SpaceXAI: Grok STT 1.0

Grok STT 1.0 omvandlar ljud till en transkription med tidsstämplar på ordnivå. SpaceXAI dokumenterar valfri talarseparering och flerkanalsljud, vilket gör modellen användbar för inspelningar där både den talade texten och dess tids- eller talarstruktur behövs.

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

Om modellen

Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.

Grok STT 1.0 är SpaceXAI:s modell för tal till text. Den tar emot ljud och returnerar en transkription, med tidsstämplar på ordnivå och valfri talarseparering. Den publicerade profilen stöder även flerkanalsljud. Det användbara resultatet är det talade innehållet kopplat till tidpunkterna och, när det efterfrågas, talarna i en inspelning.

Förbered inspelningen och transkriptionsuppgiften

Identifiera inspelningen som ska transkriberas och hur resultatet ska användas. En mötestranskription behöver ordningen mellan inläggen; en intervju kan behöva talaretiketter; en redigeringsuppgift behöver ord kopplade till deras positioner i ljudet. Bevara källinspelningen och dess identifierare så att en granskare kan återvända till det ursprungliga avsnittet när ett ord eller en talartilldelning är osäker.

Använd den faktiska inspelningen i stället för en omskriven redogörelse för vad den innehåller. För en flerkanalskälla behåller du kanalstrukturen när ljudet förbereds. Den strukturen och talarsepareringen beskriver olika delar av uppgiften: kanalerna tillhör inspelningen, medan talarsepareringen identifierar talarnas turer i transkriptionen.

Tidsangivelser och talarstruktur

Tidsstämplar på ordnivå kopplar transkriberade ord till inspelningen. De hjälper till att hitta ett citat, granska en svår fras eller förbereda ett senare steg för undertextning eller redigering. Behåll tidsstämplarna tillsammans med orden när transkriptionen exporteras eller omvandlas, och kontrollera viktiga avsnitt mot ljudet.

Valfri talarseparering lägger till talarstruktur. Granska övergångar, avbrott och röster som låter likartat innan du förlitar dig på de tilldelade etiketterna i ett slutligt dokument. Använd stabila talaretiketter i efterföljande anteckningar och håll en eventuell senare personidentifiering åtskild från modellens gruppering av talare.

Använd transkriptionen som källmaterial

En transkription kan ligga till grund för en sammanfattning, en sökbar dokumentation eller ett arbetsflöde för att förbereda undertexter. Dessa senare resultat bör behålla det relevanta transkriptionsavsnittet och källans tidsangivelser. För ett citat granskar du det exakta ljudavsnittet; för en mötesanteckning skiljer du det som sades från slutsatser som dras av det. Modellen producerar transkriptionen, medan formatering, sammanfattning och publicering utgår från det faktiska resultatet.

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

x-ai/grok-stt-1.0

SpaceXAI /x-ai/grok-stt-1.0

Start

Godkända indata: Ljud
Resultat: Text

Tillgängligt i Ailoot · indata & metoder

Ailoot Ultra · Transkribering POST /v1/audio/transcriptions

Indatatyper: audio
Utdatatyper: text

Fält	Typ	Krav	Värden & gränser	Standard
Fält`model`	Typ`string`	KravObligatoriskt	Värden & gränser x-ai/grok-stt-1.0	Standard—
Fält`input_audio`	Typ`object`	KravObligatoriskt	Värden & gränser	Standard—
Fält`language`	Typ`string`	KravValfritt	Värden & gränser	Standard—
Fält`temperature`	Typ`number`	KravValfritt	Värden & gränser Minimum: 0 Maximum: 1	Standard—
Fält`response_format`	Typ`string`	KravValfritt	Värden & gränser json, verbose_json	Standardjson
Fält`timestamp_granularities`	Typ`array`	KravValfritt	Värden & gränser	Standard—
Fält`provider`	Typ`object`	KravValfritt	Värden & gränser	Standard—

Metodparametrar och livscykel

Parameter	Avtal
Parameter`content_type`	Avtalapplication/json
Parameter`required`	Avtalmodel, input_audio
Parameter`material_types`	Avtalaudio
Parameter`material_conditions`	AvtalLäs en faktisk WAV-fil och koda dess verkliga byte för deklarerad JSON-indata i input_audio; ingen multipart-rutt anges för denna exakta deklaration med enbart JSON.

Livscykel: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Det task_id som faktiskt returnerades eller en post i mediebiblioteket

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Priser

Så beräknas slutavgiften

De visade priserna används för att uppskatta kostnaden före genereringen. Den slutliga debiteringen beräknas utifrån den kostnad som registrerats för den ursprungliga genereringen. Uppmätt längd på resultatet och uppskattade mängder utgör inte den slutliga debiterbara mängden.

Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.

Snabbt läge: Ej angivet När snabbt läge är valt
Flex-läge: Ej angivet När läget flex är valt
Högsta resonemangsnivå: Ej angivet När den högsta resonemangsnivån använder standardjusteringen (default)

Uppskattade priser för jämförelse

Priser efter konfiguration

Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.

Konfiguration	Prislista	Prognostiserad mängd	Debiteringsenhet	Avgift
KonfigurationGrundpriser för token	PrislistaGrundpris	Prognostiserad mängd—	Debiteringsenhet—	Avgift Indata · Indatatoken · Uppskattning endast för jämförelse — / 1K token Utdata · Utdatatoken · Uppskattning endast för jämförelse — / 1K token Indata · Cacheläsning · Uppskattning endast för jämförelse — / 1K token Indata · Skrivning till cache · Uppskattning endast för jämförelse — / 1K token Indata · Skrivning till cache, 1 tim · Uppskattning endast för jämförelse — / 1K token
Konfigurationsekund inkommande ljud	Prislista—	Prognostiserad mängd—	Debiteringsenhetper sekund indataljud	Avgift Indata · sekund inkommande ljud · Uppskattning endast för jämförelse $0.0000555555555556 per sekund indataljud
KonfigurationUppskattad genereringskostnad	Prislista—	Prognostiserad mängduppskattning för en generering	Debiteringsenhet—	Avgift Utdata · Uppskattad genereringskostnad · Uppskattning endast för jämförelse $0.0000555555555556 uppskattning före generering Denna uppskattning är varken en extra avgift eller ett fast pris för den slutförda genereringen.

Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →

Exempelbegäranden

Ailoot Ultra · Transkribering

curl · exakt kropp i det ursprungliga API-formatet och hela resultatet

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.

Ta emot och spara resultat

Ailoot Ultra · Transkribering

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

Andra innehållsläsningar

Läs befintliga resurser som tillhör dig

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.

Behåll alla färdiga resultat

Behåll varje fullständigt returnerat svar, fil och innehållsdel.

Spara hela svaret med headers, samtliga faktiska resultat, de ursprungliga returnerade identifierarna och alla användningsfält. Hämta den ursprungliga operationen utan att skicka skapandeförfrågan igen.

Om det ursprungliga svaret behöver kontrolleras

Behåll det returnerade värdet för X-Client-Request-ID för avstämning. Läs endast av resultat via de task_id/asset_id-värden som faktiskt returnerades eller via det mediebibliotek som tillhör dig. Bygg aldrig en uppgifts-URL från operations-ID:t och skicka aldrig skapandeförfrågan igen.

Svarsfält

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

Alias

Modellalias

Ailoot Ultra x-ai/grok-stt-1.0

Alias för metodsökvägar

Använd metodsökvägarna som visas ovan.

Relaterade anropar-ID:n

x-ai/grok-stt-1.0

FAQ · SpaceXAI: Grok STT 1.0

Vilka indata och resultat finns?: POST /v1/audio/transcriptions · x-ai/grok-stt-1.0: audio → text
Vilka fält använder begäran?: POST /v1/audio/transcriptions · x-ai/grok-stt-1.0: model, input_audio, language, temperature, response_format, timestamp_granularities, provider
Vilka gränser gäller?: POST /v1/audio/transcriptions · x-ai/grok-stt-1.0: temperature.minimum: 0; temperature.maximum: 1

SpaceXAI: Grok STT 1.0