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

robot
Генерация тезисов в процессе
ME News Новости, 18 апреля (UTC+8), xAI недавно объявила о официальном запуске двух независимых аудио API: Grok для преобразования речи в текст (STT) и Grok для преобразования текста в речь (TTS). Grok STT обеспечивает высокоточную и низколатентную транскрипцию, поддерживает пакетную обработку через REST API и потоковую обработку 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 показатели ошибок слов превосходят 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 меток, 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)
XAI-1,49%
GROK-6,6%
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
  • 7
  • 3
  • Поделиться
комментарий
Добавить комментарий
Добавить комментарий
RiskParachute
· 22ч назад
Подождите, TTS может управлять с помощью тегов с тонкой гранулярностью? Тогда можно ли регулировать эмоциональный тон?
Посмотреть ОригиналОтветить0
BitByBitBenny
· 23ч назад
Таймстамп на уровне слов + разделение говорящих — отличный инструмент для создания протоколов собраний, хочу попробовать.
Посмотреть ОригиналОтветить0
FrictionlessFred
· 23ч назад
Grok Voice、特斯拉、Starlink 共用一套技术栈,马斯克这生态闭环玩明白了
Ответить0
GoldfishUnderTheIce
· 23ч назад
Что такое технология逆文本规范化 — превращение разговорной речи обратно в стандартный текст?
Посмотреть ОригиналОтветить0
Don'tMessWithSlippage.
· 23ч назад
25 языков покрытие, как там с качеством китайского, кто-то проверял?
Посмотреть ОригиналОтветить0
YieldBonsai
· 23ч назад
4.20 долларов США за миллион символов, эта цифра сделана специально, да?
Посмотреть ОригиналОтветить0
IOnlyTrustOn-ChainData.
· 23ч назад
xAI эта волна цен на аудио API довольно жесткая, по 0.1 доллара за час при массовом использовании, кажется, она вытеснит целый ряд поставщиков ASR.
Посмотреть ОригиналОтветить0
  • Закреплено