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 a 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

2026-05-27 05:49:03

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 o 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 grandes arquivos de áudio, com retorno em milissegundos; a API WebSocket é voltada para fluxo de voz em tempo real. Recursos 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 diálogos. A xAI também divulgou uma comparação de taxas de erro de palavra (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, o 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 \[laugh\], \[sigh\], \[whisper\], (Fonte: BlockBeats).

XAI0,13%

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

GateUser-7919e6b9

· 4h atrás

STT em lote custa apenas 0,1 dólar por hora, mais barato que a API Whisper.

Ver originalResponder0

GateUser-28f37882

· 5h atrás

A mesma pilha alimentou o Grok Voice, o sistema de bordo, o Starlink, esta integração de recursos do xAI tem algo de especial

Ver originalResponder0

Don'tMessWithSlippage.

· 5h atrás

Grok esta pilha de áudio finalmente foi aberta ao público, os proprietários de Tesla estão em êxtase

Ver originalResponder0

ReflectiveChainShadow

· 5h atrás

WebSocket fluxo em tempo real de 0,2 dólares por hora, é possível rodar em cenário de legendas ao vivo?

Ver originalResponder0

MossyLedger

· 5h atrás

WER sem nova verificação por terceiros, deixe as balas voarem por um tempo.

Ver originalResponder0

MistBlueLily

· 5h atrás

A normalização de texto invertido é muito útil para assistentes de voz, finalmente não preciso escrever regras sozinho

Ver originalResponder0

NodeUnderTheAurora

· 5h atrás

4,2 dólares por milhão de caracteres de TTS, é mais barato ou mais caro do que o ElevenLabs? Alguém já fez as contas?

Ver originalResponder0

Tópicos em destaque
Ver mais
#
StockTradingChallengeUpTo17000U
16.24M Popularidade
#
TrumpBacksCFTCAuthorityOverPredictionMarkets
821.51K Popularidade
#
IsraelStrikesIranBTCPlunges
49.59K Popularidade
#
GatePredictionMarketAddsSmartMoneyTracking
13.21M Popularidade
#
MicronMarketCapBreaks1Trillion
38.97K 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