xAI membuka API audio Grok STT dan TTS, tingkat kesalahan kata keseluruhan STT ditekan menjadi 6,9%
Berita ME News melaporkan bahwa xAI meluncurkan dua API audio independen: Grok STT dan Grok TTS, yang berasal dari tumpukan audio yang sama, mendukung Grok Voice, sistem kendaraan Tesla, dan layanan pelanggan Starlink.
STT menyediakan transkripsi batch melalui REST dan streaming real-time melalui WebSocket, dengan cap waktu tingkat kata, pemisahan pembicara, multi-channel, dan normalisasi teks terbalik, mencakup lebih dari 25 bahasa;
TTS mendukung label inline untuk emosi dan intonasi.
Selain itu, mereka mengumumkan perbandingan WER, di mana Grok unggul dalam berbagai skenario, namun belum ada pengujian ulang dari pihak ketiga.
Harga: pemrosesan batch STT sebesar 0,10 dolar AS per jam, streaming 0,20 dolar AS per jam, TTS sebesar 4,20 dolar AS per juta karakter.