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 REST dan streaming waktu nyata 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

2026-05-27 02:47:48

Pembuatan abstrak sedang berlangsung

ME News 消息，4 月 18 日（UTC+8），据动察 Beating 监测，xAI 上线两个独立音频 API：Grok Speech to Text 和 Grok Text to Speech。两者来自支撑 Grok Voice、特斯拉车载系统和 Starlink 客服的同一套音频栈，此次以独立 endpoint 形式开放，开发者可直接接入语音代理、实时转录、无障碍工具和播客等应用。 STT 提供两种模式。REST API 用于对大音频文件批量转录，毫秒级返回；WebSocket API 面向实时语音流。附带能力包括词级时间戳、说话人分离（diarization）、多通道分别识别，以及反向文本归一化，即把口语里的数字、日期、货币自动整形为规范的结构化文本。语种覆盖 25 种以上，可在对话中无缝切换。 xAI 同时公布一组词错率（WER，数值越低越好）对比：整体场景 Grok 6.9%，ElevenLabs 9.0%，Deepgram 11.0%，AssemblyAI 12.9%；「电话通话实体识别」差距被拉得更大，Grok 5.0%，对应三家分别为 12.0%、13.5%、21.3%。会议、视频播客、电话三类常见业务场景下 Grok 也都小幅领先。这组数字由 xAI 自行测试公布，尚无第三方复测。在定价方面，STT 批处理 0.10 美元/小时、流式 0.20 美元/小时；TTS 为 4.20 美元/100 万字符。 TTS 支持用内联语音标签控制情感和韵律，例如 \[laugh]\、\[sigh]\、\[whisper]\、\ （来源：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.

9 Suka

Hadiah
9
6
Posting ulang
Bagikan

Komentar

Tambahkan komentar

GovernanceVotingTug-Of-WarKing

· 5jam yang lalu

25+ cakupan bahasa cukup baik, tetapi kualitas bahasa minor masih diragukan, baru tahu setelah mencobanya

Lihat AsliBalas0

ViewingBullAndBearMarketsFromA

· 5jam yang lalu

Berapa ms latensi aliran waktu nyata WebSocket yang sebenarnya tidak disebutkan, sangat penting dalam skenario siaran langsung

Lihat AsliBalas0

BorrowedHalo

· 5jam yang lalu

Label emosi tertanam, apakah AI podcast di masa depan dapat membaca sarkasme

Lihat AsliBalas0

PuddingMarketMaker

· 5jam yang lalu

Layanan pelanggan Starlink sudah digunakan, ekosistem Elon Musk terbukti lengkap

Lihat AsliBalas0

GateUser-83c80dd0

· 5jam yang lalu

Timestamp tingkat kata + pemisahan pembicara, para editor podcast sangat gembira

Lihat AsliBalas0

TideEarningsTable

· 5jam yang lalu

4.2 juta karakter dolar, lebih murah atau lebih mahal dari ElevenLabs? Ada yang sudah menghitungnya?

Lihat AsliBalas0

Topik Trending
Lihat Lebih Banyak
#
StockTradingChallengeUpTo17000U
16.23M Popularitas
#
TrumpBacksCFTCAuthorityOverPredictionMarkets
819.07K Popularitas
#
IsraelStrikesIranBTCPlunges
49.57K Popularitas
#
GatePredictionMarketAddsSmartMoneyTracking
13.77M Popularitas
#
MicronMarketCapBreaks1Trillion
37.92K Popularitas

Disematkan

peta situs

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

Topik Trending

StockTradingChallengeUpTo17000U

TrumpBacksCFTCAuthorityOverPredictionMarkets

IsraelStrikesIranBTCPlunges

GatePredictionMarketAddsSmartMoneyTracking

MicronMarketCapBreaks1Trillion

Disematkan