xAI 推出 Grok 语音转文本与文本转语音 API
· ME 快讯
ME News 消息，4 月 18 日（UTC+8），xAI 近日宣布正式推出 Grok 语音转文本（STT）和 Grok 文本转语音（TTS）两款独立的音频 API。Grok STT 提供高准确率、低延迟的转录服务，支持 REST API 批量处理和 WebSocket API 实时流式转录，并具备词级时间戳、说话人分离、多声道支持及智能逆文本规范化功能。文中提及，在电话通话、会议、视频/播客等多个领域的基准测试中，其词错误率表现优于 ElevenLabs、Deepgram 和 AssemblyAI 等主流商业模型。该服务支持超过 25 种语言，定价为批量处理每小时 0.10 美元，流式处理每小时 0.20 美元。Grok TTS 则可生成快速、自然且富有表现力的语音，支持通过简单语音标签进行细粒度控制，定价为每 100 万个字符 4.20 美元。两款 API 基于为 Grok Voice、特斯拉车辆和 Starlink 客户支持提供动力的相同技术栈。（来源：InFoQ）