ME Newsによると、xAIは2つの独立した音声API：Grok STTとGrok TTSをリリースしました。これらは同じ音声スタックに由来し、Grok Voice、テスラ車載システム、Starlinkカスタマーサポートなどをサポートします。STTはRESTバッチ転写とWebSocketリアルタイムストリームを提供し、単語レベルのタイムスタンプ、話者分離、多チャンネル、逆テキスト正規化を備え、25以上の言語をカバーします。TTSは感情と韻律のインラインタグをサポートします。また、WER比較も公開されており、Grokは多くのシナリオでリードしていますが、第三者による再検証はまだありません。価格設定は、STTバッチ処理が0.10ドル/時間、ストリーミングが0.20ドル/時間、TTSは100万文字あたり4.20ドルです。
Grok 音声一揽子方案接入 API，特斯拉车载系统和 Starlink 客服早已在使用，WER 自测数据不错但还得等第三方复测吧