Grok pacote completo de voz integrado na API, o sistema de infoentretenimento da Tesla e o atendimento ao cliente Starlink já estão usando há algum tempo, os dados de autoavaliação do WER são bons, mas vamos esperar pela reavaliação de terceiros.

ME News relata que a xAI lançou duas APIs de áudio independentes: Grok STT e Grok TTS, ambas originadas do mesmo stack 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 ao nível de palavra, separação de falantes, múltiplos canais e normalização inversa de texto, cobrindo mais de 25 idiomas; o TTS suporta etiquetas internas de emoção e prosódia. Além disso, foi divulgado um comparativo de WER, mostrando que o Grok lidera em múltiplos cenários, sem testes de terceiros até o momento. Preços: processamento em lote do STT a 0,10 dólares por hora, streaming a 0,20 dólares por hora, e TTS a 4,20 dólares por milhão de caracteres.