xAI mở rộng API âm thanh Grok STT và TTS, tỷ lệ lỗi từ toàn bộ của STT giảm xuống còn 6.9%

robot
Đang tạo bản tóm tắt
ME News Tin tức, ngày 18 tháng 4 (UTC+8), theo theo dõi Beating của Động Chấn, xAI ra mắt hai API âm thanh độc lập: Grok Speech to Text và Grok Text to Speech. Cả hai đều đến từ cùng một hệ thống âm thanh hỗ trợ cho Grok Voice, hệ thống xe Tesla và dịch vụ khách hàng Starlink, lần này mở dưới dạng endpoint độc lập, cho phép các nhà phát triển kết nối trực tiếp với các ứng dụng như trung gian thoại, chuyển đổi giọng nói theo thời gian thực, công cụ hỗ trợ truy cập và podcast. STT cung cấp hai chế độ. API REST dùng để chuyển đổi hàng loạt các tệp âm thanh lớn, phản hồi trong mili giây; API WebSocket hướng tới luồng giọng nói theo thời gian thực. Các khả năng đi kèm bao gồm dấu thời gian theo từ, phân tách người nói (diarization), nhận dạng riêng biệt nhiều kênh, và Inverse Text Normalization, tức là tự động định dạng các số, ngày tháng, tiền tệ trong lời nói thành văn bản có cấu trúc chuẩn. Hỗ trợ hơn 25 ngôn ngữ, có thể chuyển đổi linh hoạt trong cuộc hội thoại. xAI cũng công bố một bộ so sánh tỷ lệ lỗi từ (WER, giá trị thấp hơn càng tốt): trong các kịch bản tổng thể Grok 6.9%, ElevenLabs 9.0%, Deepgram 11.0%, AssemblyAI 12.9%; khoảng cách trong nhận dạng thực thể cuộc gọi điện thoại còn lớn hơn, Grok 5.0%, tương ứng ba nhà cung cấp lần lượt là 12.0%, 13.5%, 21.3%. Trong các kịch bản phổ biến như họp, podcast video, cuộc gọi điện thoại, Grok cũng dẫn đầu nhẹ nhàng. Bộ số này do xAI tự kiểm tra và công bố, chưa có kiểm tra lại từ bên thứ ba. Về giá cả, xử lý hàng loạt STT là 0.10 USD/giờ, streaming là 0.20 USD/giờ; TTS là 4.20 USD/1 triệu ký tự. TTS hỗ trợ sử dụng Thẻ Giọng Nói nội tuyến để kiểm soát cảm xúc và nhịp điệu, ví dụ \[laugh], \[sigh], \[whisper], \ (Nguồn: BlockBeats)
XAI-0,77%
Xem bản gốc
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
  • Phần thưởng
  • 4
  • 2
  • Retweed
Bình luận
Thêm một bình luận
Thêm một bình luận
TwoFactorZen
· 1giờ trước
WebSocket phát trực tiếp theo thời gian thực 0.2 đô la/giờ, anh em làm phụ đề trực tiếp có thể tính toán chi phí
Xem bản gốcTrả lời0
Frost-ColoredCubeCity
· 4giờ trước
Giá xử lý theo lô vẫn ổn, nhưng chiến lược định giá theo dòng chảy nhân đôi rõ ràng bắt buộc bạn phải mua theo số lượng lớn, đã là chiến thuật cũ.
Xem bản gốcTrả lời0
GateUser-517aed04
· 4giờ trước
Cùng một bộ stack được cung cấp cho hệ thống xe Tesla + dịch vụ khách hàng Starlink, Musk chơi vòng khép kín này quá giỏi
Xem bản gốcTrả lời0
GateUser-b6d80ba0
· 5giờ trước
WER tự nói tự diễn, dẫn đầu, chưa có kiểm tra lại của bên thứ ba thì cứ quan sát, các cao thủ crypto hiểu rõ điều này
Xem bản gốcTrả lời0
  • Đã ghim