ME News reporta que a xAI lançou duas APIs de áudio independentes: Grok STT e Grok TTS, derivadas da mesma pilha de áudio, suportando Grok Voice, sistemas de bordo da Tesla e atendimento ao cliente Starlink, entre outros. O STT oferece transcrição em lote via REST e fluxo em tempo real via WebSocket, com marcações de tempo por palavra, separação de falantes, múltiplos canais e normalização reversa de texto, cobrindo mais de 25 idiomas; O TTS suporta etiquetas internas de emoção e prosódia. E divulgou uma comparação de WER, onde Grok lidera em múltiplos cenários, sem testes de terceiros até o momento. Preços: processamento em lote de STT a 0,10 dólares por hora, streaming a 0,20 dólares por hora, TTS a 4,20 dólares por milhão de caracteres.

MeNews

2026-05-26 06:16:48

Geração do resumo em andamento

ME News Notícias, 18 de abril (UTC+8), de acordo com o monitoramento do Beating, a xAI lançou duas APIs de áudio independentes: Grok Speech to Text e Grok Text to Speech. Ambas vêm do mesmo conjunto de tecnologia de áudio que suporta Grok Voice, o sistema de bordo da Tesla e o atendimento ao cliente do Starlink, agora disponibilizadas como endpoints independentes, permitindo que desenvolvedores integrem diretamente em aplicações de proxy de voz, transcrição em tempo real, ferramentas de acessibilidade e podcasts. O STT oferece dois modos. A API REST é usada para transcrição em lote de grandes arquivos de áudio, com retorno em milissegundos; a API WebSocket é voltada para fluxo de voz em tempo real. Recursos adicionais incluem marcações de tempo por palavra, diarização de falantes, reconhecimento em múltiplos canais e Normalização de Texto Inversa, ou seja, transformar números, datas e moedas falados em textos estruturados padronizados. O suporte linguístico abrange mais de 25 idiomas, com troca fluida durante diálogos. A xAI também divulgou uma comparação de taxas de erro de palavra (WER, quanto menor, melhor): cenário geral Grok 6,9%, ElevenLabs 9,0%, Deepgram 11,0%, AssemblyAI 12,9%; a diferença na "Reconhecimento de entidades em chamadas telefônicas" foi ainda maior, Grok 5,0%, enquanto as outras três empresas apresentaram 12,0%, 13,5% e 21,3%. Em cenários comuns como reuniões, podcasts em vídeo e chamadas telefônicas, Grok também mantém uma leve vantagem. Esses números foram testados e divulgados pela própria xAI, sem validação de terceiros. Quanto aos preços, o processamento em lote de STT custa US$0,10 por hora, streaming US$0,20 por hora; TTS custa US$4,20 por milhão de caracteres. O TTS suporta controle de emoções e entonações usando tags de fala inline, como \[laugh\], \[sigh\], \[whisper\], \ (Fonte: BlockBeats)

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.

10 Curtidas

Recompensa
10
7
2
Compartilhar

Comentário

Adicionar um comentário

SushiAndSlugs

· 8h atrás

Etiquetas emocionais inline detalhadas, será que dá para fazer a IA usar um tom monótono e sarcástico?

Ver originalResponder0

FragilePosition

· 8h atrás

Timestamp a nível de palavra + separação de falantes, a alegria de editar podcasts

Ver originalResponder0

MempoolSparrow

· 8h atrás

WebSocket fluxo em tempo real 0,2 dólares por hora, é mais barato ou mais caro do que Whisper?

Ver originalResponder0

GateUser-b6d80ba0

· 8h atrás

O suporte ao cliente da Starlink já está em uso, não é de se surpreender que na última vez que liguei para o suporte, parecia que a pessoa do outro lado era uma IA

Ver originalResponder0

AirdropMileCounter

· 8h atrás

25+ idiomas cobertos, como fica o desempenho em chinês, alguém já testou?

Ver originalResponder0

ReflectiveChainShadow

· 8h atrás

A mesma pilha de áudio conecta carro + satélite + chat, esse ciclo ecológico do xAI tem algo de especial

Ver originalResponder0

MintAfterCoffee

· 8h atrás

O que é a tecnologia avançada de normalização de texto invertido, alguém que entende pode explicar?

Ver originalResponder0

Tendências
Ver projetos
#
StockTradingChallengeUpTo17000U
16.2M Popularidade
#
USStrikesIran
9.31M Popularidade
#
IsraelStrikesIranBTCPlunges
49.43K Popularidade
#
GatePredictionMarketAddsSmartMoneyTracking
13.8M Popularidade
#
InstitutionalCapitalRotatesFromBTCToHYPEAndXRP
14.33M Popularidade

Fixado

sitemap

xAI abre API de áudio Grok STT e TTS, taxa de erro geral de palavras do STT reduzida para 6,9%

Tendências

StockTradingChallengeUpTo17000U

USStrikesIran

IsraelStrikesIranBTCPlunges

GatePredictionMarketAddsSmartMoneyTracking

InstitutionalCapitalRotatesFromBTCToHYPEAndXRP

Fixado