SpaceXAI: Grok STT 1.0
Grok STT 1.0 transforma áudio numa transcrição com marcas temporais ao nível da palavra. A SpaceXAI documenta diarização opcional de locutores e áudio multicanal, tornando o modelo útil para gravações que precisam tanto do texto falado como da sua temporização ou estrutura de locutores.
Sobre o modelo
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Grok STT 1.0 é o modelo de conversão de fala em texto da SpaceXAI. Recebe áudio e devolve uma transcrição, com marcas temporais ao nível da palavra e diarização opcional de locutores. O perfil publicado também suporta áudio multicanal. O resultado útil é o conteúdo falado associado à temporização e, quando solicitado, aos locutores de uma gravação.
Prepare a gravação e a tarefa de transcrição
Identifique a gravação a transcrever e a forma como o resultado será utilizado. A transcrição de uma reunião precisa da sequência de intervenções; uma entrevista pode precisar de etiquetas de locutor; uma tarefa de edição precisa das palavras associadas às respetivas posições no áudio. Preserve a gravação de origem e o seu identificador para que quem a revê possa regressar à passagem original quando houver dúvidas sobre uma palavra ou a atribuição de um locutor.
Use a gravação real em vez de um relato reescrito do seu conteúdo. Numa fonte multicanal, mantenha a estrutura dos canais ao preparar o áudio. Essa estrutura e a diarização de locutores descrevem partes diferentes da tarefa: os canais pertencem à gravação, enquanto a diarização identifica as intervenções de cada locutor na transcrição.
Temporização e estrutura de locutores
As marcas temporais ao nível da palavra ligam as palavras transcritas à gravação. Ajudam a localizar uma citação, rever uma expressão difícil ou preparar uma etapa posterior de legendagem ou edição. Mantenha as marcas temporais junto das palavras ao exportar ou transformar a transcrição e confirme as passagens importantes com o áudio.
A diarização opcional acrescenta a estrutura de locutores. Reveja transições, interrupções e vozes semelhantes antes de confiar nas etiquetas atribuídas num documento final. Use etiquetas de locutor estáveis nas notas posteriores, mantendo qualquer identificação posterior de uma pessoa distinta do agrupamento de locutores feito pelo modelo.
Use a transcrição como material de origem
Uma transcrição pode alimentar um resumo, um registo pesquisável ou um fluxo de preparação de legendas. Esses artefactos posteriores devem conservar o trecho relevante da transcrição e a temporização na origem. Para uma citação, examine a passagem exata do áudio; para uma nota de reunião, distinga o que foi dito das conclusões daí retiradas. O modelo produz a transcrição, enquanto a formatação, o resumo e a publicação partem desse resultado real.
Ailoot Ultra · Transcrição POST /v1/audio/transcriptions x-ai/grok-stt-1.0
x-ai/grok-stt-1.0Introdução
Grok STT 1.0 transforma áudio numa transcrição com marcas temporais ao nível da palavra. A SpaceXAI documenta diarização opcional de locutores e áudio multicanal, tornando o modelo útil para gravações que precisam tanto do texto falado como da sua temporização ou estrutura de locutores.
- Entradas aceites
- Áudio
- Resultados
- Texto
Disponível no Ailoot · entradas e métodos
Ailoot Ultra · Transcrição POST /v1/audio/transcriptions
- Entrada
audio- Saída
text
| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites x-ai/grok-stt-1.0 | Predefinição— |
Campoinput_audio | Tipoobject | RequisitoObrigatório | Valores e limites | Predefinição— |
Campolanguage | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores e limites Mínimo: 0 Máximo: 1 | Predefinição— |
Camporesponse_format | Tipostring | RequisitoOpcional | Valores e limites json, verbose_json | Predefiniçãojson |
Campotimestamp_granularities | Tipoarray | RequisitoOpcional | Valores e limites | Predefinição— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores e limites | Predefinição— |
Parâmetros e ciclo de vida do método
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, input_audio |
Parâmetromaterial_types | Contratoaudio |
Parâmetromaterial_conditions | ContratoLeia um ficheiro WAV real e codifique os respetivos bytes reais para a entrada JSON input_audio declarada; não é anunciada qualquer rota multipart para esta declaração exata apenas de JSON. |
Ciclo de vida: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id efetivamente devolvido ou registo na biblioteca de multimédia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Tarifários
Cálculo do custo final
As tarifas apresentadas permitem estimar o custo antes da geração. O montante final cobrado é calculado a partir do custo registado para a geração original. A duração medida do resultado e as quantidades previstas não correspondem à quantidade final faturável.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
- Modo rápido
- Não especificado Quando o modo rápido está selecionado
- Modo flex
- Não especificado Quando o modo flex está selecionado
- Esforço máximo de raciocínio
- Não especificado Quando o esforço máximo de raciocínio usa o ajuste predefinido (default)
Tarifas estimadas para comparação
Preços por configuração
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Quantidade prevista | Unidade de faturação | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base por token | Tabela de tarifasTarifa base | Quantidade prevista— | Unidade de faturação— | Custo Entrada · Tokens de entrada · Estimativa apenas para comparação — / 1K tokens Saída · Tokens de saída · Estimativa apenas para comparação — / 1K tokens Entrada · Leitura da cache · Estimativa apenas para comparação — / 1K tokens Entrada · Escrita na cache · Estimativa apenas para comparação — / 1K tokens Entrada · Escrita na cache, 1 hora · Estimativa apenas para comparação — / 1K tokens |
| Configuraçãosegundo de áudio de entrada | Tabela de tarifas— | Quantidade prevista— | Unidade de faturaçãopor segundo de áudio de entrada | Custo Entrada · segundo de áudio de entrada · Estimativa apenas para comparação $0.0000555555555556 por segundo de áudio de entrada |
| ConfiguraçãoCusto estimado de geração | Tabela de tarifas— | Quantidade previstaestimativa para uma geração | Unidade de faturação— | Custo Saída · Custo estimado de geração · Estimativa apenas para comparação $0.0000555555555556 estimativa antes da geração Esta estimativa não é um encargo adicional nem uma tarifa fixa para a geração concluída. |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
Exemplos de pedidos
Ailoot Ultra · Transcrição
set -eu
: "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.
Receber e guardar os resultados
Ailoot Ultra · Transcrição
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Outras leituras de conteúdo
set -eu
: "${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.
Guardar todos os resultados concluídos
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve a resposta completa e os cabeçalhos, todos os resultados efetivamente produzidos, os identificadores originais devolvidos e todos os campos de utilização. Recupere a operação original sem voltar a enviar o pedido de criação.
Se for necessário verificar a resposta original
Guarde o X-Client-Request-ID devolvido para reconciliação. Consulte apenas os valores task_id/asset_id efetivamente devolvidos ou a sua biblioteca de multimédia; nunca construa um URL de tarefa a partir do ID da operação e nunca volte a enviar o pedido de criação.
Campos da resposta
| Campo | Tipo |
|---|---|
Campotext | Tipo |
Campousage | Tipo |
Camposegments[] | Tipo |
Campowords[] | Tipo |
Campospeaker fields | Tipo |
Campotimestamps | Tipo |
Aliases
Aliases do modelo
Ailoot Ultra x-ai/grok-stt-1.0
Aliases dos caminhos dos métodos
Use os caminhos dos métodos indicados acima.
IDs de chamada relacionados
FAQ · SpaceXAI: Grok STT 1.0
- Que entradas e resultados estão disponíveis?
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:audio→text- Que campos utiliza o pedido?
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:model,input_audio,language,temperature,response_format,timestamp_granularities,provider- Que limites se aplicam?
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:temperature.minimum:0;temperature.maximum:1