xAI lança API de conversão de voz para texto Grok e de texto para voz

robot
Geração do resumo em andamento
ME News Notícias, 18 de abril (UTC+8), a xAI anunciou oficialmente o lançamento de duas APIs de áudio independentes: Grok de conversão de voz em texto (STT) e Grok de texto em voz (TTS).
O Grok STT oferece serviços de transcrição com alta precisão e baixa latência, suportando processamento em lote via API REST e transcrição em fluxo em tempo real via API WebSocket, além de possuir marcações de tempo por palavra, separação de falantes, suporte a múltiplos canais e normalização inteligente de texto invertido.
O artigo menciona que, em testes de referência em áreas como chamadas telefônicas, reuniões, vídeos/podcasts, sua taxa de erro de palavra supera modelos comerciais principais como ElevenLabs, Deepgram e AssemblyAI.
O serviço suporta mais de 25 idiomas, com preços de US$ 0,10 por hora para processamento em lote e US$ 0,20 por hora para processamento em fluxo.
O Grok TTS pode gerar vozes rápidas, naturais e expressivas, suportando controle granular por meio de simples etiquetas de voz, com preço de US$ 4,20 por milhão de caracteres.
As duas APIs são baseadas na mesma pilha tecnológica que alimenta o Grok Voice, veículos Tesla e suporte ao cliente Starlink. (Fonte: InFoQ)
Ver original
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
  • Recompensa
  • 5
  • 1
  • Compartilhar
Comentário
Adicionar um comentário
Adicionar um comentário
GateUser-99725296
· 7h atrás
Essa variação de preço é sustentável? Veja como Azure e AWS vão reagir.
Ver originalResponder0
0xLateBreakfast
· 7h atrás
Preço em lote e por streaming são o dobro, o negócio precisa fazer uma boa contabilidade
Ver originalResponder0
RiskOffRina
· 7h atrás
O suporte multicanal é fundamental para transcrição de reuniões, finalmente não preciso mais fazer alinhamento manualmente
Ver originalResponder0
WalletHealthInspector
· 7h atrás
Grok Voice usa exatamente essas duas APIs, finalmente foram separadas
Ver originalResponder0
MosaicBowtieRealm
· 7h atrás
Quais parâmetros específicos podem ser controlados pelas tags de controle de granularidade fina, velocidade de fala, tom ou emoção?
Ver originalResponder0
  • Fixado