Berita ME News melaporkan bahwa xAI meluncurkan dua API audio independen: Grok STT dan Grok TTS, yang berasal dari tumpukan audio yang sama, mendukung Grok Voice, sistem onboard 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 intonasi. 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 17:23:03

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 ke aplikasi proxy suara, transkripsi real-time, alat bantu aksesibilitas, dan podcast. STT menyediakan dua mode. API REST digunakan untuk transkripsi batch file audio besar dengan waktu respons milidetik; API WebSocket ditujukan untuk aliran suara real-time. Kemampuan tambahan termasuk cap waktu tingkat kata, pemisahan pembicara (diarization), pengenalan terpisah untuk 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 perbandingan tingkat kesalahan kata (WER, semakin rendah semakin baik): secara keseluruhan Grok 6,9%, ElevenLabs 9,0%, Deepgram 11,0%, AssemblyAI 12,9%; perbedaan dalam "pengakuan entitas panggilan telepon" semakin besar, Grok 5,0%, masing-masing tiga 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).

XAI-1,74%

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
6
Posting ulang
Bagikan

Komentar

Tambahkan komentar

SudoSatoshi

· 3jam yang lalu

Cakupan multibahasa lebih dari 25+, tetapi bagaimana kualitas bahasa minoritas?
Rata-rata WER terlihat baik, tetapi bahasa ekor panjang mungkin masih menjadi bencana.

Lihat AsliBalas0

AirdropUnderTheNeonBridge

· 3jam yang lalu

Tag internal untuk emosi dan irama? TTS akhirnya bukan lagi mesin pembaca naskah, bisa bermain-main saat membuat buku suara atau dialog NPC game.

Lihat AsliBalas0

AirdropCartographer

· 3jam yang lalu

Multi-channel + pemisahan pembicara, alat ajaib untuk transkripsi rekaman rapat, tetapi biaya streaming 0,2 dolar/jam, rapat panjang juga tidak murah.

Lihat AsliBalas0

PerpPulse

· 3jam yang lalu

Grok Voice、Tesla kendaraan, Starlink layanan pelanggan semuanya menggunakan rangkaian audio yang sama, ekosistem tertutup yang dimainkan Elon Musk semakin mahir.

Lihat AsliBalas0

MintLaterMaybe

· 3jam yang lalu

Apa itu normalisasi teks terbalik? Mengubah angka menjadi angka Arab? Fungsi ini cukup penting untuk pengolahan pasca transkripsi suara, agar tidak perlu menulis regex sendiri.

Lihat AsliBalas0

CliffsideAncientPineAndRolling

· 3jam yang lalu

xAI kali ini kombinasi API audio menyerang cukup keras, STT streaming 0,2 dolar/jam, TTS 4,2 dolar/juta karakter, strategi penetapan harga jelas ditujukan untuk penggunaan skala besar.

Lihat AsliBalas0

Topik Trending
Lihat Lebih Banyak
#
StockTradingChallengeUpTo17000U
16.22M Popularitas
#
USStrikesIran
9.31M Popularitas
#
IsraelStrikesIranBTCPlunges
49.49K Popularitas
#
GatePredictionMarketAddsSmartMoneyTracking
13.8M 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