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 kendaraan Tesla, dan layanan pelanggan Starlink. STT menyediakan transkripsi batch melalui REST dan streaming real-time melalui WebSocket, dengan cap waktu tingkat kata, pemisahan pembicara, multi-channel, dan normalisasi teks terbalik, mencakup lebih dari 25 bahasa; TTS mendukung label inline untuk emosi dan intonasi. Selain itu, mereka mengumumkan perbandingan WER, di mana Grok unggul dalam berbagai skenario, namun belum ada pengujian ulang dari pihak ketiga. Harga: pemrosesan batch STT sebesar 0,10 dolar AS per jam, streaming 0,20 dolar AS per jam, TTS sebesar 4,20 dolar AS per juta karakter.

MeNews

2026-05-27 10:24:48

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.

11 Suka

Hadiah
11
12
1
Bagikan

Komentar

Tambahkan komentar

WhitepaperByTheRoadside

· 2jam yang lalu

Timestamp tingkat kata + pemisahan pembicara, skenario catatan rapat akan membuat orang gila

Lihat AsliBalas0

Lime-ColoredStop-LossLine

· 14jam yang lalu

Batch processing 0,1 dolar/jam sangat menarik, tetapi penetapan harga berganda secara streaming jelas memaksa Anda untuk beralih ke batch besar

Lihat AsliBalas0

GateUser-83a2dd8a

· 14jam yang lalu

25+ bahasa cakupan, bagaimana hasilnya dalam bahasa Mandarin, sudah ada yang menguji belum

Lihat AsliBalas0

TheProphetOfToast

· 16jam yang lalu

Label internal irama emosional, akhirnya tidak perlu lagi mendengarkan robot membacakan naskah

Lihat AsliBalas0

GateUser-b665e41c

· 16jam yang lalu

Integrasi sistem onboard Tesla, berapa milidetik keterlambatan interaksi suara saat mengemudi dapat ditekan

Lihat AsliBalas0

PunkRiskMgr

· 17jam yang lalu

Layanan pelanggan Starlink sudah digunakan, daerah pedesaan dengan aksen dikenali sebagai tambang data pelatihan

Lihat AsliBalas0

ToBeHonest,You'llLose

· 17jam yang lalu

Dari gelombang LLM ke suara, perang multimodal resmi memasuki babak kedua

Lihat AsliBalas0

HashbrownHero

· 17jam yang lalu

Transkripsi massal harga ini, kelompok subtitle dan pembuat podcast diperkirakan akan bermigrasi secara kolektif

Lihat AsliBalas0

GateUser-bee672a5

· 17jam yang lalu

Menunggu komunitas sumber terbuka mereproduksi WER, kebiasaan xAI untuk menguji terlebih dahulu benchmark

Lihat AsliBalas0

TwoFactorZen

· 17jam yang lalu

REST + Mode WebSocket, tingkat kemudahan pengembang maksimal

Lihat AsliBalas0

Lihat Lebih Banyak

Topik Trending
Lihat Lebih Banyak
#
StockTradingChallengeUpTo17000U
16.03M Popularitas
#
IsraelStrikesIranBTCPlunges
49.91K Popularitas
#
GatePredictionMarketAddsSmartMoneyTracking
13.25M Popularitas
#
USLaunchesNewStrikesOnIranOilRebounds
9.31M Popularitas
#
2gGoldEvery10Minutes
3.09M Popularitas

Disematkan

peta situs

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

Topik Trending

StockTradingChallengeUpTo17000U

IsraelStrikesIranBTCPlunges

GatePredictionMarketAddsSmartMoneyTracking

USLaunchesNewStrikesOnIranOilRebounds

2gGoldEvery10Minutes

Disematkan