产品与应用

Grok语音转文本与文本转语音API发布

原文标题:Grok Speech to Text and Text to Speech APIs

AI 摘要

xAI发布Grok语音转文本(STT)与文本转语音(TTS)两款独立API,采用与Grok Voice、Tesla及Starlink相同技术栈。STT支持批量(0.10美元/小时)与实时流式(0.20美元/小时)转录,电话实体识别词错率仅5.0%,整体6.9%,优于竞品,支持25种以上语言及说话人分离。TTS定价4.20美元/百万字符,可通过[laugh]等标签精细控制情感语调。

关键信息

  • xAI发布Grok语音转文本(STT)与文本转语音(TTS)两款独立API,采用与Grok Voice、Tesla及Starlink相同技术栈。
  • STT支持批量(0.
  • 10美元/小时)与实时流式(0.
  • 20美元/小时)转录,电话实体识别词错率仅5.
  • 9%,优于竞品,支持25种以上语言及说话人分离。

速览

发布时间
更新时间
来源
xAI:News(网页)
分类
产品与应用
AI 评分
72
阅读原文 前往信息源阅读完整正文
推荐理由

xAI 把 Grok 的语音能力拆成独立 API 放出,STT 在实体识别上碾压几个老牌竞品,定价也不算贵,做语音 agent 的可以直接加进方案里对比。

相关实体

来源与版权

本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。

原文链接 · AIHOT 条目

如何引用

引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。

橙子新闻:Grok语音转文本与文本转语音API发布。2026年4月17日。https://new.nat6.net/news/cmo3ltug8013eslowoo155b16/

查看全部 →
  • Chrome 推出 AI Mode:全新的网页探索方式

    Chrome 浏览器今日升级 AI Mode 功能,通过人工智能技术深度改变用户与网页的交互方式。此次更新提供了全新的网络探索体验,将传统浏览行为转变为智能化交互模式,使用户能够更高效地获取和处理网络信息,标志着 Chrome 在浏览器…

    Google Blog:AI(RSS)产品与应用AI 评分 72

  • Gemini 应用推出个性化图像创建新功能

    Nano Banana 2 现支持结合个人上下文与 Google Photos 数据生成图像,通过分析用户独特的生活场景,创建反映个人经历的个性化视觉内容。该功能已在 Gemini 应用中上线,使 AI 图像生成能够基于真实生活语境,输出…

    Google Blog:AI(RSS)产品与应用AI 评分 71

  • Anthropic Labs 推出 Claude Design

    Anthropic Labs 推出 Claude Design,由 Claude Opus 4.7 驱动的视觉设计工具,面向 Claude Pro、Max、Team 及 Enterprise 订阅者开放研究预览。用户可通过对话快速创建设计…

    Anthropic:Newsroom(网页)产品与应用AI 评分 75

  • A2UI v0.9:便携、框架无关的生成式UI新标准

    A2UI v0.9发布了一个框架无关的新标准,旨在帮助AI代理依据公司现有设计系统,实时生成定制化的UI组件。本次更新通过提供全新的Python版Agent SDK、共享的Web核心库,以及对React、Flutter和Angular等渲…

    Google Developers Blog(RSS)产品与应用AI 评分 67

  • QIMMA:一个质量优先的阿拉伯语大语言模型排行榜

    QIMMA 是一个首创质量验证流程的阿拉伯语大语言模型评估平台。它整合了14个基准测试的109个子集、超5.2万个样本,覆盖文化、STEM等7大领域,其中99%为原生阿拉伯语内容。平台采用双阶段质量验证:先由两个大模型自动评估,再经人工审…

    Hugging Face 社区博客(混合发现)产品与应用AI 评分 63