SpaceXAI: Grok STT 1.0
Grok STT 1.0 將音訊轉為帶有逐字時間戳記的逐字稿。SpaceXAI 文件列出可選用的說話者分離與多聲道音訊支援，適合需要同時保留口述文字，以及時間或說話者結構的錄音。
關於模型
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
Grok STT 1.0 是 SpaceXAI 的語音轉文字模型。它接收音訊並回傳轉錄文字，包含逐字時間戳記及可選用的說話者分離。公布的規格也支援多聲道音訊。其實用輸出是將口述內容連結到錄音中的時間，以及在提出要求時連結到說話者。
準備錄音與逐字稿任務
請指出要轉錄的錄音，以及結果的用途。會議逐字稿需要發言輪次的順序；訪談可能需要說話者標籤；剪輯任務則需要將字詞連結到音訊中的位置。請保留來源錄音及其識別碼，讓審查者在某個字詞或說話者歸屬不確定時，能回到原始片段。
請使用實際錄音，不要以改寫後的內容說明取代錄音。對於多聲道來源，準備音訊時請保留其聲道結構。聲道結構與說話者分離描述的是任務的不同部分：聲道屬於錄音，而說話者分離辨識的是逐字稿中的發言輪次。
時間與說話者結構
逐字時間戳記將轉錄字詞連結到錄音。它們可協助定位引言、複核難辨的語句，或準備後續字幕與剪輯步驟。匯出或轉換逐字稿時，請將時間戳記與字詞一起保留，並對照音訊檢查重要段落。
可選用的說話者分離會加入說話者結構。在最終文件採用指定標籤之前，請複核換人發言、插話及聲音相似的說話者。在後續筆記中使用穩定的說話者標籤，並將後來對人物身分的確認，與模型對說話者的分組分開處理。
將轉錄文字用作來源資料
逐字稿可以作為摘要、可搜尋記錄或字幕準備流程的輸入。這些後續產物應保留相關逐字稿範圍與來源時間。引用發言時，請檢視精確的音訊片段；撰寫會議筆記時，請區分實際說出的內容與據此推導的結論。模型產生轉錄文字，後續格式整理、摘要與發布則以該實際結果為基礎。
Ailoot Ultra · 語音轉文字 POST /v1/audio/transcriptions x-ai/grok-stt-1.0
x-ai/grok-stt-1.0入門
Grok STT 1.0 將音訊轉為帶有逐字時間戳記的逐字稿。SpaceXAI 文件列出可選用的說話者分離與多聲道音訊支援，適合需要同時保留口述文字，以及時間或說話者結構的錄音。
- 接受的輸入
- 音訊
- 結果
- 文字
Ailoot 可用 · 輸入與方法
Ailoot Ultra · 語音轉文字 POST /v1/audio/transcriptions
- 輸入
audio- 輸出
text
| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 x-ai/grok-stt-1.0 | 預設值— |
欄位input_audio | 類型object | 要求必填 | 值與限制 | 預設值— |
欄位language | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位temperature | 類型number | 要求選填 | 值與限制 最小值: 0 最大值: 1 | 預設值— |
欄位response_format | 類型string | 要求選填 | 值與限制 json, verbose_json | 預設值json |
欄位timestamp_granularities | 類型array | 要求選填 | 值與限制 | 預設值— |
欄位provider | 類型object | 要求選填 | 值與限制 | 預設值— |
方法參數與生命週期
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, input_audio |
參數material_types | 規格audio |
參數material_conditions | 規格請讀取實際的 WAV 檔案，並將其真實位元組編碼，用於所宣告的 JSON input_audio；此確切的純 JSON 宣告並未提供 multipart 路由。 |
生命週期： synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · 實際回傳的 task_id 或媒體庫紀錄
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
方案
最終費用的計算方式
顯示的費率用於在生成前估算費用。最終費用依原始生成作業記錄的成本計算。實測的輸出時間長度與預估數量並非最終計費數量。
費率資訊不會增加請求選項。支援的參數列於所選方法中。
- 快速模式
- 未指定 選取快速模式時
- flex 模式
- 未指定 選取 flex 模式時
- 最高推理強度
- 未指定 最高推理強度採用 default 調整值時
供比較的預估費率
各設定的價格
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 預估數量 | 計費單位 | 費用 |
|---|---|---|---|---|
| 設定基礎 token 費率 | 費率表基本費率 | 預估數量— | 計費單位— | 費用 輸入 · 輸入 Token · 僅供比較的估算 — / 1K Token 輸出 · 輸出 Token · 僅供比較的估算 — / 1K Token 輸入 · 讀取快取 · 僅供比較的估算 — / 1K Token 輸入 · 寫入快取 · 僅供比較的估算 — / 1K Token 輸入 · 寫入快取，1 小時 · 僅供比較的估算 — / 1K Token |
| 設定輸入音訊秒數 | 費率表— | 預估數量— | 計費單位每秒輸入音訊 | 費用 輸入 · 輸入音訊秒數 · 僅供比較的估算 $0.0000555555555556 每秒輸入音訊 |
| 設定預估生成費用 | 費率表— | 預估數量單次生成估算值 | 計費單位— | 費用 輸出 · 預估生成費用 · 僅供比較的估算 $0.0000555555555556 生成前估算 此估算並非額外費用，也不是本次生成完成後的固定費率。 |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
請求範例
Ailoot Ultra · 語音轉文字
set -eu
: "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.
接收並儲存結果
Ailoot Ultra · 語音轉文字
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
其他內容讀取方式
set -eu
: "${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.
保留所有已完成的結果
請保留所有完整傳回的回應、檔案與內容區塊。
保留完整回應與標頭、所有實際輸出、原始回傳的識別碼，以及所有用量欄位。恢復原始作業時，請勿再次提交建立請求。
需要檢查原始回應時
保留回傳的 X-Client-Request-ID，以供核對。僅讀取實際回傳的 task_id/asset_id 值或自己擁有的媒體庫；請勿以作業 ID 組成任務 URL，也請勿重新提交建立請求。
回應欄位
| 欄位 | 類型 |
|---|---|
欄位text | 類型 |
欄位usage | 類型 |
欄位segments[] | 類型 |
欄位words[] | 類型 |
欄位speaker fields | 類型 |
欄位timestamps | 類型 |
別名
模型別名
Ailoot Ultra x-ai/grok-stt-1.0
方法路徑別名
請使用上方列出的 API 方法路徑。
相關呼叫用 ID
FAQ · SpaceXAI: Grok STT 1.0
- 可以使用哪些輸入與結果？
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:audio→text- 請求使用哪些欄位？
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:model,input_audio,language,temperature,response_format,timestamp_granularities,provider- 適用哪些限制？
POST /v1/audio/transcriptions·x-ai/grok-stt-1.0:temperature.minimum:0;temperature.maximum:1