SpaceXAI: Grok STT 1.0
Grok STT 1.0 menukar audio kepada transkrip dengan cap masa pada peringkat perkataan. SpaceXAI mendokumenkan diarisasi penutur pilihan dan audio berbilang saluran, menjadikan model ini berguna untuk rakaman yang memerlukan teks pertuturan berserta pemasaan atau struktur penuturnya.
Tentang model
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Grok STT 1.0 ialah model pertuturan kepada teks SpaceXAI. Ia menerima audio dan mengembalikan transkripsi, dengan cap masa pada peringkat perkataan serta diarisasi penutur pilihan. Profil terbitannya turut menyokong audio berbilang saluran. Output yang berguna ialah kandungan pertuturan yang dihubungkan dengan pemasaan dan, apabila diminta, penutur dalam rakaman.
Sediakan rakaman dan tugas transkrip
Kenal pasti rakaman yang hendak ditranskripsi dan cara hasilnya akan digunakan. Transkrip mesyuarat memerlukan urutan giliran bercakap; temu bual mungkin memerlukan label penutur; tugas penyuntingan memerlukan perkataan yang dihubungkan dengan kedudukannya dalam audio. Kekalkan rakaman sumber dan pengecamnya supaya penyemak boleh kembali kepada petikan asal apabila sesuatu perkataan atau penetapan penutur tidak pasti.
Gunakan rakaman sebenar, bukannya penerangan yang ditulis semula tentang kandungannya. Untuk sumber berbilang saluran, kekalkan struktur salurannya semasa menyediakan audio. Struktur itu dan diarisasi penutur menerangkan bahagian tugas yang berbeza: saluran ialah ciri rakaman, manakala diarisasi mengenal pasti giliran penutur dalam transkrip.
Pemasaan dan struktur penutur
Cap masa pada peringkat perkataan menghubungkan perkataan yang ditranskripsi dengan rakaman. Ia membantu mencari petikan, menyemak frasa yang sukar atau menyediakan langkah sari kata atau penyuntingan kemudian. Kekalkan cap masa bersama perkataan apabila mengeksport atau mengubah transkrip, dan semak petikan penting dengan audio.
Diarisasi pilihan menambahkan struktur penutur. Semak peralihan, gangguan dan suara yang kedengaran serupa sebelum bergantung pada label yang ditetapkan dalam dokumen akhir. Gunakan label penutur yang konsisten dalam nota seterusnya, dan asingkan sebarang pengenalpastian individu pada masa kemudian daripada pengelompokan penutur oleh model.
Gunakan transkripsi sebagai bahan sumber
Transkrip boleh menjadi input bagi ringkasan, rekod yang boleh dicari atau aliran kerja penyediaan kapsyen. Artifak kemudian itu hendaklah mengekalkan bahagian transkrip yang berkaitan dan pemasaan sumber. Untuk petikan, periksa bahagian audio yang tepat; untuk nota mesyuarat, bezakan perkara yang dituturkan daripada kesimpulan yang dibuat daripadanya. Model menghasilkan transkripsi, manakala pemformatan, peringkasan dan penerbitan berpandukan hasil sebenar itu.
Ailoot Ultra · Transkripsi POST /v1/audio/transcriptions x-ai/grok-stt-1.0
x-ai/grok-stt-1.0Pengenalan
Grok STT 1.0 menukar audio kepada transkrip dengan cap masa pada peringkat perkataan. SpaceXAI mendokumenkan diarisasi penutur pilihan dan audio berbilang saluran, menjadikan model ini berguna untuk rakaman yang memerlukan teks pertuturan berserta pemasaan atau struktur penuturnya.
- Input yang diterima
- Audio
- Hasil
- Teks
Tersedia di Ailoot · input & kaedah
Ailoot Ultra · Transkripsi POST /v1/audio/transcriptions
- Input
audio- Output
text
| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had x-ai/grok-stt-1.0 | Lalai— |
Medaninput_audio | Jenisobject | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanlanguage | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Minimum: 0 Maksimum: 1 | Lalai— |
Medanresponse_format | Jenisstring | KeperluanPilihan | Nilai & had json, verbose_json | Lalaijson |
Medantimestamp_granularities | Jenisarray | KeperluanPilihan | Nilai & had | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had | Lalai— |
Parameter kaedah dan kitar hayat
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, input_audio |
Parametermaterial_types | Kontrakaudio |
Parametermaterial_conditions | KontrakBaca fail WAV sebenar dan kodkan bait sebenarnya untuk input_audio JSON yang diisytiharkan; tiada laluan multipart ditawarkan bagi pengisytiharan tepat yang hanya menggunakan JSON ini. |
Kitar hayat: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id sebenar yang dikembalikan atau rekod pustaka media
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Pelan harga
Cara caj akhir dikira
Kadar yang dipaparkan menganggarkan kos sebelum penjanaan. Caj akhir dikira berdasarkan kos yang direkodkan untuk penjanaan asal. Tempoh output yang diukur dan kuantiti ramalan bukan kuantiti akhir yang boleh dibilkan.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
- Mod pantas
- Tidak dinyatakan Apabila mod pantas dipilih
- Mod flex
- Tidak dinyatakan Apabila mod flex dipilih
- Usaha penaakulan maksimum
- Tidak dinyatakan Apabila usaha penaakulan maksimum menggunakan pelarasan default
Anggaran kadar untuk perbandingan
Harga mengikut konfigurasi
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Kuantiti ramalan | Unit pengebilan | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Kuantiti ramalan— | Unit pengebilan— | Caj Input · Token input · Anggaran untuk perbandingan sahaja — / 1K token Output · Token output · Anggaran untuk perbandingan sahaja — / 1K token Input · Bacaan cache · Anggaran untuk perbandingan sahaja — / 1K token Input · Penulisan cache · Anggaran untuk perbandingan sahaja — / 1K token Input · Penulisan cache, 1 jam · Anggaran untuk perbandingan sahaja — / 1K token |
| Konfigurasisaat audio input | Jadual kadar— | Kuantiti ramalan— | Unit pengebilanbagi setiap saat audio masukan | Caj Input · saat audio input · Anggaran untuk perbandingan sahaja $0.0000555555555556 bagi setiap saat audio masukan |
| KonfigurasiAnggaran kos penjanaan | Jadual kadar— | Kuantiti ramalananggaran untuk satu penjanaan | Unit pengebilan— | Caj Output · Anggaran kos penjanaan · Anggaran untuk perbandingan sahaja $0.0000555555555556 anggaran sebelum penjanaan Anggaran ini bukan caj tambahan atau kadar tetap bagi penjanaan yang telah selesai. |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
Contoh permintaan
Ailoot Ultra · Transkripsi
set -eu
: "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.
Terima dan simpan hasil
Ailoot Ultra · Transkripsi
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Pembacaan kandungan lain
set -eu
: "${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.
Simpan semua hasil yang selesai
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Simpan respons dan pengepala yang lengkap, setiap output sebenar, pengecam asal yang dikembalikan serta semua medan penggunaan. Pulihkan operasi asal tanpa menghantar permintaan penciptaan sekali lagi.
Jika respons asal perlu disemak
Simpan X-Client-Request-ID yang dikembalikan untuk penyelarasan rekod. Baca hanya nilai task_id/asset_id sebenar yang dikembalikan atau pustaka media milik anda; jangan sekali-kali bina URL tugas daripada ID operasi atau hantar semula permintaan penciptaan.
Medan respons
| Medan | Jenis |
|---|---|
Medantext | Jenis |
Medanusage | Jenis |
Medansegments[] | Jenis |
Medanwords[] | Jenis |
Medanspeaker fields | Jenis |
Medantimestamps | Jenis |
Alias
Alias model
Ailoot Ultra x-ai/grok-stt-1.0
Alias laluan kaedah
Gunakan laluan kaedah yang dipaparkan di atas.
ID pemanggil berkaitan
FAQ · SpaceXAI: Grok STT 1.0
- Apakah input dan hasil yang tersedia?
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:audio→text- Apakah medan yang digunakan oleh permintaan?
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:model,input_audio,language,temperature,response_format,timestamp_granularities,provider- Apakah had yang terpakai?
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:temperature.minimum:0;temperature.maximum:1