SpaceXAI: Grok STT 1.0
Grok STT 1.0 gjør lyd om til en transkripsjon med tidsstempler på ordnivå. SpaceXAI dokumenterer valgfri talerdiarisering og flerkanalslyd, noe som gjør modellen nyttig for opptak der både den talte teksten og tids- eller talerstrukturen trengs.
Om modellen
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Grok STT 1.0 er SpaceXAIs tale-til-tekst-modell. Den mottar lyd og returnerer en transkripsjon med tidsstempler på ordnivå og valgfri talerdiarisering. Den publiserte profilen støtter også flerkanalslyd. Det nyttige resultatet er det talte innholdet knyttet til tidsplasseringen og, når det etterspørres, talerne i et opptak.
Forbered opptaket og transkripsjonsoppgaven
Angi hvilket opptak som skal transkriberes, og hvordan resultatet skal brukes. En møtetranskripsjon trenger rekkefølgen på innleggene; et intervju kan trenge taleretiketter; en redigeringsoppgave trenger ord knyttet til plasseringen deres i lyden. Bevar kildeopptaket og identifikatoren, slik at en gjennomleser kan vende tilbake til originalpassasjen når et ord eller en talertilordning er usikker.
Bruk selve opptaket fremfor en omskrevet beskrivelse av innholdet. For en flerkanalskilde bør kanalstrukturen bevares når lyden klargjøres. Denne strukturen og talerdiarisering beskriver ulike deler av oppgaven: kanalene tilhører opptaket, mens diariseringen identifiserer talerskifter i transkripsjonen.
Tidsplassering og talerstruktur
Tidsstempler på ordnivå knytter transkriberte ord til opptaket. De gjør det lettere å finne et sitat, kontrollere en vanskelig frase eller forberede senere teksting eller redigering. Behold tidsstemplene sammen med ordene ved eksport eller omforming av transkripsjonen, og kontroller viktige passasjer mot lyden.
Valgfri diarisering legger til talerstruktur. Kontroller overganger, avbrytelser og stemmer som ligner, før du legger de tildelte etikettene til grunn i et sluttdokument. Bruk stabile taleretiketter i etterfølgende notater, og hold eventuell senere identifisering av en person atskilt fra modellens gruppering av talere.
Bruk transkripsjonen som kildemateriale
En transkripsjon kan brukes som grunnlag for et sammendrag, et søkbart arkiv eller en arbeidsflyt for klargjøring av undertekster. Disse senere produktene bør beholde det relevante utdraget fra transkripsjonen og tidsplasseringen i kilden. Ved et sitat bør du kontrollere den nøyaktige lydpassasjen; i et møtereferat bør du skille mellom det som ble sagt, og konklusjoner trukket fra det. Modellen lager transkripsjonen, mens formatering, oppsummering og publisering bygger på dette faktiske resultatet.
Ailoot Ultra · Transkripsjon POST /v1/audio/transcriptions x-ai/grok-stt-1.0
x-ai/grok-stt-1.0Start
Grok STT 1.0 gjør lyd om til en transkripsjon med tidsstempler på ordnivå. SpaceXAI dokumenterer valgfri talerdiarisering og flerkanalslyd, noe som gjør modellen nyttig for opptak der både den talte teksten og tids- eller talerstrukturen trengs.
- Godkjente inndata
- Lyd
- Resultater
- Tekst
Tilgjengelig i Ailoot · inndata & metoder
Ailoot Ultra · Transkripsjon POST /v1/audio/transcriptions
- Inndatatyper
audio- Utdatatyper
text
| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser x-ai/grok-stt-1.0 | Standard— |
Feltinput_audio | Typeobject | KravPåkrevd | Verdier & grenser | Standard— |
Feltlanguage | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Minimum: 0 Maksimum: 1 | Standard— |
Feltresponse_format | Typestring | KravValgfritt | Verdier & grenser json, verbose_json | Standardjson |
Felttimestamp_granularities | Typearray | KravValgfritt | Verdier & grenser | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser | Standard— |
Metodeparametere og livssyklus
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, input_audio |
Parametermaterial_types | Avtaleaudio |
Parametermaterial_conditions | AvtaleLes en faktisk WAV-fil og kod de virkelige bytene for det deklarerte JSON-feltet input_audio; ingen multipart-rute tilbys for denne eksakte deklarasjonen som bare bruker JSON. |
Livssyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · faktisk returnert task_id eller oppføring i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Priser
Slik beregnes det endelige beløpet
De viste satsene anslår kostnaden før generering. Det endelige beløpet beregnes ut fra kostnaden som er registrert for den opprinnelige genereringen. Målt varighet på utdataene og anslåtte mengder er ikke den endelige fakturerbare mengden.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
- Hurtigmodus
- Ikke angitt Når hurtigmodus er valgt
- Flex-modus
- Ikke angitt Når flex-modus er valgt
- Maksimal resonneringsinnsats
- Ikke angitt Når justeringen «default» brukes for maksimal resonneringsinnsats
Estimerte satser for sammenligning
Priser etter konfigurasjon
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Forventet mengde | Faktureringsenhet | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Forventet mengde— | Faktureringsenhet— | Kostnad Inndata · Inngående tokener · Estimat kun for sammenligning — / 1K tokener Utdata · Utgående tokener · Estimat kun for sammenligning — / 1K tokener Inndata · Lesing fra hurtigbuffer · Estimat kun for sammenligning — / 1K tokener Inndata · Skriving til hurtigbuffer · Estimat kun for sammenligning — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time · Estimat kun for sammenligning — / 1K tokener |
| Konfigurasjonlydsekund i inndata | Prisplan— | Forventet mengde— | Faktureringsenhetper sekund inndatalyd | Kostnad Inndata · lydsekund i inndata · Estimat kun for sammenligning $0.0000555555555556 per sekund inndatalyd |
| KonfigurasjonAnslått genereringskostnad | Prisplan— | Forventet mengdeestimat for én generering | Faktureringsenhet— | Kostnad Utdata · Anslått genereringskostnad · Estimat kun for sammenligning $0.0000555555555556 estimat før generering Dette anslaget er verken en tilleggsavgift eller en fast sats for den fullførte genereringen. |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
Eksempelforespørsler
Ailoot Ultra · Transkripsjon
set -eu
: "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.
Motta og lagre resultater
Ailoot Ultra · Transkripsjon
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Andre innholdslesinger
set -eu
: "${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.
Behold alle ferdige resultater
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Bevar hele svaret og svarhodene, alle faktiske utdata, de opprinnelige returnerte identifikatorene og alle bruksfeltene. Hent den opprinnelige operasjonen igjen uten å sende opprettelsesforespørselen på nytt.
Hvis det opprinnelige svaret må kontrolleres
Bevar returnert X-Client-Request-ID for avstemming. Les bare faktisk returnerte task_id/asset_id-verdier eller egne oppføringer i mediebiblioteket; bygg aldri en oppgave-URL fra operasjons-ID-en, og send aldri opprettelsesforespørselen på nytt.
Svarfelter
| Felt | Type |
|---|---|
Felttext | Type |
Feltusage | Type |
Feltsegments[] | Type |
Feltwords[] | Type |
Feltspeaker fields | Type |
Felttimestamps | Type |
Aliaser
Modellaliaser
Ailoot Ultra x-ai/grok-stt-1.0
Aliaser for metodestier
Bruk metodestiene som vises ovenfor.
Tilknyttede anroper-ID-er
FAQ · SpaceXAI: Grok STT 1.0
- Hvilke inndata og resultater er tilgjengelige?
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:audio→text- Hvilke felt bruker forespørselen?
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:model,input_audio,language,temperature,response_format,timestamp_granularities,provider- Hvilke grenser gjelder?
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:temperature.minimum:0;temperature.maximum:1