ME News reporta 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 reversa de texto, cobrindo mais de 25 idiomas; O TTS suporta etiquetas internas de emoção e prosódia. E divulgou uma comparação 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, TTS a 4,20 dólares por milhão de caracteres.

MeNews

2026-05-26 17:46:33

Geração de resumo em curso

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 da mesma pilha 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 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 arquivos de áudio grandes, com retorno em milissegundos; a API WebSocket é voltada para fluxo de voz em tempo real. Recursos adicionais incluem marcações de tempo a nível de palavra, separação de falantes (diarization), reconhecimento de múltiplos canais separadamente, e Normalização de Texto Inversa, ou seja, transformar números, datas e moedas falados em textos estruturados padronizados. O suporte linguístico cobre mais de 25 idiomas, com troca fluida durante diálogos. A xAI também divulgou uma comparação de taxas de erro de palavras (WER, quanto menor melhor): em cenários gerais, Grok 6,9%, ElevenLabs 9,0%, Deepgram 11,0%, AssemblyAI 12,9%; a diferença na "Reconhecimento de entidades em chamadas telefônicas" é 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 divulgados pela própria xAI após testes internos, 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 emoções e entonações usando tags de fala inline, como \[laugh\], \[sigh\], \[whisper\], e assim por diante. (Fonte: BlockBeats)

XAI2,11%

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.

6 gostos

Recompensa
6
4
2
Partilhar

Comentar

Adicionar um comentário

TwoFactorZen

· 5h atrás

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

Ver originalResponder0

Frost-ColoredCubeCity

· 8h atrás

O preço por lote ainda é razoável, mas a estratégia de precificação por fluxo que dobra o valor claramente te força a optar por grandes volumes, é uma tática antiga.

Ver originalResponder0

GateUser-517aed04

· 8h atrás

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

Ver originalResponder0

GateUser-b6d80ba0

· 8h atrás

WER lidera falando sozinho, sem uma nova verificação de terceiros, primeiro observa, os veteranos de cripto entendem

Ver originalResponder0

Tópicos em destaque
Ver mais
#
StockTradingChallengeUpTo17000U
16.22M Popularidade
#
TrumpBacksCFTCAuthorityOverPredictionMarkets
815.2K Popularidade
#
IsraelStrikesIranBTCPlunges
49.53K Popularidade
#
GatePredictionMarketAddsSmartMoneyTracking
13.2M Popularidade
#
MicronMarketCapBreaks1Trillion
35.91K Popularidade

Fixado

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

Tópicos em destaque

StockTradingChallengeUpTo17000U

TrumpBacksCFTCAuthorityOverPredictionMarkets

IsraelStrikesIranBTCPlunges

GatePredictionMarketAddsSmartMoneyTracking

MicronMarketCapBreaks1Trillion

Fixado