ME News Actualités, le 18 avril (UTC+8), selon la surveillance de Dongcha Beating, xAI a lancé deux API audio indépendantes : Grok Speech to Text et Grok Text to Speech. Les deux proviennent de la même pile audio supportant Grok Voice, le système embarqué de Tesla et le service client Starlink, et sont désormais accessibles sous forme de points de terminaison indépendants, permettant aux développeurs d'intégrer directement des applications de proxy vocal, de transcription en temps réel, d'outils d'accessibilité et de podcasts. STT propose deux modes. L'API REST est utilisée pour la transcription en masse de grands fichiers audio, avec un retour en millisecondes ; l'API WebSocket vise le flux vocal en temps réel. Les capacités associées incluent des horodatages au niveau des mots, la séparation des locuteurs (diarization), la reconnaissance multi-canaux, ainsi que l'Inverse Text Normalization, c'est-à-dire la mise en forme automatique des chiffres, dates, devises dans le discours en textes structurés normalisés. La couverture linguistique dépasse 25 langues, avec une commutation fluide en conversation. xAI a également publié un comparatif du taux d'erreur de reconnaissance de mots (WER, plus c'est bas, mieux c'est) : dans le scénario global, Grok 6,9 %, ElevenLabs 9,0 %, Deepgram 11,0 %, AssemblyAI 12,9 % ; la différence pour la « reconnaissance d'entités dans les appels téléphoniques » est encore plus marquée, Grok 5,0 %, contre respectivement 12,0 %, 13,5 %, 21,3 % pour les trois autres. Dans les scénarios courants de réunions, podcasts vidéo et appels téléphoniques, Grok reste légèrement en tête. Ces chiffres ont été publiés par xAI suite à ses propres tests, sans vérification par un tiers. En termes de tarification, le traitement par lot STT coûte 0,10 dollar par heure, le streaming 0,20 dollar par heure ; TTS est à 4,20 dollars pour 1 million de caractères. TTS supporte l'utilisation de balises de parole intégrées pour contrôler l'émotion et le rythme, comme \[laugh], \[sigh], \[whisper], \ (Source : BlockBeats)

Voir l'original

Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.

12 J'aime

Récompense
12
4
Reposter
Partager

Commentaire

Ajouter un commentaire

TacoTreasury

· Il y a 3h

Grok Voice a une structure assez profonde, le service client embarqué + satellite utilise la même plateforme, la stabilité devrait être assurée

Voir l'originalRépondre0

GateUser-7cb48814

· Il y a 4h

Transcription en temps réel via WebSocket, directement utilisable pour les sous-titres en direct

Voir l'originalRépondre0

TheProphetOfToast

· Il y a 4h

Le système embarqué de Tesla est d'origine commune, l'écosystème d'interaction vocale du système automobile pourrait devoir être intégré.

Voir l'originalRépondre0

GateUser-e4fb1fbe

· Il y a 4h

Une même pile audio supporte autant de scénarios, la réutilisation en ingénierie est bien réalisée

Voir l'originalRépondre0

Sujets populaires
Afficher plus
#
StockTradingChallengeUpTo17000U
16.22M Popularité
#
USStrikesIran
9.32M Popularité
#
IsraelStrikesIranBTCPlunges
49.53K Popularité
#
GatePredictionMarketAddsSmartMoneyTracking
13.81M Popularité
#
InstitutionalCapitalRotatesFromBTCToHYPEAndXRP
14.33M Popularité

Épinglé

xAI ouvre l'API audio Grok STT et TTS, le taux d'erreur global de STT réduit à 6,9 %

Sujets populaires

StockTradingChallengeUpTo17000U

USStrikesIran

IsraelStrikesIranBTCPlunges

GatePredictionMarketAddsSmartMoneyTracking

InstitutionalCapitalRotatesFromBTCToHYPEAndXRP

Épinglé