SpaceXAI: Grok STT 1.0
Grok STT 1.0 chuyển âm thanh thành bản chép lời có dấu thời gian ở cấp từ. SpaceXAI công bố khả năng tùy chọn phân tách người nói và hỗ trợ âm thanh đa kênh, giúp mô hình phù hợp với các bản ghi cần cả nội dung lời nói lẫn cấu trúc thời gian hoặc người nói.
Về mô hình
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
Grok STT 1.0 là mô hình chuyển giọng nói thành văn bản của SpaceXAI. Mô hình nhận âm thanh và trả lại bản chép lời, kèm dấu thời gian ở cấp từ và tùy chọn phân tách người nói. Hồ sơ được công bố cũng hỗ trợ âm thanh đa kênh. Đầu ra hữu ích của mô hình là nội dung được nói gắn với thời gian và, khi có yêu cầu, với những người nói trong bản ghi.
Chuẩn bị bản ghi và nhiệm vụ chép lời
Xác định bản ghi cần chép lời và cách sử dụng kết quả. Bản chép lời cuộc họp cần trình tự các lượt nói; phỏng vấn có thể cần nhãn người nói; nhiệm vụ biên tập cần các từ gắn với vị trí của chúng trong âm thanh. Giữ bản ghi nguồn và định danh của nó để người đánh giá có thể quay lại đoạn gốc khi một từ hoặc việc gán người nói chưa chắc chắn.
Sử dụng bản ghi thực tế thay vì phần thuật lại đã viết lại về nội dung của nó. Với nguồn đa kênh, giữ cấu trúc kênh khi chuẩn bị âm thanh. Cấu trúc đó và việc phân tách người nói mô tả các phần khác nhau của nhiệm vụ: kênh thuộc về bản ghi, còn phân tách người nói xác định các lượt nói trong bản chép lời.
Cấu trúc thời gian và người nói
Dấu thời gian ở cấp từ nối các từ đã chép với bản ghi. Chúng giúp tìm vị trí một câu trích dẫn, xem lại một cụm từ khó nghe hoặc chuẩn bị bước làm phụ đề hay biên tập sau đó. Giữ dấu thời gian cùng các từ khi xuất hoặc chuyển đổi bản chép lời, đồng thời kiểm tra các đoạn quan trọng bằng âm thanh.
Tùy chọn phân tách người nói bổ sung cấu trúc người nói. Xem lại các chỗ chuyển lượt, ngắt lời và những giọng nói giống nhau trước khi dựa vào nhãn đã gán trong tài liệu cuối. Dùng nhãn người nói ổn định trong ghi chú ở các bước sau, đồng thời tách việc xác định danh tính một người về sau khỏi cách mô hình nhóm người nói.
Sử dụng bản chép lời làm tài liệu nguồn
Bản chép lời có thể làm đầu vào cho bản tóm tắt, hồ sơ có thể tìm kiếm hoặc quy trình chuẩn bị phụ đề. Những sản phẩm sau đó nên giữ lại đoạn chép lời liên quan và thời gian trong nguồn. Với câu trích dẫn, hãy nghe đúng đoạn âm thanh; với ghi chú cuộc họp, phân biệt điều đã được nói với kết luận suy ra từ đó. Mô hình tạo bản chép lời, còn định dạng, tóm tắt và xuất bản được thực hiện dựa trên kết quả thực tế ấy.
Ailoot Ultra · Phiên âm POST /v1/audio/transcriptions x-ai/grok-stt-1.0
x-ai/grok-stt-1.0Bắt đầu
Grok STT 1.0 chuyển âm thanh thành bản chép lời có dấu thời gian ở cấp từ. SpaceXAI công bố khả năng tùy chọn phân tách người nói và hỗ trợ âm thanh đa kênh, giúp mô hình phù hợp với các bản ghi cần cả nội dung lời nói lẫn cấu trúc thời gian hoặc người nói.
- Đầu vào được chấp nhận
- Âm thanh
- Kết quả
- Văn bản
Có trên Ailoot · đầu vào & phương thức
Ailoot Ultra · Phiên âm POST /v1/audio/transcriptions
- Đầu vào
audio- Đầu ra
text
| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn x-ai/grok-stt-1.0 | Mặc định— |
Trườnginput_audio | Loạiobject | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườnglanguage | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtemperature | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 0 Tối đa: 1 | Mặc định— |
Trườngresponse_format | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn json, verbose_json | Mặc địnhjson |
Trườngtimestamp_granularities | Loạiarray | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngprovider | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Tham số phương thức và vòng đời
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, input_audio |
Tham sốmaterial_types | Hợp đồngaudio |
Tham sốmaterial_conditions | Hợp đồngĐọc tệp WAV thực tế và mã hóa các byte thật cho input_audio JSON đã khai báo; không quảng bá tuyến multipart cho khai báo chính xác chỉ dùng JSON này. |
Vòng đời: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · Giá trị task_id thực tế đã trả về hoặc bản ghi trong thư viện nội dung đa phương tiện
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Bảng giá
Cách tính phí cuối cùng
Các đơn giá hiển thị dùng để ước tính chi phí trước khi tạo. Khoản phí cuối cùng được tính dựa trên chi phí ghi nhận cho lượt tạo gốc. Thời lượng đầu ra đo được và số lượng dự kiến không phải là số lượng cuối cùng dùng để tính phí.
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
- Chế độ nhanh
- Chưa chỉ định Khi chọn chế độ nhanh
- Chế độ Flex
- Chưa chỉ định Khi chọn chế độ flex
- Mức độ suy luận tối đa
- Chưa chỉ định Khi áp dụng mức điều chỉnh mặc định (default) cho mức độ suy luận tối đa
Mức phí ước tính để so sánh
Giá theo cấu hình
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Số lượng dự báo | Đơn vị tính phí | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Số lượng dự báo— | Đơn vị tính phí— | Phí Đầu vào · Token đầu vào · Ước tính chỉ để so sánh — / 1K token Đầu ra · Token đầu ra · Ước tính chỉ để so sánh — / 1K token Đầu vào · Đọc bộ nhớ đệm · Ước tính chỉ để so sánh — / 1K token Đầu vào · Ghi bộ nhớ đệm · Ước tính chỉ để so sánh — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ · Ước tính chỉ để so sánh — / 1K token |
| Cấu hìnhGiây âm thanh đầu vào | Biểu mức phí— | Số lượng dự báo— | Đơn vị tính phímỗi giây âm thanh đầu vào | Phí Đầu vào · Giây âm thanh đầu vào · Ước tính chỉ để so sánh $0.0000555555555556 mỗi giây âm thanh đầu vào |
| Cấu hìnhChi phí tạo ước tính | Biểu mức phí— | Số lượng dự báoước tính cho một lần tạo | Đơn vị tính phí— | Phí Đầu ra · Chi phí tạo ước tính · Ước tính chỉ để so sánh $0.0000555555555556 ước tính trước khi tạo Ước tính này không phải là khoản phí bổ sung hay mức giá cố định cho lượt tạo đã hoàn tất. |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
Ví dụ yêu cầu
Ailoot Ultra · Phiên âm
set -eu
: "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.
Nhận và lưu kết quả
Ailoot Ultra · Phiên âm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Lượt đọc nội dung khác
set -eu
: "${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.
Lưu tất cả kết quả đã hoàn tất
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ lại toàn bộ phản hồi và các header, mọi đầu ra thực tế, các định danh gốc đã trả về và mọi trường usage. Khôi phục thao tác gốc mà không gửi lại yêu cầu tạo.
Nếu cần kiểm tra phản hồi gốc
Giữ lại X-Client-Request-ID đã trả về để đối soát. Chỉ truy xuất theo các giá trị task_id/asset_id thực tế đã trả về hoặc từ thư viện nội dung đa phương tiện thuộc quyền sở hữu của bạn; tuyệt đối không tạo URL tác vụ từ ID thao tác và không gửi lại yêu cầu tạo.
Trường phản hồi
| Trường | Loại |
|---|---|
Trườngtext | Loại |
Trườngusage | Loại |
Trườngsegments[] | Loại |
Trườngwords[] | Loại |
Trườngspeaker fields | Loại |
Trườngtimestamps | Loại |
Bí danh
Bí danh mô hình
Ailoot Ultra x-ai/grok-stt-1.0
Bí danh đường dẫn phương thức
Dùng các đường dẫn phương thức hiển thị ở trên.
ID gọi liên quan
FAQ · SpaceXAI: Grok STT 1.0
- Có những đầu vào và kết quả nào?
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:audio→text- Yêu cầu sử dụng những trường nào?
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:model,input_audio,language,temperature,response_format,timestamp_granularities,provider- Áp dụng những giới hạn nào?
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:temperature.minimum:0;temperature.maximum:1