Berita ME melaporkan bahwa xAI meluncurkan dua API audio independen: Grok STT dan Grok TTS, yang berasal dari tumpukan audio yang sama, mendukung Grok Voice, sistem kendaraan Tesla, dan layanan pelanggan Starlink. STT menyediakan transkripsi batch melalui REST dan streaming waktu nyata melalui WebSocket, dengan cap waktu tingkat kata, pemisahan pembicara, multi-saluran, dan normalisasi teks terbalik, mencakup lebih dari 25 bahasa; TTS mendukung label internal untuk emosi dan prosodi. Dan mengumumkan perbandingan WER, Grok unggul dalam berbagai skenario, belum ada pengujian ulang dari pihak ketiga. Harga: STT batch $0,10 per jam, streaming $0,20 per jam, TTS $4,20 per juta karakter.

MeNews

2026-05-26 06:16:48

Pembuatan abstrak sedang berlangsung

Berita ME News, 18 April (UTC+8), menurut pemantauan Beating dari Dongcha, xAI meluncurkan dua API audio independen: Grok Speech to Text dan Grok Text to Speech. Keduanya berasal dari rangkaian audio yang mendukung Grok Voice, sistem onboard Tesla, dan layanan pelanggan Starlink, kali ini dibuka dalam bentuk endpoint terpisah, sehingga pengembang dapat langsung mengintegrasikan proxy suara, transkripsi real-time, alat aksesibilitas, dan podcast. STT menyediakan dua mode. API REST digunakan untuk transkripsi batch file audio besar dengan pengembalian dalam milidetik; API WebSocket ditujukan untuk aliran suara real-time. Kemampuan tambahan termasuk cap waktu tingkat kata, pemisahan pembicara (diarization), pengenalan terpisah multi-channel, dan Inverse Text Normalization, yaitu otomatis mengubah angka, tanggal, dan mata uang dalam percakapan menjadi teks terstruktur yang standar. Mendukung lebih dari 25 bahasa, dapat beralih secara mulus dalam percakapan. xAI juga mengumumkan rangkaian perbandingan tingkat kesalahan kata (WER, semakin rendah semakin baik): untuk skenario umum Grok 6,9%, ElevenLabs 9,0%, Deepgram 11,0%, AssemblyAI 12,9%; perbedaan dalam "pengakuan entitas panggilan telepon" menjadi lebih besar, Grok 5,0%, masing-masing tiga penyedia lainnya 12,0%, 13,5%, 21,3%. Dalam skenario umum seperti rapat, podcast video, dan panggilan telepon, Grok juga sedikit unggul. Data ini dipublikasikan oleh xAI berdasarkan pengujian internal, belum ada pengujian ulang dari pihak ketiga. Untuk harga, STT batch sebesar 0,10 dolar AS per jam, streaming 0,20 dolar AS per jam; TTS sebesar 4,20 dolar AS per 1 juta karakter. TTS mendukung penggunaan Tag Speech inline untuk mengontrol emosi dan intonasi, seperti \[laugh]\, \[sigh]\, \[whisper]\, (sumber: BlockBeats).

Lihat Asli

Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.

10 Suka

Hadiah
10
7
2
Bagikan

Komentar

Tambahkan komentar

SushiAndSlugs

· 17jam yang lalu

Penjelasan rinci tentang label emosi internal, bisakah AI menggunakan nada "bacot" dengan ironi dan sarkasme

Lihat AsliBalas0

FragilePosition

· 17jam yang lalu

Timestamp tingkat kata + pemisahan pembicara, kegembiraan dalam mengedit podcast

Lihat AsliBalas0

MempoolSparrow

· 17jam yang lalu

WebSocket aliran waktu nyata 0,2 dolar/jam, lebih murah atau lebih mahal daripada Whisper?

Lihat AsliBalas0

GateUser-b6d80ba0

· 17jam yang lalu

Layanan pelanggan Starlink sudah digunakan, tidak heran terakhir kali menghubungi layanan pelanggan merasa lawan seperti AI

Lihat AsliBalas0

AirdropMileCounter

· 17jam yang lalu

25+ bahasa cakupan, bagaimana hasilnya dalam bahasa Mandarin, ada yang sudah mengujinya?

Lihat AsliBalas0

ReflectiveChainShadow

· 17jam yang lalu

Tumpang tindih audio yang sama menghubungkan mesin mobil + satelit + obrolan, ekosistem tertutup xAI ini cukup menarik

Lihat AsliBalas0

MintAfterCoffee

· 17jam yang lalu

Apa itu teknologi canggih normalisasi teks terbalik, ada yang paham bisa jelaskan lebih detail?

Lihat AsliBalas0

Topik Trending
Lihat Lebih Banyak
#
StockTradingChallengeUpTo17000U
16.22M Popularitas
#
USStrikesIran
9.32M Popularitas
#
IsraelStrikesIranBTCPlunges
49.53K Popularitas
#
GatePredictionMarketAddsSmartMoneyTracking
13.81M Popularitas
#
InstitutionalCapitalRotatesFromBTCToHYPEAndXRP
14.33M Popularitas

Disematkan

peta situs

xAI membuka API audio Grok STT dan TTS, tingkat kesalahan kata keseluruhan STT ditekan menjadi 6,9%

Topik Trending

StockTradingChallengeUpTo17000U

USStrikesIran

IsraelStrikesIranBTCPlunges

GatePredictionMarketAddsSmartMoneyTracking

InstitutionalCapitalRotatesFromBTCToHYPEAndXRP

Disematkan