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 infotainment 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 inline 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 17:46:33

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 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 dari tiga lainnya adalah 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)

XAI2,69%

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.

6 Suka

Hadiah
6
4
2
Bagikan

Komentar

Tambahkan komentar

TwoFactorZen

· 4jam yang lalu

WebSocket streaming langsung 0,2 dolar/jam, saudara yang membuat subtitle siaran langsung bisa hitung-hitung biaya

Lihat AsliBalas0

Frost-ColoredCubeCity

· 7jam yang lalu

Harga batch masih oke, tetapi strategi penetapan harga berbasis aliran yang menggandakan secara otomatis jelas memaksa Anda untuk membeli dalam jumlah besar, pola lama yang sudah dikenal.

Lihat AsliBalas0

GateUser-517aed04

· 7jam yang lalu

Satu set tumpukan yang sama diberikan ke sistem kendaraan Tesla + layanan pelanggan Starlink, Musk bermain lingkaran tertutup ini dengan sangat lancar

Lihat AsliBalas0

GateUser-b6d80ba0

· 7jam yang lalu

WER berbicara sendiri di depan, menunggu tanpa pengujian ulang dari pihak ketiga, para veteran crypto yang paham.

Lihat AsliBalas0