Comprar Cripto
Pagar com
USD
USD
Comprar e vender
Hot
Visa, Mastercard, SEPA e mais
P2P
0 Fees
Negociação flexível e sem taxas
Cartão Gate
Use criptomoedas para pagar pelo mundo
Mercados
Negociar
Básico
Avançado
Futuros
Futuros
Aceda a centenas de contratos perpétuos
CFD
Ouro
Plataforma de ativos tradicionais globais
Opções
Hot
Negoceie Opções Vanilla ao estilo europeu
Conta Unificada
Maximize a eficiência do seu capital
Negociação de demonstração
Introdução à negociação de futuros
Prepare-se para a sua negociação de futuros
Eventos de futuros
Participe em eventos para recompensas
Negociação de demonstração
Utilize fundos virtuais para experimentar uma negociação sem riscos
Earn
Lançamento
CandyDrop
tag
Recolher doces para ganhar airdrops
Launchpool
Faça staking rapidamente, ganhe potenciais novos tokens
HODLer Airdrop
Detenha GT e obtenha airdrops maciços de graça
Pre-IPOs
Desbloquear acesso completo a IPO de ações globais
Pontos Alpha
Negoceie ativos on-chain para airdrops
Pontos de futuros
Ganhe pontos de futuros e receba recompensas de airdrop
Investimento
Square
Square
Descubra valor em cripto
Em direto
moments live
Análise de mercado cripto em tempo real
Conversar
Converse com os operadores cripto
Notícias
O que está a acontecer na criptografia
flower_head
Mais
Promoções
AI
Outros
TradFi
Gate Card
Recompensas
Square
Últimas
Quente
Notícias
Perfil

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

MeNews
robot
Geração de resumo em curso
ME News Notícias, 18 de abril (UTC+8), de acordo com a monitorização do Beating, a xAI lançou duas APIs de áudio independentes: Grok Speech to Text e Grok Text to Speech. Ambas vêm da mesma pilha de áudio que suporta o Grok Voice, o sistema de bordo da Tesla e o atendimento ao cliente Starlink, agora disponibilizadas como endpoints independentes, permitindo que os desenvolvedores integrem diretamente em aplicações de agentes 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 ficheiros de áudio, com retorno em milissegundos; a API WebSocket é voltada para fluxo de voz em tempo real. As capacidades adicionais incluem marcações de tempo por palavra, separação de falantes (diarization), reconhecimento em múltiplos canais e Normalização de Texto Inversa, ou seja, transformar números, datas e moedas falados em texto estruturado padronizado. O suporte linguístico cobre mais de 25 idiomas, com troca fluida durante a conversa. 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 telefónicas" foi ainda maior, Grok 5,0%, enquanto as outras três foram 12,0%, 13,5% e 21,3%. Em cenários comuns como reuniões, podcasts em vídeo e chamadas telefónicas, o Grok também liderou ligeiramente. Esses números foram divulgados pela própria xAI após testes internos, sem validação de terceiros. Quanto aos preços, o processamento em lote de STT custa 0,10 dólares por hora, streaming 0,20 dólares por hora; TTS custa 4,20 dólares por milhão de caracteres. O TTS suporta controle de emoções e entonação usando etiquetas de fala inline, como \[laugh\], \[sigh\], \[whisper\], \ (Fonte: BlockBeats)
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
  • 10
  • 3
  • Partilhar
Comentar
Adicionar um comentário
Adicionar um comentário
InstantNoodle-LevelResearcher
· 4h atrás
Transcrição em lote usando REST, em tempo real usando WebSocket, o design da arquitetura é bastante pragmático.
Ver originalResponder0
GateUser-f85bc167
· 4h atrás
Aguarde uma pontuação real, basta ver o benchmark do xAI
Ver originalResponder0
MarginMom
· 4h atrás
Grok TTS suporta etiquetas de emoção, é interessante, será que no futuro a dublagem por IA poderá ter tom de choro?
Ver originalResponder0
GateUser-f92ba9fa
· 4h atrás
25+ línguas cobertas, como fica o desempenho em chinês, alguém já testou?
Ver originalResponder0
Lightning-FastComposure
· 4h atrás
O que é a tecnologia avançada de normalização de texto invertido, alguém que entende pode explicar?
Ver originalResponder0
HaiyanColdWallet
· 4h atrás
Carimbo de hora ao nível de palavra + separação de oradores, registo de reuniões deixa os participantes extasiados
Ver originalResponder0
QuantsAndCats
· 5h atrás
4,2 dólares por milhão de caracteres de TTS, é mais barato ou mais caro do que o ElevenLabs?
Ver originalResponder0
AmberTeaSwirl
· 5h atrás
Transcrição contínua 0,2 dólares/hora, o cenário de legendas em tempo real deve ser viável
Ver originalResponder0
MultisigOnRocks
· 5h atrás
A mesma pilha de áudio alimenta o Grok Voice, Tesla e Starlink, Elon Musk criou um ecossistema fechado.
Ver originalResponder0
BalanceScreenshotAfterTheRain
· 5h atrás
xAI esta onda de API de áudio chegou um pouco de surpresa, a precificação de STT de 0,1 dólares por hora é considerada justa?
Ver originalResponder0
Ver mais

  • Fixado

Mapa do site