xAI lança API de Voz para Texto e Texto para Voz Grok

ME News Notícias, 18 de abril (UTC+8), a xAI anunciou recentemente o lançamento oficial 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 a nível de 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 telefónicas, reuniões, vídeos/podcasts, sua taxa de erro de palavra supera modelos comerciais principais como ElevenLabs, Deepgram e AssemblyAI. Este serviço suporta mais de 25 idiomas, com preços de 0,10 dólares por hora para processamento em lote e 0,20 dólares por hora para streaming. O Grok TTS pode gerar vozes rápidas, naturais e expressivas, suportando controle granular por meio de etiquetas de voz simples, com preço de 4,20 dólares por milhão de caracteres. Ambas as APIs são baseadas na mesma tecnologia que alimenta o Grok Voice, veículos Tesla e suporte ao cliente Starlink. (Fonte: InFoQ)