ME News reporta que xAI lanza dos API de audio independientes: Grok STT y Grok TTS, derivados de la misma pila de audio, que soportan Grok Voice, sistemas de infoentretenimiento de Tesla y atención al cliente de Starlink, entre otros. STT ofrece transcripción en lote vía REST y flujo en tiempo real vía WebSocket, con marcas de tiempo a nivel de palabra, separación de hablantes, múltiples canales y normalización inversa de texto, cubriendo más de 25 idiomas; TTS soporta etiquetas internas para emociones y entonación. Además, publica una comparación de WER, donde Grok lidera en múltiples escenarios, sin revalidación por terceros aún. Precios: procesamiento por lotes de STT a 0.10 dólares por hora, en streaming a 0.20 dólares por hora, TTS a 4.20 dólares por millón de caracteres.

MeNews

2026-05-27 05:49:03

Generación de resúmenes en curso

ME News Noticias, 18 de abril (UTC+8), según Beating de Monitoreo de Dongcha, xAI ha lanzado dos API de audio independientes: Grok Speech to Text y Grok Text to Speech. Ambos provienen de la misma pila de audio que soporta Grok Voice, el sistema de infoentretenimiento de Tesla y el servicio al cliente de Starlink, y ahora están disponibles en forma de endpoints independientes, permitiendo a los desarrolladores acceder directamente a agentes de voz, transcripción en tiempo real, herramientas de accesibilidad y podcasts. STT ofrece dos modos. La API REST se usa para transcribir en lote archivos de audio grandes, con respuesta en milisegundos; la API WebSocket está orientada a flujos de voz en tiempo real. Las capacidades adicionales incluyen marcas de tiempo a nivel de palabra, separación de hablantes (diarización), reconocimiento en múltiples canales y Normalización de Texto Inversa, que convierte automáticamente números, fechas y monedas en textos estructurados y normalizados en el habla. Soporta más de 25 idiomas, con cambio fluido en las conversaciones. xAI también publicó una comparación de tasas de error de palabras (WER, cuanto menor mejor): en escenarios generales, Grok 6.9%, ElevenLabs 9.0%, Deepgram 11.0%, AssemblyAI 12.9%; la diferencia en la «reconocimiento de entidades en llamadas telefónicas» es aún mayor, Grok 5.0%, en comparación con 12.0%, 13.5% y 21.3% de las otras tres. En escenarios comunes como reuniones, podcasts en video y llamadas telefónicas, Grok también lidera ligeramente. Estos números fueron publicados por xAI tras pruebas internas, sin verificaciones de terceros. En cuanto a precios, STT por lotes cuesta 0.10 dólares por hora, en streaming 0.20 dólares por hora; TTS cuesta 4.20 dólares por cada millón de caracteres. TTS soporta control de emociones y entonación mediante etiquetas de discurso en línea, como \[laugh\], \[sigh\], \[whisper\], y \. (Fuente: BlockBeats)

XAI-0,55%

Ver original

Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.

7 me gusta

Recompensa
7
7
Republicar
Compartir

Comentar

Añadir un comentario

GateUser-7919e6b9

· hace2h

STT por lotes cuesta solo 0.1 dólares por hora, ¡es más barato que la API de Whisper!

Ver originalResponder0

GateUser-28f37882

· hace4h

La misma pila alimentada con Grok Voice, sistemas de a bordo, Starlink, esta integración de recursos de xAI tiene algo interesante

Ver originalResponder0

Don'tMessWithSlippage.

· hace4h

Grok esta pila de audio finalmente ha sido abierta al público, los propietarios de Tesla están eufóricos

Ver originalResponder0

ReflectiveChainShadow

· hace4h

WebSocket transmisión en tiempo real de 0.2 dólares por hora, ¿puede funcionar en escenarios de subtítulos en vivo?

Ver originalResponder0

MossyLedger

· hace4h

WER en comparación sin una nueva prueba por parte de un tercero, dejemos que la situación se calme un poco primero

Ver originalResponder0

MistBlueLily

· hace4h

La función de normalización de texto invertido es muy útil para los asistentes de voz, finalmente ya no es necesario escribir reglas por uno mismo

Ver originalResponder0

NodeUnderTheAurora

· hace4h

¿La TTS de 4.2 dólares por millón de caracteres es más barata o más cara que ElevenLabs? ¿Alguien lo ha calculado?

Ver originalResponder0

Temas de actualidad
Ver más
#
StockTradingChallengeUpTo17000U
16.23M Popularidad
#
TrumpBacksCFTCAuthorityOverPredictionMarkets
820.5K Popularidad
#
IsraelStrikesIranBTCPlunges
49.57K Popularidad
#
GatePredictionMarketAddsSmartMoneyTracking
13.21M Popularidad
#
MicronMarketCapBreaks1Trillion
38.62K Popularidad

Fijado

xAI abre API de audio Grok STT y TTS, reduciendo la tasa de error total de palabras en STT a 6.9%

Temas de actualidad

StockTradingChallengeUpTo17000U

TrumpBacksCFTCAuthorityOverPredictionMarkets

IsraelStrikesIranBTCPlunges

GatePredictionMarketAddsSmartMoneyTracking

MicronMarketCapBreaks1Trillion

Fijado