SpaceXAI: Grok STT 1.0

Grok STT 1.0 преобразует аудио в расшифровку с временными метками отдельных слов. SpaceXAI документирует необязательную диаризацию говорящих и многоканальное аудио, что полезно для записей, где нужны и произнесённый текст, и его временная или спикерская структура.

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

О модели

Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.

Grok STT 1.0 — модель SpaceXAI для преобразования речи в текст. Она принимает аудио и возвращает расшифровку с временными метками отдельных слов и необязательной диаризацией говорящих. Опубликованный профиль также поддерживает многоканальное аудио. Полезный результат — произнесённое содержание, связанное со временем и, при соответствующем запросе, с говорящими в записи.

Подготовьте запись и задачу расшифровки

Укажите запись для расшифровки и способ использования результата. Для расшифровки встречи нужна последовательность реплик; для интервью могут понадобиться метки говорящих; для монтажа слова должны быть связаны с их положением в аудио. Сохраняйте исходную запись и её идентификатор, чтобы проверяющий мог вернуться к оригинальному фрагменту при сомнениях в слове или принадлежности реплики.

Используйте фактическую запись, а не пересказ её содержания. Для многоканального источника при подготовке аудио сохраняйте структуру каналов. Эта структура и диаризация говорящих описывают разные части задачи: каналы относятся к записи, а диаризация определяет смену говорящих в расшифровке.

Временные метки и структура говорящих

Временные метки отдельных слов связывают расшифрованные слова с записью. Они помогают найти цитату, проверить трудную фразу или подготовить последующий этап субтитров либо монтажа. Сохраняйте метки рядом со словами при экспорте или преобразовании расшифровки и сверяйте важные фрагменты с аудио.

Необязательная диаризация добавляет структуру говорящих. Проверяйте переходы, перебивания и похожие голоса, прежде чем полагаться на назначенные метки в итоговом документе. Используйте стабильные метки говорящих в последующих заметках, отделяя позднейшее установление личности человека от группировки голосов моделью.

Используйте расшифровку как исходный материал

Расшифровка может служить основой сводки, доступной для поиска записи или подготовки субтитров. Эти последующие материалы должны сохранять соответствующий отрезок расшифровки и исходное время. Для цитаты изучите точный фрагмент аудио; для заметки о встрече различайте произнесённое и выводы из него. Модель создаёт расшифровку, а форматирование, обобщение и публикация следуют из этого фактического результата.

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

x-ai/grok-stt-1.0

SpaceXAI /x-ai/grok-stt-1.0

Начало

Допустимые входные данные: Аудио
Результаты: Текст

Доступно в Ailoot · входные данные и методы

Ailoot Ultra · Распознавание речи POST /v1/audio/transcriptions

Входные данные: audio
Результат: text

Поле	Тип	Требование	Значения и ограничения	По умолчанию
Поле`model`	Тип`string`	ТребованиеОбязательно	Значения и ограничения x-ai/grok-stt-1.0	По умолчанию—
Поле`input_audio`	Тип`object`	ТребованиеОбязательно	Значения и ограничения	По умолчанию—
Поле`language`	Тип`string`	ТребованиеНеобязательно	Значения и ограничения	По умолчанию—
Поле`temperature`	Тип`number`	ТребованиеНеобязательно	Значения и ограничения Минимум: 0 Максимум: 1	По умолчанию—
Поле`response_format`	Тип`string`	ТребованиеНеобязательно	Значения и ограничения json, verbose_json	По умолчаниюjson
Поле`timestamp_granularities`	Тип`array`	ТребованиеНеобязательно	Значения и ограничения	По умолчанию—
Поле`provider`	Тип`object`	ТребованиеНеобязательно	Значения и ограничения	По умолчанию—

Параметры и жизненный цикл метода

Параметр	Контракт
Параметр`content_type`	Контрактapplication/json
Параметр`required`	Контрактmodel, input_audio
Параметр`material_types`	Контрактaudio
Параметр`material_conditions`	КонтрактПрочитайте фактический файл WAV и закодируйте его реальные байты для заявленного поля input_audio в JSON; в этом конкретном описании, допускающем только JSON, маршрут multipart не предлагается.

Жизненный цикл: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Фактически возвращённый task_id или запись в медиатеке

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Тарифы

Как рассчитывается итоговая плата

Отображаемые тарифы позволяют оценить стоимость до генерации. Итоговое списание рассчитывается по стоимости, записанной для исходной генерации. Измеренная длительность результата и прогнозные объёмы не являются итоговым оплачиваемым объёмом.

Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.

Быстрый режим: Не указано При выборе быстрого режима
Режим flex: Не указано При выборе режима flex
Максимальная интенсивность рассуждений: Не указано При максимальной интенсивности рассуждений с корректировкой по умолчанию (default)

Оценочные ставки для сравнения

Цены по конфигурациям

Сопоставьте каждую плату с указанными условиями. Для каждого набора альтернативных конфигураций используйте одну ставку.

Конфигурация	Шкала ставок	Прогноз количества	Расчётная единица	Плата
КонфигурацияБазовые тарифы на токены	Шкала ставокБазовая ставка	Прогноз количества—	Расчётная единица—	Плата Вход · Входные токены · Оценка только для сравнения — / 1K токенов Выход · Выходные токены · Оценка только для сравнения — / 1K токенов Вход · Чтение кэша · Оценка только для сравнения — / 1K токенов Вход · Запись в кэш · Оценка только для сравнения — / 1K токенов Вход · Запись в кэш, 1 час · Оценка только для сравнения — / 1K токенов
Конфигурациясекунда входного аудио	Шкала ставок—	Прогноз количества—	Расчётная единицаза секунду входного аудио	Плата Вход · секунда входного аудио · Оценка только для сравнения $0.0000555555555556 за секунду входного аудио
КонфигурацияОриентировочная стоимость генерации	Шкала ставок—	Прогноз количестваОценка для одной генерации	Расчётная единица—	Плата Выход · Оценочная стоимость генерации · Оценка только для сравнения $0.0000555555555556 оценка до генерации Эта оценка не является дополнительным списанием или фиксированным тарифом для завершённой генерации.

Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →

Примеры запросов

Ailoot Ultra · Распознавание речи

curl · точное тело запроса в нативном формате и полный результат

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.

Получить и сохранить результаты

Ailoot Ultra · Распознавание речи

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

Чтение другого содержимого

Читать существующие материалы, принадлежащие вам

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.

Сохраняйте все готовые результаты

Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.

Сохраняйте полный ответ и заголовки, все фактические результаты, исходные возвращённые идентификаторы и все поля использования. Восстанавливайте исходную операцию без повторной отправки запроса создания.

Если нужно проверить исходный ответ

Сохраните возвращённый X-Client-Request-ID для сверки. Читайте только фактически возвращённые значения task_id/asset_id или собственную медиатеку; никогда не составляйте URL задачи из ID операции и никогда не отправляйте запрос создания повторно.

Поля ответа

Поле	Тип
Поле`text`	Тип
Поле`usage`	Тип
Поле`segments[]`	Тип
Поле`words[]`	Тип
Поле`speaker fields`	Тип
Поле`timestamps`	Тип

Псевдонимы

Псевдонимы моделей

Ailoot Ultra x-ai/grok-stt-1.0

Псевдонимы путей метода

Используйте пути методов, указанные выше.

Связанные ID для вызова

x-ai/grok-stt-1.0

FAQ · SpaceXAI: Grok STT 1.0

Какие входные данные и результаты доступны?: POST /v1/audio/transcriptions · x-ai/grok-stt-1.0: audio → text
Какие поля использует запрос?: POST /v1/audio/transcriptions · x-ai/grok-stt-1.0: model, input_audio, language, temperature, response_format, timestamp_granularities, provider
Какие ограничения действуют?: POST /v1/audio/transcriptions · x-ai/grok-stt-1.0: temperature.minimum: 0; temperature.maximum: 1

SpaceXAI: Grok STT 1.0