Acheter Cryptos
Payer en
USD
USD
Acheter & Vendre
Hot
Visa, Mastercard, SEPA et bien plus
P2P
0 Fees
Trading flexible, zéro frais
Gate Card
Payez partout avec vos cryptos
Marchés
Trader
Basique
Avancé
Futures
Futures
Accédez à des centaines de contrats perpétuels
CFD
Or
Une plateforme pour les actifs mondiaux
Options
Hot
Tradez des options classiques de style européen
Compte unifié
Maximiser l'efficacité de votre capital
Trading démo
Introduction au trading futures
Préparez-vous à trader des contrats futurs
Événements futures
Participez aux événements et gagnez
Demo Trading
Utiliser des fonds virtuels pour faire l'expérience du trading sans risque
Earn
Lancer
CandyDrop
tag
Collecte des candies pour obtenir des airdrops
Launchpool
Staking rapide, Gagnez de potentiels nouveaux jetons
HODLer Airdrop
Conservez des GT et recevez d'énormes airdrops gratuitement
Pre-IPOs
Accédez à l'intégralité des introductions en bourse mondiales
Points Alpha
Tradez on-chain et gagnez des airdrops
Points Futures
Gagnez des points Futures et réclamez vos récompenses d’airdrop.
Investissement
Square
Square
Découvrir la valeur en crypto
Live
moments live
Analyse en temps réel du marché des cryptomonnaies
Discussion
Discutez avec des traders de cryptomonnaies
Actualités
Ce qu'il se passe dans le monde de la crypto
flower_head
Plus
Promotions
AI
Autres
TradFi
Gate Card
Récompenses
Posts
Plus récents
Populaire
Actualités
Profil

xAI ouvre l'API audio Grok STT et TTS, le taux d'erreur global du STT réduit à 6,9 %

MeNews
robot
Création du résumé en cours
ME News Actualités, le 18 avril (UTC+8), selon la surveillance de Dongcha Beating, xAI a lancé deux API audio indépendantes : Grok Speech to Text et Grok Text to Speech. Les deux proviennent de la même pile audio supportant Grok Voice, le système embarqué de Tesla et le service client Starlink, et sont désormais accessibles sous forme de points de terminaison indépendants, permettant aux développeurs d'intégrer directement des applications de proxy vocal, de transcription en temps réel, d'outils d'accessibilité et de podcasts. STT propose deux modes. L'API REST est utilisée pour la transcription en masse de grands fichiers audio, avec un retour en millisecondes ; l'API WebSocket vise le flux vocal en temps réel. Les capacités associées incluent des horodatages au niveau des mots, la séparation des locuteurs (diarization), la reconnaissance multi-canaux, ainsi que la Normalisation Inverse du Texte, c'est-à-dire la mise en forme automatique des chiffres, dates, devises dans le discours en texte structuré normalisé. La couverture linguistique dépasse 25 langues, avec une commutation transparente dans la conversation. xAI a également publié un comparatif du taux d'erreur de reconnaissance de mots (WER, plus la valeur est basse, mieux c'est) : dans le scénario global, Grok 6,9 %, ElevenLabs 9,0 %, Deepgram 11,0 %, AssemblyAI 12,9 % ; la différence pour la « reconnaissance d'entités dans les appels téléphoniques » est encore plus marquée, Grok 5,0 %, contre respectivement 12,0 %, 13,5 %, 21,3 % pour les trois autres. Dans les scénarios courants de réunions, podcasts vidéo et appels téléphoniques, Grok reste légèrement en tête. Ces chiffres ont été publiés par xAI suite à ses propres tests, sans vérification par un tiers. En termes de tarification, le traitement par lot STT coûte 0,10 dollar par heure, le flux en temps réel 0,20 dollar par heure ; TTS est à 4,20 dollars pour 1 million de caractères. TTS supporte l'utilisation de balises de parole intégrées pour contrôler l'émotion et le rythme, telles que \[laugh], \[sigh], \[whisper], \ (Source : BlockBeats)
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
  • Récompense
  • 7
  • 2
  • Partager
Commentaire
Ajouter un commentaire
Ajouter un commentaire
SushiAndSlugs
· Il y a 14h
Les étiquettes émotionnelles en ligne, peuvent-elles faire en sorte que l'IA parle avec une tonalité monotone et sarcastique ?
Voir l'originalRépondre0
FragilePosition
· Il y a 14h
Horodatage au niveau des mots + séparation des locuteurs, la joie de l'édition de podcasts
Voir l'originalRépondre0
MempoolSparrow
· Il y a 14h
WebSocket flux en temps réel 0,2 dollar/heure, est-ce moins cher ou plus cher que Whisper ?
Voir l'originalRépondre0
GateUser-b6d80ba0
· Il y a 14h
Le service client de Starlink est maintenant utilisé, pas étonnant que la dernière fois, quand j'ai appelé le service client, j'avais l'impression que la personne en face était une IA
Voir l'originalRépondre0
AirdropMileCounter
· Il y a 14h
25+ langues couvertes, quel est l'effet en chinois, quelqu'un a-t-il testé ?
Voir l'originalRépondre0
ReflectiveChainShadow
· Il y a 14h
Le même flux audio connecte le système de voiture + satellite + chat, cette boucle écologique de xAI a du potentiel.
Voir l'originalRépondre0
MintAfterCoffee
· Il y a 14h
Qu'est-ce que la normalisation inversée du texte, cette technologie innovante ? Quelqu'un qui comprend pourrait-il expliquer davantage ?
Voir l'originalRépondre0

  • Épinglé

plan du site