SpaceXAI: Grok STT 1.0

Grok STT 1.0 mení zvuk na prepis s časovými značkami na úrovni slov. SpaceXAI dokumentuje voliteľnú diarizáciu hovoriacich a viackanálový zvuk, vďaka čomu je model užitočný pri nahrávkach vyžadujúcich hovorený text aj jeho časovanie alebo štruktúru hovoriacich.

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

O modeli

Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.

Grok STT 1.0 je model SpaceXAI na prevod reči na text. Prijíma zvuk a vracia prepis s časovými značkami na úrovni slov a voliteľnou diarizáciou hovoriacich. Zverejnený profil podporuje aj viackanálový zvuk. Jeho užitočným výstupom je hovorený obsah prepojený s časovaním a podľa požiadavky aj s hovoriacimi v nahrávke.

Pripravte nahrávku a zadanie prepisu

Určite nahrávku, ktorú chcete prepísať, a spôsob použitia výsledku. Prepis stretnutia potrebuje sled replík; rozhovor môže potrebovať označenia hovoriacich; strihová úloha potrebuje slová prepojené s ich polohou v zvuku. Zachovajte zdrojovú nahrávku a jej identifikátor, aby sa recenzent mohol vrátiť k pôvodnej pasáži pri neistom slove alebo priradení hovoriaceho.

Použite skutočnú nahrávku namiesto prepísaného opisu jej obsahu. Pri viackanálovom zdroji zachovajte pri príprave zvuku jeho kanálovú štruktúru. Táto štruktúra a diarizácia hovoriacich opisujú rôzne časti úlohy: kanály patria nahrávke, zatiaľ čo diarizácia identifikuje striedanie hovoriacich v prepise.

Časovanie a štruktúra hovoriacich

Časové značky na úrovni slov prepájajú prepísané slová s nahrávkou. Pomáhajú nájsť citát, skontrolovať náročnú frázu alebo pripraviť neskorší krok titulkovania či strihu. Pri exporte alebo transformácii prepisu ponechajte časové značky pri slovách a dôležité pasáže overte oproti zvuku.

Voliteľná diarizácia pridáva štruktúru hovoriacich. Pred použitím priradených označení v záverečnom dokumente skontrolujte prechody, prerušovania a podobne znejúce hlasy. V nadväzujúcich poznámkach používajte stabilné označenia hovoriacich a prípadnú neskoršiu identifikáciu osoby odlišujte od zoskupenia hovoriacich vytvoreného modelom.

Použite prepis ako zdrojový materiál

Prepis môže vstupovať do pracovného postupu tvorby súhrnu, prehľadávateľného záznamu alebo prípravy titulkov. Tieto neskoršie výstupy majú zachovať príslušný úsek prepisu a časovanie zdroja. Pri citáte preskúmajte presnú zvukovú pasáž; pri zápise zo stretnutia odlíšte vyslovené slová od záverov z nich odvodených. Model vytvára prepis, zatiaľ čo formátovanie, sumarizácia a publikovanie nadväzujú na tento skutočný výsledok.

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

x-ai/grok-stt-1.0

SpaceXAI /x-ai/grok-stt-1.0

Úvod

Povolené vstupy: Audio
Výsledky: Text

Dostupné v Ailoot · vstupy a metódy

Ailoot Ultra · Prepis zvuku POST /v1/audio/transcriptions

Vstup: audio
Výstup: text

Pole	Typ	Požiadavka	Hodnoty a limity	Predvolené
Pole`model`	Typ`string`	PožiadavkaPovinné	Hodnoty a limity x-ai/grok-stt-1.0	Predvolené—
Pole`input_audio`	Typ`object`	PožiadavkaPovinné	Hodnoty a limity	Predvolené—
Pole`language`	Typ`string`	PožiadavkaVoliteľné	Hodnoty a limity	Predvolené—
Pole`temperature`	Typ`number`	PožiadavkaVoliteľné	Hodnoty a limity Minimum: 0 Maximum: 1	Predvolené—
Pole`response_format`	Typ`string`	PožiadavkaVoliteľné	Hodnoty a limity json, verbose_json	Predvolenéjson
Pole`timestamp_granularities`	Typ`array`	PožiadavkaVoliteľné	Hodnoty a limity	Predvolené—
Pole`provider`	Typ`object`	PožiadavkaVoliteľné	Hodnoty a limity	Predvolené—

Parametre a životný cyklus metódy

Parameter	Špecifikácia
Parameter`content_type`	Špecifikáciaapplication/json
Parameter`required`	Špecifikáciamodel, input_audio
Parameter`material_types`	Špecifikáciaaudio
Parameter`material_conditions`	ŠpecifikáciaNačítajte skutočný súbor WAV a zakódujte jeho reálne bajty pre deklarovaný vstup JSON input_audio; pre túto presnú deklaráciu iba s JSON sa neuvádza žiadna trasa multipart.

Životný cyklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · skutočne vrátené task_id alebo záznam v knižnici médií

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Cenník

Ako sa vypočíta konečný poplatok

Zobrazené sadzby slúžia na odhad nákladov pred generovaním. Konečný poplatok sa vypočíta z nákladov zaznamenaných pri pôvodnom generovaní. Namerané trvanie výstupu a predpokladané množstvá nepredstavujú konečné účtované množstvo.

Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.

Rýchly režim: Neuvedené Keď je zvolený rýchly režim
Režim Flex: Neuvedené Keď je zvolený režim flex
Maximálna úroveň uvažovania: Neuvedené Keď sa pri maximálnej úrovni uvažovania používa predvolená úprava (default)

Odhadované sadzby na porovnanie

Ceny podľa konfigurácie

Každý poplatok priraďte k zobrazeným podmienkam. Pre každú skupinu alternatívnych konfigurácií použite jednu sadzbu.

Konfigurácia	Sadzobník	Odhadované množstvo	Účtovacia jednotka	Poplatok
KonfiguráciaZákladné sadzby za tokeny	SadzobníkZákladná sadzba	Odhadované množstvo—	Účtovacia jednotka—	Poplatok Vstup · Vstupné tokeny · Odhad iba na porovnanie — / 1K tokenov Výstup · Výstupné tokeny · Odhad iba na porovnanie — / 1K tokenov Vstup · Čítanie cache · Odhad iba na porovnanie — / 1K tokenov Vstup · Zápis do cache · Odhad iba na porovnanie — / 1K tokenov Vstup · Zápis do cache, 1 hod · Odhad iba na porovnanie — / 1K tokenov
Konfiguráciasekunda vstupného zvuku	Sadzobník—	Odhadované množstvo—	Účtovacia jednotkaza sekundu vstupného audia	Poplatok Vstup · sekunda vstupného zvuku · Odhad iba na porovnanie $0.0000555555555556 za sekundu vstupného audia
KonfiguráciaOdhadované náklady na generovanie	Sadzobník—	Odhadované množstvoodhad pre jedno generovanie	Účtovacia jednotka—	Poplatok Výstup · Odhadované náklady na generovanie · Odhad iba na porovnanie $0.0000555555555556 odhad pred generovaním Tento odhad nepredstavuje dodatočný poplatok ani pevnú sadzbu za dokončené generovanie.

Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →

Príklady požiadaviek

Ailoot Ultra · Prepis zvuku

curl · presné telo požiadavky v natívnom formáte a úplný výsledok

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.

Prijať a uložiť výsledky

Ailoot Ultra · Prepis zvuku

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

Čítanie ďalšieho obsahu

Čítať existujúce podklady, ktoré vám patria

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.

Uchovať všetky dokončené výsledky

Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.

Uchovajte úplnú odpoveď a hlavičky, všetky skutočné výstupy, pôvodné vrátené identifikátory a všetky polia s údajmi o spotrebe. Obnovte pôvodnú operáciu bez opätovného odoslania požiadavky na vytvorenie.

Ak treba overiť pôvodnú odpoveď

Uchovajte vrátené X-Client-Request-ID na zosúladenie záznamov. Čítajte iba skutočne vrátené hodnoty task_id/asset_id alebo vlastnú knižnicu médií; nikdy nevytvárajte URL úlohy z ID operácie a nikdy znova neodosielajte požiadavku na vytvorenie.

Polia odpovede

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

Aliasy

Aliasy modelov

Ailoot Ultra x-ai/grok-stt-1.0

Aliasy ciest metód

Použite cesty metód uvedené vyššie.

Súvisiace ID na volanie

x-ai/grok-stt-1.0

FAQ · SpaceXAI: Grok STT 1.0

Aké vstupy a výsledky sú dostupné?: POST /v1/audio/transcriptions · x-ai/grok-stt-1.0: audio → text
Aké polia používa požiadavka?: POST /v1/audio/transcriptions · x-ai/grok-stt-1.0: model, input_audio, language, temperature, response_format, timestamp_granularities, provider
Aké limity platia?: POST /v1/audio/transcriptions · x-ai/grok-stt-1.0: temperature.minimum: 0; temperature.maximum: 1

SpaceXAI: Grok STT 1.0