xAI ця серія аудіо-комбо вийшла досить агресивною, потокове ціноутворення STT 0.2 долара/годину безпосередньо конкурує з Whisper, TTS ще й з емоційними тегами, Ілон Маск хоче зробити голосовий сегмент справжнім "червоним морем"

Медійні новини повідомляють, що xAI запустила дві окремі аудіо API: Grok STT та Grok TTS, що походять з однієї аудіо-стеку, підтримують Grok Voice, автомобільну систему Tesla та обслуговування Starlink. STT пропонує пакетний транскрипт через REST та потокову обробку в реальному часі через WebSocket, з часовими мітками на рівні слів, розділенням мовця, багатоканальним режимом та нормалізацією зворотного тексту, підтримує понад 25 мов; TTS підтримує внутрішні теги для емоцій та ритму. Також опубліковано порівняння WER, де Grok лідирує у багатьох сценаріях, але третіх сторонніх повторних тестів ще немає. Ціни: пакетний STT — 0,10 долара США за годину, потоковий — 0,20 долара США за годину, TTS — 4,20 долара США за мільйон символів.