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。さらに、WER比較を公開し、Grokは多くのシナリオでリードしていますが、第三者による再テストはまだありません。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。
xAI この音声のコンビネーションはかなり攻めている、STTのストリーミング料金は1時間あたり0.2ドルでWhisperに直接対抗、TTSには感情タグも付いている、マスクは音声分野をレッドオーシャンに巻き込もうとしているのか