xAI : Grok Speech to Text

Name: Grok Speech to Text
Author: xAI

xai/grok-stt

actif stt 1 fournisseur

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.

AuteurxAI

Languesmultilingual

Statutactif

Démarrage rapide

Grok Speech to Text

Créez une clé API

Inscrivez-vous sur AllModels, créez une clé API et définissez-la dans ALLMODELS_API_KEY.

Créer une clé API

Envoyez une requête

Choisissez un SDK, un mode de requête et un langage. Le modèle et la route fournisseur sont déjà renseignés.

STT en streaming avec l’ElevenLabs SDK

Diffuse l’audio du micro ou d’un fichier via la route AllModels compatible 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.

Transmettez les paramètres du fournisseur

Transmettez les préférences provider via les options de requête du SDK compatible lorsque vous voulez fixer une route sur un fournisseur.

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

Fournisseurs

Plusieurs fournisseurs peuvent héberger le même modèle. Choisissez-en un lorsque vous avez besoin d’un backend fixe, ou laissez le routage choisir parmi eux.

FournisseurSlugPar heureLatenceiModesDisponibilité

xAI 11 paramètres

grok

À partir de $0,1

—

Synchrone · Streaming

xAI

11 paramètres fournisseur documentés pour cette route.

Tarifs

ModeLanguePar heure

Rest Toutes $0,1

Streaming Toutes $0,2

Paramètres

file formData · string · obligatoire

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

url formData · string · obligatoire

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

audio_format formData · string · facultatif

Format hint for raw/headerless audio.

3 valeurs d’énumération

Valeurs

pcmmulawalaw

channels formData · integer · facultatif

Number of audio channels (2–8).

min 2max 8

diarize formData · boolean · facultatif

When true, enables speaker diarization.

par défaut false

filler_words formData · boolean · facultatif

When true, filler words are included in the transcript.

par défaut false

format formData · boolean · facultatif

When true, enables Inverse Text Normalization.

par défaut false

keyterm formData · string · facultatif

A key term to bias transcription toward.

language formData · string · facultatif

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

multichannel formData · boolean · facultatif

When true, transcribes each audio channel independently.

par défaut false

sample_rate formData · integer · facultatif

Sample rate in Hz. Only required for raw audio.

Langues prises en charge

Aucune liste de langues vérifiée pour ce modèle pour le moment.

Fonctionnalités

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

Code

STT en streaming avec l’ElevenLabs SDK

Diffuse l’audio du micro ou d’un fichier via la route AllModels compatible 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.