Les nouvelles de ME News rapportent que xAI a lancé deux API audio indépendantes : Grok STT et Grok TTS, issues du même stack audio, supportant Grok Voice, le système embarqué Tesla et le service client Starlink, etc. STT offre une transcription en lot via REST et un flux en temps réel via WebSocket, avec des horodatages au niveau des mots, séparation des locuteurs, multi-canaux et normalisation inversée du texte, couvrant plus de 25 langues ; TTS prend en charge les balises intégrées pour l’émotion et la prosodie. Ils ont également publié une comparaison du taux d’erreur WER, montrant que Grok est en tête dans plusieurs scénarios, mais aucune revalidation par un tiers n’a encore été effectuée. Tarification : traitement par lot STT 0,10 USD par heure, streaming 0,20 USD par heure, TTS 4,20 USD par million de caractères.

MeNews

2026-05-26 17:46:33

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 pour la transcription en masse de grands fichiers audio, avec un retour en millisecondes ; l’API WebSocket pour 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 fluide en conversation. xAI a également publié un ensemble de comparaisons du taux d’erreur de reconnaissance (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 lors de tests internes, 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, comme \[laugh\], \[sigh\], \[whisper\], (Source : BlockBeats)

XAI2,11%

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.

6 J'aime

Récompense
6
4
2
Partager

Commentaire

Ajouter un commentaire

TwoFactorZen

· Il y a 5h

WebSocket flux en temps réel 0,2 dollar/heure, les frères qui font des sous-titres en direct peuvent faire le calcul

Voir l'originalRépondre0

Frost-ColoredCubeCity

· Il y a 8h

Le prix du traitement par lots est correct, mais la stratégie de tarification en flux doublé vous pousse clairement à acheter en gros, c'est une vieille méthode.

Voir l'originalRépondre0

GateUser-517aed04

· Il y a 8h

La même pile est donnée à la fois au système de voiture Tesla et au service client Starlink, Musk maîtrise bien cette boucle fermée.

Voir l'originalRépondre0

GateUser-b6d80ba0

· Il y a 8h

WER parle pour lui-même en tête, pas de re-test par un tiers, on attend et observe, les vieux crypto connaissent ça

Voir l'originalRépondre0

Sujets populaires
Afficher plus
#
StockTradingChallengeUpTo17000U
16.22M Popularité
#
TrumpBacksCFTCAuthorityOverPredictionMarkets
815.2K Popularité
#
IsraelStrikesIranBTCPlunges
49.53K Popularité
#
GatePredictionMarketAddsSmartMoneyTracking
13.2M Popularité
#
MicronMarketCapBreaks1Trillion
35.91K Popularité

Épinglé

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

Sujets populaires

StockTradingChallengeUpTo17000U

TrumpBacksCFTCAuthorityOverPredictionMarkets

IsraelStrikesIranBTCPlunges

GatePredictionMarketAddsSmartMoneyTracking

MicronMarketCapBreaks1Trillion

Épinglé