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

robot
Geração de resumo em curso
ME News Notícias, 18 de abril (UTC+8), a xAI anunciou recentemente o lançamento oficial de duas APIs de áudio independentes: Grok Speech-to-Text (STT) e Grok Text-to-Speech (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 ao nível de palavra, separação de falantes, suporte a múltiplos canais e funcionalidades inteligentes de normalização reversa de texto.
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 controlo granular através de simples etiquetas de voz, com um preço de 4,20 dólares por milhão de caracteres.
As duas APIs são baseadas na mesma stack tecnológica que alimenta o Grok Voice, veículos Tesla e suporte ao cliente Starlink. (Fonte: InFoQ)
Ver original
Esta página pode conter conteúdos de terceiros, que são fornecidos apenas para fins informativos (sem representações/garantias) e não devem ser considerados como uma aprovação dos seus pontos de vista pela Gate, nem como aconselhamento financeiro ou profissional. Consulte a Declaração de exoneração de responsabilidade para obter mais informações.
  • Recompensa
  • 5
  • 1
  • Partilhar
Comentar
Adicionar um comentário
Adicionar um comentário
GateUser-99725296
· 7h atrás
Este preço consegue subir? Veja como Azure e AWS vão reagir.
Ver originalResponder0
0xLateBreakfast
· 7h atrás
O preço em lote e em fluxo é o dobro, o negócio precisa fazer uma boa contabilidade
Ver originalResponder0
RiskOffRina
· 7h atrás
O suporte multicanal é fundamental para a transcrição de reuniões, finalmente não preciso alinhar manualmente.
Ver originalResponder0
WalletHealthInspector
· 7h atrás
Grok Voice usa exatamente essas duas APIs, finalmente foram separadas
Ver originalResponder0
MosaicBowtieRealm
· 7h atrás
Que parâmetros específicos podem ser controlados pelas etiquetas de controle de granularidade fina, velocidade de fala, tom ou emoção?
Ver originalResponder0
  • Fixado