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 stack de áudio que suporta Grok Voice, o sistema de bordo da Tesla e o atendimento ao cliente Starlink, agora disponibilizadas como endpoints independentes, permitindo que desenvolvedores integrem diretamente em aplicativos de proxy de voz, transcrição em tempo real, ferramentas de acessibilidade e podcasts. O STT oferece dois modos. API REST para transcrição em lote de arquivos de áudio grandes, com retorno em milissegundos; API WebSocket voltada para fluxo de voz em tempo real. Recursos adicionais incluem marcação de tempo por palavra, diarização de falantes, reconhecimento separado por múltiplos canais, e Normalização de Texto Inversa, que formata automaticamente números, datas e moedas presentes na fala em textos estruturados padronizados. O suporte linguístico cobre mais de 25 idiomas, com troca fluida durante diálogos. A xAI também divulgou uma comparação de taxa 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 são 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 emoção e entonação usando tags de fala inline, como \[laugh\], \[sigh\], \[whisper\], e \ (Fonte: BlockBeats).

XAI-0,77%

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.

6 Curtidas

Recompensa
6
4
2
Compartilhar

Comentário

Adicionar um comentário

TwoFactorZen

· 1h atrás

WebSocket fluxo em tempo real 0,2 dólares por hora, irmãos que fazem legendas ao vivo podem fazer as contas

Ver originalResponder0

Frost-ColoredCubeCity

· 4h atrás

O preço de processamento em lote está razoável, mas a estratégia de precificação por fluxo que dobra o valor claramente te força a optar por volume, é uma tática antiga.

Ver originalResponder0

GateUser-517aed04

· 4h atrás

A mesma pilha alimenta o sistema do carro da Tesla + o atendimento ao cliente do Starlink, Musk manda bem nesse ciclo fechado.

Ver originalResponder0

GateUser-b6d80ba0

· 5h atrás

WER fala sozinho na frente, sem uma terceira parte para re-testar, primeiro observa, os veteranos de cripto entendem

Ver originalResponder0

Tendências
Ver projetos
#
StockTradingChallengeUpTo17000U
16.22M Popularidade
#
USStrikesIran
9.31M Popularidade
#
IsraelStrikesIranBTCPlunges
49.49K 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