xAI lanza la API de conversión de voz a texto y de texto a voz Grok

ME News Noticias, 18 de abril (UTC+8), xAI anunció recientemente el lanzamiento oficial de dos API de audio independientes: Grok de reconocimiento de voz a texto (STT) y Grok de texto a voz (TTS). Grok STT ofrece servicios de transcripción con alta precisión y baja latencia, soporta procesamiento en lote mediante API REST y transcripción en flujo en tiempo real mediante API WebSocket, y cuenta con marcas de tiempo a nivel de palabra, separación de hablantes, soporte multicanal y funciones inteligentes de normalización inversa de texto. Se menciona que, en pruebas de referencia en campos como llamadas telefónicas, reuniones, videos/podcasts, su tasa de error de palabras supera a modelos comerciales principales como ElevenLabs, Deepgram y AssemblyAI. Este servicio soporta más de 25 idiomas, con un precio de 0.10 dólares por hora para procesamiento en lote y 0.20 dólares por hora para procesamiento en flujo. Grok TTS puede generar voces rápidas, naturales y expresivas, soporta control granular mediante etiquetas de voz simples, y cuesta 4.20 dólares por cada 1 millón de caracteres. Ambas API están basadas en la misma tecnología que impulsa Grok Voice, los vehículos de Tesla y el soporte al cliente de Starlink. (Fuente: InFoQ)