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
Ações dos EUA
CFD
Derivados CFD de ações dos EUA
Futuros
Alta alavancagem, negociação 24/7
Ações tokenizadas
Garantido por ativos de ações reais
GUSD
Cunhe GUSD para rendimentos de RWA do Tesouro
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, 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 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 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 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)
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
  • 12
  • 1
  • Partilhar
Comentar
Adicionar um comentário
Adicionar um comentário
WhitepaperByTheRoadside
· 42m atrás
Carimbo de tempo por palavra + separação de oradores, o cenário de atas de reuniões está a ficar insano
Ver originalResponder0
Lime-ColoredStop-LossLine
· 12h atrás
Processamento em lote 0,1 dólares/hora é realmente atraente, mas a precificação por fluxo que dobra claramente te força a optar por volume
Ver originalResponder0
GateUser-83a2dd8a
· 12h atrás
25+ cobertura de idiomas, alguém já testou como fica o efeito em chinês?
Ver originalResponder0
TheProphetOfToast
· 13h atrás
Etiquetas internas de ritmo emocional, finalmente sem precisar ouvir o robô ler o roteiro
Ver originalResponder0
GateUser-b665e41c
· 14h atrás
Integração do sistema de bordo da Tesla, qual é a latência de interação por voz ao dirigir, em milissegundos?
Ver originalResponder0
PunkRiskMgr
· 14h atrás
O serviço de atendimento ao cliente da Starlink já está em uso, regiões rurais com sotaque foram reconhecidas como uma mina de dados de treino
Ver originalResponder0
ToBeHonest,You'llLose
· 15h atrás
Da revolução dos LLM até a voz, a guerra multimodal entra oficialmente na segunda metade
Ver originalResponder0
HashbrownHero
· 15h atrás
A transcrição em massa deste preço, os grupos de legendas e os anfitriões de podcasts provavelmente terão que migrar coletivamente
Ver originalResponder0
GateUser-bee672a5
· 15h atrás
Aguardar uma comunidade de código aberto reproduzir o benchmark WER do xAI, a prática habitual é questionar primeiro
Ver originalResponder0
TwoFactorZen
· 15h atrás
REST + modo duplo WebSocket, máxima facilidade para desenvolvedores
Ver originalResponder0
Ver mais

  • Fixado

Mapa do site