xAI: Grok Speech to Text

Name: Grok Speech to Text
Author: xAI

xai/grok-stt

activo stt 1 proveedor

Playground

xAI's Grok speech-to-text: transcribes audio files in a single call or streams audio in real time over WebSocket with word-level timestamps, selected by endpoint (/v1/stt) rather than by a model parameter.

AutorxAI

Idiomasmultilingual

Estadoactivo

Inicio rápido

Grok Speech to Text

Crea una clave API

Regístrate en AllModels, crea una clave API y guárdala como ALLMODELS_API_KEY.

Crear clave API

Haz una solicitud

Elige un SDK, un modo de solicitud y un lenguaje. El modelo y la ruta del proveedor ya están completados.

STT en streaming con el ElevenLabs SDK

Transmite audio del micrófono o de un archivo a través de la ruta de AllModels compatible con ElevenLabs.

import { ElevenLabsClient } from "elevenlabs";

const client = new ElevenLabsClient({
  apiKey: process.env.ALLMODELS_API_KEY,
  baseUrl: "https://api.allmodels.io/el"
});

const connection = await client.speechToText.realtime.connect({
  modelId: "xai/grok-stt",
  languageCode: "en"
}, {
  queryParams: {
    provider: {
      "only": [
        "grok"
      ]
    }
  }
});

// Send audio frames to connection, then handle transcript events.

Pasa parámetros del proveedor

Pasa las preferencias de provider mediante las opciones de solicitud del SDK compatible cuando quieras fijar una ruta a un proveedor.

{
  queryParams: {
    provider: {
      only: ["grok"]
    }
  }
}

Proveedores

Distintos proveedores pueden alojar el mismo modelo. Elige un proveedor cuando necesites un backend fijo, o deja que el enrutamiento elija entre ellos.

ProveedorSlugPor horaLatenciaiModosDisponibilidad

xAI 11 parámetros

grok

Desde $0,1

—

Síncrono · Streaming

xAI

11 parámetros de proveedor documentados para esta ruta.

Precios

ModoIdiomaPor hora

Rest Cualquiera $0,1

Streaming Cualquiera $0,2

Parámetros

file formData · string · obligatorio

Audio file to transcribe. Max 500 MB. Must be the last field in the multipart form.

url formData · string · obligatorio

URL of an audio file to download and transcribe (server-side).

audio_format formData · string · opcional

Format hint for raw/headerless audio.

3 valores enum

Valores

pcmmulawalaw

channels formData · integer · opcional

Number of audio channels (2–8).

mín. 2máx. 8

diarize formData · boolean · opcional

When true, enables speaker diarization.

predeterminado false

filler_words formData · boolean · opcional

When true, filler words are included in the transcript.

predeterminado false

format formData · boolean · opcional

When true, enables Inverse Text Normalization.

predeterminado false

keyterm formData · string · opcional

A key term to bias transcription toward.

language formData · string · opcional

Language code (e.g. en, fr, de). Used with format=true to enable text formatting.

multichannel formData · boolean · opcional

When true, transcribes each audio channel independently.

predeterminado false

sample_rate formData · integer · opcional

Sample rate in Hz. Only required for raw audio.

Idiomas admitidos

Todavía no hay una lista de idiomas revisada para este modelo.

Funciones

Speech to text

Transcribes spoken audio to text.

speech_to_text

Streaming

Real-time streaming transcription over WebSocket (wss://api.x.ai/v1/stt).

streaming

Synchronous

Transcribes a fully-submitted audio file in a single synchronous request.

synchronous

Multilingual transcription

Supports 25 languages.

multilingual_transcription

Word-level timestamps

Returns a words array with text, start, and end.

word_timestamps

Código

STT en streaming con el ElevenLabs SDK

Transmite audio del micrófono o de un archivo a través de la ruta de AllModels compatible con ElevenLabs.

import { ElevenLabsClient } from "elevenlabs";

const client = new ElevenLabsClient({
  apiKey: process.env.ALLMODELS_API_KEY,
  baseUrl: "https://api.allmodels.io/el"
});

const connection = await client.speechToText.realtime.connect({
  modelId: "xai/grok-stt",
  languageCode: "en"
}, {
  queryParams: {
    provider: {
      "only": [
        "grok"
      ]
    }
  }
});

// Send audio frames to connection, then handle transcript events.