Купить криптовалюту
Оплатить в
USD
USD
Купить и продать
Hot
Поддерживает Visa, Mastercard и др.
P2P
0 Fees
Гибкая торговля, 0 комиссий
Gate Card
Платите криптовалютой по всему миру
Рынки
Торговля
Основа
Продвинутый
Фьючерсы
Фьючерсы
Доступ к сотням фьючерсов
CFD
Золото
Одна платформа мировых активов
Опционы
Hot
Торги опционами Vanilla в европейском стиле
Единый счет
Увеличьте эффективность вашего капитала
Демо-торговля
Введение в торговлю фьючерсами
Подготовьтесь к торговле фьючерсами
Фьючерсные события
Получайте награды в событиях
Демо-торговля
Используйте виртуальные средства для торговли без риска
Earn
Запуск
CandyDrop
tag
Собирайте конфеты, чтобы заработать аирдропы
Launchpool
Быстрый стейкинг, заработайте потенциальные новые токены
HODLer Airdrop
Удерживайте GT и получайте огромные аирдропы бесплатно
Pre-IPOs
Откройте полный доступ к глобальным IPO акций
Alpha Points
Торгуйте и получайте аирдропы
Фьючерсные баллы
Зарабатывайте баллы и получайте награды аирдропа
Инвестиции
Square
Квадрат
Узнавайте больше о преимуществах криптовалют
Live
moments live
Анализ рынка криптовалют в реальном времени
Чат
Общайтесь с криптотрейдерами
Новости
Последние новости в мире криптовалют
flower_head
Еще
Рекламные акции
AI
Другое
TradFi
Gate Card
Награды
Square
Обновления
Трендовые
Новости
Профиль

xAI открывает API для Grok STT и TTS аудио, общий процент ошибок в распознавании речи снижен до 6.9%

MeNews
robot
Генерация тезисов в процессе
ME News Новости, 18 апреля (UTC+8), по данным мониторинга 动察 Beating, на платформе xAI запущены два независимых API для аудио: Grok Speech to Text и Grok Text to Speech. Оба основаны на одной аудиосистеме, поддерживающей Grok Voice, встроенную систему Tesla и службу поддержки Starlink, и теперь доступны в виде отдельных конечных точек, что позволяет разработчикам напрямую интегрировать голосовые агенты, в реальном времени транскрибировать, создавать инструменты для инвалидов и подкасты. STT предлагает два режима. REST API предназначен для пакетной обработки больших аудиофайлов с ответом за миллисекунды; WebSocket API ориентирован на потоковую передачу в реальном времени. В дополнение к возможностям включены временные метки на уровне слов, диаризация говорящих, распознавание по каналам и обратная нормализация текста, то есть автоматическая обработка чисел, дат, валют, произнесённых в разговоре, в структурированный нормативный текст. Поддержка более 25 языков, с возможностью бесшовного переключения в диалоге. xAI также опубликовала сравнительный показатель ошибок распознавания слов (WER, чем ниже, тем лучше): в целом сценарии Grok 6.9%, ElevenLabs 9.0%, Deepgram 11.0%, AssemblyAI 12.9%; разрыв в распознавании сущностей телефонных звонков ещё больше, Grok 5.0%, у трёх других соответственно 12.0%, 13.5%, 21.3%. В сценариях встреч, видеоподкастов и телефонных звонков Grok также немного превосходит конкурентов. Эти показатели были опубликованы xAI на основе собственных тестов, сторонние проверки пока отсутствуют. В ценовой политике, пакетная обработка STT стоит 0,10 доллара за час, потоковая — 0,20 доллара за час; TTS — 4,20 доллара за миллион символов. TTS поддерживает управление эмоциями и ритмом с помощью встроенных тегов речи, например \[laugh\], \[sigh\], \[whisper\], (Источник: BlockBeats)
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
  • 10
  • 3
  • Поделиться
комментарий
Добавить комментарий
Добавить комментарий
InstantNoodle-LevelResearcher
· 4ч назад
Массовая транскрипция — через REST, в реальном времени — через WebSocket, архитектура довольно практичная.
Посмотреть ОригиналОтветить0
GateUser-f85bc167
· 4ч назад
Подождите реальных результатов тестирования, достаточно посмотреть бенчмарк xAI
Посмотреть ОригиналОтветить0
MarginMom
· 4ч назад
Grok TTS поддержка эмоциональных тегов довольно интересна, в будущем ИИ озвучивание сможет добавлять плачущий тон?
Посмотреть ОригиналОтветить0
GateUser-f92ba9fa
· 4ч назад
25+ языков покрытие, каков результат на китайском, кто-то проверял?
Посмотреть ОригиналОтветить0
Lightning-FastComposure
· 4ч назад
Что такое обратная нормализация текста — это какая-то передовая технология, расскажите подробнее, кто разбирается?
Посмотреть ОригиналОтветить0
HaiyanColdWallet
· 4ч назад
Таймстампы на уровне слов + разделение говорящих, радость протокола собрания
Посмотреть ОригиналОтветить0
QuantsAndCats
· 5ч назад
4.2 доллара/миллион символов TTS — дешевле или дороже, чем ElevenLabs?
Посмотреть ОригиналОтветить0
AmberTeaSwirl
· 5ч назад
Потоковая STT 0,2 доллара/час, должно быть возможно запустить в сценариях с реальными субтитрами
Посмотреть ОригиналОтветить0
MultisigOnRocks
· 5ч назад
Один и тот же аудиоблок подается на Grok Voice, Tesla, Starlink, и экосистема Маска завершена.
Посмотреть ОригиналОтветить0
BalanceScreenshotAfterTheRain
· 5ч назад
xAI эта волна аудио API пришла немного внезапно, цена за STT 0.1 доллара в час — считается ли это честной ценой?
Посмотреть ОригиналОтветить0
Подробнее

  • Закреплено

Карта сайта