcijos užduotį
Nurodykite transkribuojamą įrašą ir tai, kaip bus naudojamas rezultatas. Susitikimo transkripcijai reikia pasisakymų sekos; interviu gali reikėti kalbėtojų žymų; montavimo užduočiai reikia žodžių, susietų su jų vietomis garso įraše. Išsaugokite pirminį įrašą ir jo identifikatorių, kad peržiūrėtojas galėtų grįžti prie originalios ištraukos, kai abejojama žodžiu ar kalbėtojo priskyrimu.
Naudokite tikrąjį įrašą, o ne perrašytą pasakojimą apie jo turinį. Ruošdami garsą iš daugiakanalio šaltinio išsaugokite jo kanalų struktūrą. Ši struktūra ir kalbėtojų atskyrimas aprašo skirtingas užduoties dalis: kanalai priklauso įrašui, o kalbėtojų atskyrimas nustato kalbėtojų pasisakymus transkripcijoje.
Laikas ir kalbėtojų struktūra
Kiekvieno žodžio laiko žymos susieja transkribuotus žodžius su įrašu. Jos padeda rasti citatą, peržiūrėti sudėtingą frazę ar pasiruošti vėlesniam subtitrų kūrimo arba montavimo žingsniui. Eksportuodami ar transformuodami transkripciją išsaugokite laiko žymas kartu su žodžiais, o svarbias ištraukas patikrinkite pagal garsą.
Pasirenkamas kalbėtojų atskyrimas prideda kalbėtojų struktūrą. Prieš remdamiesi priskirtomis žymomis galutiniame dokumente, peržiūrėkite perėjimus, pertraukimus ir panašiai skambančius balsus. Vėlesniuose užrašuose naudokite pastovias kalbėtojų žymas, o bet kokį vėlesnį asmens nustatymą atskirkite nuo modelio sudaryto kalbėtojų grupavimo.
Naudokite transkripciją kaip šaltinį
Transkripcija gali būti naudojama santraukai, paiešką palaikančiam įrašui arba subtitrų rengimo darbo eigai. Šie vėlesni artefaktai turėtų išlaikyti susijusią transkripcijos dalį ir šaltinio laiko žymas. Cituodami peržiūrėkite tikslią garso ištrauką; rengdami susitikimo užrašus atskirkite tai, kas buvo pasakyta, nuo iš to padarytų išvadų. Modelis sukuria transkripciją, o formatavimas, apibendrinimas ir publikavimas remiasi šiuo faktiniu rezultatu.
Ailoot Ultra · Transkribavimas POST /v1/audio/transcriptions x-ai/grok-stt-1.0
x-ai/grok-stt-1.0Pradžia
Grok STT 1.0 paverčia garsą transkripcija su kiekvieno žodžio laiko žymomis. SpaceXAI dokumentuoja pasirenkamą kalbėtojų atskyrimą ir daugiakanalį garsą, todėl modelis naudingas įrašams, kuriuose reikia ir ištarto teksto, ir jo laiko ar kalbėtojų struktūros.
- Leidžiamos įvestys
- Garsas
- Rezultatai
- Tekstas
Prieinama Ailoot · įvestys ir metodai
Ailoot Ultra · Transkribavimas POST /v1/audio/transcriptions
- Įvestis
audio- Išvestis
text
| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos x-ai/grok-stt-1.0 | Numatyta— |
Laukasinput_audio | Tipasobject | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukaslanguage | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 0 Didžiausia reikšmė: 1 | Numatyta— |
Laukasresponse_format | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos json, verbose_json | Numatytajson |
Laukastimestamp_granularities | Tipasarray | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasprovider | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Metodo parametrai ir gyvavimo ciklas
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, input_audio |
Parametrasmaterial_types | Specifikacijaaudio |
Parametrasmaterial_conditions | SpecifikacijaNuskaitykite tikrą WAV failą ir užkoduokite tikruosius jo baitus deklaruotai JSON input_audio įvesčiai; šiai tiksliai vien JSON skirtai deklaracijai multipart maršrutas nesiūlomas. |
Gyvavimo ciklas: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · faktiškai grąžinta task_id reikšmė arba medijos bibliotekos įrašas
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Planai
Kaip apskaičiuojamas galutinis mokestis
Rodomi įkainiai leidžia įvertinti kainą prieš generavimą. Galutinė suma apskaičiuojama pagal užfiksuotą pradinio generavimo kainą. Išmatuota rezultato trukmė ir prognozuoti kiekiai nėra galutinis apmokestinamas kiekis.
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
- Spartusis režimas
- Nenurodyta Pasirinkus spartųjį režimą
- Flex režimas
- Nenurodyta Pasirinkus flex režimą
- Didžiausios samprotavimo pastangos
- Nenurodyta Kai didžiausioms samprotavimo pastangoms taikomas numatytasis koregavimas (default)
Numatomi įkainiai palyginimui
Kainos pagal konfigūraciją
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Numatomas kiekis | Apskaitos vienetas | Mokestis |
|---|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Numatomas kiekis— | Apskaitos vienetas— | Mokestis Įvestis · Įvesties tokenai · Įvertis tik palyginimui — / 1K tokenų Išvestis · Išvesties tokenai · Įvertis tik palyginimui — / 1K tokenų Įvestis · Talpyklos skaitymas · Įvertis tik palyginimui — / 1K tokenų Įvestis · Rašymas į talpyklą · Įvertis tik palyginimui — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val · Įvertis tik palyginimui — / 1K tokenų |
| Konfigūracijaįvesties garso sekundė | Įkainių lentelė— | Numatomas kiekis— | Apskaitos vienetasuž įvesties garso sekundę | Mokestis Įvestis · įvesties garso sekundė · Įvertis tik palyginimui $0.0000555555555556 už įvesties garso sekundę |
| KonfigūracijaNumatoma generavimo kaina | Įkainių lentelė— | Numatomas kiekisvieno generavimo įvertis | Apskaitos vienetas— | Mokestis Išvestis · Numatoma generavimo kaina · Įvertis tik palyginimui $0.0000555555555556 įvertis prieš generavimą Šis įvertis nėra papildomas mokestis ar fiksuotas užbaigto generavimo įkainis. |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Užklausų pavyzdžiai
Ailoot Ultra · Transkribavimas
set -eu
: "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.
Gauti ir išsaugoti rezultatus
Ailoot Ultra · Transkribavimas
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Kito turinio skaitymas
set -eu
: "${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.
Išsaugoti visus baigtus rezultatus
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visą atsakymą ir antraštes, visus faktiškai gautus rezultatus, pradinius grąžintus identifikatorius ir visus naudojimo apskaitos laukus. Atkurkite prieigą prie pradinės operacijos pakartotinai neteikdami kūrimo užklausos.
Jei reikia patikrinti pradinį atsakymą
Išsaugokite grąžintą X-Client-Request-ID duomenims sutikrinti. Tikrinkite tik faktiškai grąžintas task_id/asset_id reikšmes arba jums priklausančią medijos biblioteką; niekada nekurkite užduoties URL iš operacijos ID ir niekada pakartotinai neteikite kūrimo užklausos.
Atsakymo laukai
| Laukas | Tipas |
|---|---|
Laukastext | Tipas |
Laukasusage | Tipas |
Laukassegments[] | Tipas |
Laukaswords[] | Tipas |
Laukasspeaker fields | Tipas |
Laukastimestamps | Tipas |
Pseudonimai
Modelių pseudonimai
Ailoot Ultra x-ai/grok-stt-1.0
Metodų kelių pseudonimai
Naudokite aukščiau nurodytus metodų kelius.
Susiję ID iškvietimui
FAQ · SpaceXAI: Grok STT 1.0
- Kokios įvestys ir rezultatai prieinami?
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:audio→text- Kokius laukus naudoja užklausa?
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:model,input_audio,language,temperature,response_format,timestamp_granularities,provider- Kokie apribojimai taikomi?
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:temperature.minimum:0;temperature.maximum:1