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 carimbos 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 padrão. 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 testados e divulgados pela própria xAI, sem validação por 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)

XAI1,48%

GROK-5,89%

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.

7 gostos

Recompensa
7
7
Republicar
Partilhar

Comentar

Adicionar um comentário

BudgetValidator

· 2h atrás

A infraestrutura de voz começa a padronizar-se, beneficiando os pequenos e médios desenvolvedores

Ver originalResponder0

MirrorBallGazingAtTheSky

· 4h atrás

A mesma pilha suporta três cenários, Elon Musk joga com a reutilização de 6 vezes

Ver originalResponder0

AirdropSidequest

· 5h atrás

WebSocket é adequado para fluxo contínuo, REST é adequado para arquivamento, design razoável

Ver originalResponder0

CandlewickKid

· 9h atrás

xAI finalmente separou a pilha de voz, os desenvolvedores estão em êxtase

Ver originalResponder0

RetroRadioSignal

· 10h atrás

O STT do Grok implementou um modo duplo com REST + WebSocket, cuidando tanto de processamento em lote quanto em tempo real, bastante detalhado.

Ver originalResponder0

PatinaTradingBell

· 10h atrás

A pilha de áudio usada pela Tesla e Starlink, deve ter passado por testes de fiabilidade

Ver originalResponder0

OracleBabysitter

· 10h atrás

Ferramentas de acessibilidade +1, esta é a verdadeira essência da tecnologia com humanidade

Ver originalResponder0

Tópicos em destaque
Ver mais
#
StockTradingChallengeUpTo17000U
16.23M Popularidade
#
TrumpBacksCFTCAuthorityOverPredictionMarkets
819.07K Popularidade
#
IsraelStrikesIranBTCPlunges
49.57K Popularidade
#
GatePredictionMarketAddsSmartMoneyTracking
13.77M Popularidade
#
MicronMarketCapBreaks1Trillion
37.9K 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