SpaceXAI: Grok STT 1.0

Grok STT 1.0 przekształca dźwięk w transkrypcję ze znacznikami czasu na poziomie słów. SpaceXAI dokumentuje opcjonalną diaryzację mówców i obsługę dźwięku wielokanałowego, dzięki czemu model przydaje się do nagrań wymagających zarówno zapisu wypowiedzi, jak i ich czasu lub struktury mówców.

Ailoot Ultra · Transkrypcja POST /v1/audio/transcriptions x-ai/grok-stt-1.0

O modelu

Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.

Grok STT 1.0 to model SpaceXAI do zamiany mowy na tekst. Przyjmuje dźwięk i zwraca transkrypcję ze znacznikami czasu na poziomie słów oraz opcjonalną diaryzacją mówców. Opublikowany profil obsługuje również dźwięk wielokanałowy. Użytecznym wynikiem jest treść wypowiedzi powiązana z czasem, a na życzenie również z mówcami w nagraniu.

Przygotuj nagranie i zadanie transkrypcji

Wskaż nagranie do transkrypcji i sposób wykorzystania wyniku. Transkrypcja spotkania wymaga kolejności wypowiedzi; wywiad może wymagać etykiet mówców; zadanie montażowe potrzebuje słów powiązanych z ich pozycjami w dźwięku. Zachowaj nagranie źródłowe i jego identyfikator, aby recenzent mógł wrócić do pierwotnego fragmentu, gdy słowo lub przypisanie mówcy budzi wątpliwości.

Używaj rzeczywistego nagrania zamiast przeredagowanego opisu jego zawartości. Przy źródle wielokanałowym zachowaj strukturę kanałów podczas przygotowywania dźwięku. Ta struktura i diaryzacja mówców opisują różne części zadania: kanały należą do nagrania, natomiast diaryzacja wskazuje zmiany mówcy w transkrypcji.

Czas i struktura mówców

Znaczniki czasu na poziomie słów wiążą rozpoznane słowa z nagraniem. Pomagają odnaleźć cytat, sprawdzić trudne sformułowanie lub przygotować późniejszy etap tworzenia napisów bądź montażu. Przy eksporcie lub przekształcaniu transkrypcji zachowaj znaczniki czasu razem ze słowami i porównaj ważne fragmenty z dźwiękiem.

Opcjonalna diaryzacja dodaje strukturę mówców. Sprawdź przejścia, przerywanie wypowiedzi i podobnie brzmiące głosy, zanim oprzesz dokument końcowy na przypisanych etykietach. W dalszych notatkach stosuj stałe etykiety mówców, oddzielając późniejsze ustalenie tożsamości osoby od grupowania mówców dokonanego przez model.

Wykorzystaj transkrypcję jako materiał źródłowy

Transkrypcja może zasilać podsumowanie, przeszukiwalny zapis lub proces przygotowania napisów. Te późniejsze materiały powinny zachowywać odpowiedni fragment transkrypcji i jego czas w źródle. Przy cytacie odsłuchaj dokładny fragment dźwięku; w notatce ze spotkania odróżnij wypowiedziane słowa od wyciągniętych z nich wniosków. Model tworzy transkrypcję, natomiast formatowanie, podsumowanie i publikacja opierają się na tym rzeczywistym wyniku.

Ailoot Ultra · Transkrypcja POST /v1/audio/transcriptions x-ai/grok-stt-1.0

x-ai/grok-stt-1.0

SpaceXAI /x-ai/grok-stt-1.0

Start

Akceptowane dane wejściowe: Audio
Wyniki: Tekst

Dostępne w Ailoot · dane wejściowe i metody

Ailoot Ultra · Transkrypcja POST /v1/audio/transcriptions

Wejście: audio
Wyjście: text

Pole	Typ	Wymaganie	Wartości i limity	Domyślnie
Pole`model`	Typ`string`	WymaganieWymagane	Wartości i limity x-ai/grok-stt-1.0	Domyślnie—
Pole`input_audio`	Typ`object`	WymaganieWymagane	Wartości i limity	Domyślnie—
Pole`language`	Typ`string`	WymaganieOpcjonalne	Wartości i limity	Domyślnie—
Pole`temperature`	Typ`number`	WymaganieOpcjonalne	Wartości i limity Minimum: 0 Maksimum: 1	Domyślnie—
Pole`response_format`	Typ`string`	WymaganieOpcjonalne	Wartości i limity json, verbose_json	Domyślniejson
Pole`timestamp_granularities`	Typ`array`	WymaganieOpcjonalne	Wartości i limity	Domyślnie—
Pole`provider`	Typ`object`	WymaganieOpcjonalne	Wartości i limity	Domyślnie—

Parametry i cykl życia metody

Parametr	Kontrakt
Parametr`content_type`	Kontraktapplication/json
Parametr`required`	Kontraktmodel, input_audio
Parametr`material_types`	Kontraktaudio
Parametr`material_conditions`	KontraktOdczytaj rzeczywisty plik WAV i zakoduj jego prawdziwe bajty dla zadeklarowanego wejścia JSON input_audio; dla tej konkretnej deklaracji obsługującej wyłącznie JSON nie deklaruje się ścieżki multipart.

Cykl życia: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Rzeczywiście zwrócony task_id lub wpis w bibliotece multimediów

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Cennik

Jak obliczana jest ostateczna opłata

Wyświetlane stawki służą do oszacowania kosztu przed generowaniem. Ostateczna opłata jest obliczana na podstawie kosztu zarejestrowanego dla pierwotnego generowania. Zmierzony czas trwania wyniku i prognozowane ilości nie stanowią ostatecznej ilości podlegającej rozliczeniu.

Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.

Tryb szybki: Nie określono Gdy wybrany jest tryb szybki
Tryb flex: Nie określono Gdy wybrany jest tryb flex
Maksymalna intensywność rozumowania: Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default)

Szacunkowe stawki do porównania

Ceny według konfiguracji

Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.

Konfiguracja	Tabela stawek	Przewidywana ilość	Jednostka rozliczeniowa	Opłata
KonfiguracjaBazowe stawki za tokeny	Tabela stawekStawka podstawowa	Przewidywana ilość—	Jednostka rozliczeniowa—	Opłata Wejście · Tokeny wejściowe · Szacunek tylko do porównania — / 1K tokenów Wyjście · Tokeny wyjściowe · Szacunek tylko do porównania — / 1K tokenów Wejście · Odczyt cache · Szacunek tylko do porównania — / 1K tokenów Wejście · Zapis do cache · Szacunek tylko do porównania — / 1K tokenów Wejście · Zapis do cache, 1 godz. · Szacunek tylko do porównania — / 1K tokenów
Konfiguracjasekunda wejściowego audio	Tabela stawek—	Przewidywana ilość—	Jednostka rozliczeniowaza sekundę dźwięku wejściowego	Opłata Wejście · sekunda wejściowego audio · Szacunek tylko do porównania $0.0000555555555556 za sekundę dźwięku wejściowego
KonfiguracjaSzacowany koszt generowania	Tabela stawek—	Przewidywana ilośćszacunek dla jednego generowania	Jednostka rozliczeniowa—	Opłata Wyjście · Szacowany koszt generowania · Szacunek tylko do porównania $0.0000555555555556 szacunek przed generowaniem Ten szacunek nie jest dodatkową opłatą ani stałą stawką za ukończone generowanie.

Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →

Przykładowe żądania

Ailoot Ultra · Transkrypcja

curl · natywna treść żądania w dokładnej postaci i kompletny wynik

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.

Odbieranie i zapisywanie wyników

Ailoot Ultra · Transkrypcja

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

Inne odczyty treści

Odczytaj istniejące zasoby należące do Ciebie

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.

Zachowaj wszystkie ukończone wyniki

Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.

Zachowaj pełną odpowiedź i nagłówki, wszystkie rzeczywiście uzyskane wyniki, pierwotnie zwrócone identyfikatory oraz wszystkie pola zużycia. Odzyskaj pierwotną operację bez ponownego wysyłania żądania utworzenia.

Jeśli trzeba sprawdzić pierwotną odpowiedź

Zachowaj zwrócony X-Client-Request-ID do uzgodnienia danych. Odczytuj wyłącznie rzeczywiście zwrócone wartości task_id/asset_id lub własną bibliotekę multimediów; nigdy nie buduj adresu URL zadania na podstawie identyfikatora operacji i nigdy nie wysyłaj ponownie żądania utworzenia.

Pola odpowiedzi

Pole	Typ
Pole`text`	Typ
Pole`usage`	Typ
Pole`segments[]`	Typ
Pole`words[]`	Typ
Pole`speaker fields`	Typ
Pole`timestamps`	Typ

Aliasy

Aliasy modelu

Ailoot Ultra x-ai/grok-stt-1.0

Aliasy ścieżek metod

Użyj ścieżek metod podanych powyżej.

Powiązane ID modeli

x-ai/grok-stt-1.0

FAQ · SpaceXAI: Grok STT 1.0

Jakie dane wejściowe i wyniki są dostępne?: POST /v1/audio/transcriptions · x-ai/grok-stt-1.0: audio → text
Jakich pól używa żądanie?: POST /v1/audio/transcriptions · x-ai/grok-stt-1.0: model, input_audio, language, temperature, response_format, timestamp_granularities, provider
Jakie limity obowiązują?: POST /v1/audio/transcriptions · x-ai/grok-stt-1.0: temperature.minimum: 0; temperature.maximum: 1

SpaceXAI: Grok STT 1.0