xAI выпустила API для преобразования речи в текст и текста в речь Grok

robot
Генерация тезисов в процессе

ME Новости, 18 апреля (UTC+8), xAI недавно объявила о запуске двух отдельных аудио API: Grok для преобразования речи в текст (STT) и Grok для преобразования текста в речь (TTS). Grok STT обеспечивает высокоточную, низколатентную транскрипцию, поддерживая пакетную обработку через REST API и потоковую транскрипцию в реальном времени через WebSocket API, а также обладает функциями временных меток на уровне слов, разделения говорящих, поддержки многоканальности и интеллектуальной нормализации текста. В статье отмечается, что в бенчмарках в области телефонных звонков, конференций, видео/подкастов и других областях его показатель ошибок слов превосходит такие ведущие коммерческие модели, как ElevenLabs, Deepgram и AssemblyAI. Этот сервис поддерживает более 25 языков, цена за пакетную обработку — 0,10 доллара США за час, за потоковую обработку — 0,20 доллара за час. Grok TTS может быстро создавать естественные и выразительные голоса, поддерживая тонкую настройку с помощью простых голосовых тегов, цена составляет 4,20 доллара за миллион символов. Обе API основаны на той же технологической платформе, которая обеспечивает работу Grok Voice, автомобилей Tesla и поддержки клиентов Starlink. (Источник: InFoQ)

Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
  • Награда
  • комментарий
  • Репост
  • Поделиться
комментарий
Добавить комментарий
Добавить комментарий
Нет комментариев
  • Закрепить