Grok STT
Model speech-to-text Grok dari xAI. Mentranskripsi file audio menjadi teks dalam 25 bahasa dengan timestamp per kata, transkripsi multichannel, diarisasi pembicara, dan penekanan istilah kunci.
Mulai cepat
# Inspect the price — a plain request returns the 402 challenge:
curl -i https://api.glianalabs.com/v1/infer \
-H "content-type: application/json" \
-d '{
"model": "xai/grok-stt",
"url": "https://example.com/input"
}'
# Pay + run in one step with the mppx CLI (create a wallet: npx mppx account create):
npx mppx https://api.glianalabs.com/v1/infer \
-J '{"model": "xai/grok-stt", "url": "https://example.com/input"}'Parameter
Petunjuk format untuk audio mentah tanpa header. Wajib untuk pcm, mulaw, alaw. Kosongkan untuk format kontainer (mp3, wav, dll.) — xAI mendeteksinya otomatis.
Jumlah channel audio (2–8). Hanya wajib untuk audio mentah multichannel; terdeteksi otomatis untuk format kontainer.
Bila true, mengaktifkan diarisasi pembicara. Setiap kata dalam respons memuat bilangan bulat `speaker` yang menandai pembicara yang terdeteksi.
File audio sebagai data URI (data:audio/...;base64,...) atau URL HTTPS yang diambil dan diunggah oleh gateway. Format kontainer yang didukung: flac, mp3, mp4, m4a, mkv, ogg, opus, wav, aac. Format mentah (pcm, mulaw, alaw) juga diterima — sertakan audio_format dan sample_rate. Batas ukuran di sisi gateway: 25 MB.
Bila true, kata pengisi (eh, em, anu) ikut dalam transkrip. Bawaannya false — kata pengisi dihapus.
Bila true, mengaktifkan Inverse Text Normalization — angka dan mata uang yang diucapkan diubah ke bentuk tulisan (misalnya "one hundred dollars" → "$100"). Membutuhkan language diisi.
Istilah kunci yang diutamakan dalam transkripsi (misalnya nama produk, nama diri). Tiap istilah hingga 50 karakter, maks 100 istilah. Dikirim sebagai field form berulang: keyterm=Term+One&keyterm=Term+Two.
Kode bahasa (misalnya "en", "fr", "de"). Dipakai bersama format=true untuk mengaktifkan Inverse Text Normalization. xAI tetap mentranskripsi bahasa apa pun — mengisi ini mengaktifkan pemformatan angka/mata uang di transkrip.
Bila true, setiap channel audio ditranskripsi secara terpisah. Hasilnya dikembalikan dalam array `channels`. Membutuhkan channels ≥ 2.
Sample rate dalam Hz. Wajib bila audio_format diisi.
URL HTTPS file audio yang diambil xAI di sisi server. Tidak bisa dipakai bersama `file`. Tidak ada batas ukuran di sisi gateway.