हम cookies इस्तेमाल करते हैं. Cookies और ब्राउज़र स्टोरेज आपको साइन इन रखते हैं और आपकी प्राथमिकताएं याद रखते हैं। आपकी अनुमति से हम यह भी मापते हैं कि साइट कैसे इस्तेमाल होती है। आप कभी भी । हमारी cookie नीति देखें।

SpaceXAI: Grok STT 1.0

x-ai/grok-stt-1.0

ट्रांसक्रिप्शनइनपुट: audio23 जुल॰ 2026 को जोड़ा गया

playground में खोलें SpaceXAI: Grok STT 1.0 के लिए API key पाएं

SpaceXAI: Grok STT 1.0 अभी आज़माएं

ऊपर दी गई कीमतों पर आपके बैलेंस से चलता है। नए अकाउंट मुफ्त उपयोग से शुरू होते हैं।

इसे इस्तेमाल करने के लिए साइन इन करेंमुफ्त अकाउंट बनाएं

ट्रांसक्रिप्ट

नतीजे यहां दिखेंगे।

आज 5 में से 5 मुफ्त मैसेज बाकी, मुफ्त अकाउंट से अतिरिक्त मुफ्त उपयोग और API key मिलती है।मुफ्त अकाउंट बनाएं साइन इनसेशन लागत $0.00

SpaceXAI: Grok STT 1.0 एक नज़र में

इनपुट कीमत 28 ट्रांसक्रिप्शन मॉडल के मीडियन से 52% कम है।

SpaceXAI: Grok STT 1.0 के बारे में

SpaceXAI: Grok STT 1.0, xAI का एक speech-to-text मॉडल है। यह transcription श्रेणी में आता है, और इसका काम सीमित और स्पष्ट है: ऑडियो लेना और बदले में transcription देना। यह कोई सामान्य चैट या reasoning मॉडल नहीं है, इसलिए आपको इसे pipeline में एक समर्पित component की तरह मानना चाहिए, न कि ऐसी चीज़ की तरह जिससे आप बातचीत करते हैं। Provider की release date 2026-07-23 है।

मॉडल इनपुट modality के रूप में ऑडियो स्वीकार करता है और आउटपुट के रूप में transcription देता है। Provider विवरण के अनुसार, यह word-level timestamps के साथ transcription, वैकल्पिक speaker diarization, और multichannel audio का समर्थन करता है। Word-level timestamps आपको टेक्स्ट को रिकॉर्डिंग के विशिष्ट बिंदुओं से जोड़ने देते हैं, जो तब मायने रखता है जब आपको subtitles sync करने हों, किसी कॉल में किसी क्षण पर जाना हो, या player में किसी phrase को highlight करना हो। Speaker diarization वैकल्पिक है, इसलिए जब आपको जानना हो कि किसने क्या कहा, तब आप इसे चालू कर सकते हैं और जब एक सपाट transcript काफी हो, तब इसे बंद छोड़ सकते हैं। Multichannel audio समर्थन का मतलब है कि एक से अधिक channel वाली रिकॉर्डिंग को संभाला जा सकता है, बजाय इसके कि उन्हें बिना सोचे downmix कर दिया जाए। इस मॉडल के लिए कोई context length सूचीबद्ध नहीं है, और details block अधिकतम आउटपुट 0 बताता है, इसलिए यहाँ योजना बनाने के लिए कोई सार्थक token window आंकड़ा नहीं है। समर्थित parameters की सूची खाली है।

व्यावहारिक उपयोग सीधे उन क्षमताओं से निकलते हैं। मीटिंग और कॉल transcription सबसे स्पष्ट है, और diarization चालू होने पर आपको ऐसा transcript मिलता है जो प्रतिभागियों में अंतर करता है, जो notes, summaries, या compliance records के लिए चाहिए। Word-level timestamps subtitle और caption निर्माण, खोजने योग्य media archives, और किसी भी ऐसे interface के लिए उपयुक्त हैं जहाँ उपयोगकर्ता टेक्स्ट की किसी पंक्ति पर क्लिक करता है और अपेक्षा करता है कि playback उसी क्षण पर पहुँचे। Multichannel audio अलग-अलग स्रोतों से ली गई रिकॉर्डिंग के लिए उपयोगी है, जैसे कमरे का mic और एक line feed, या contact center सेटअप जहाँ बातचीत का हर पक्ष अपने channel पर आता है। चूँकि आउटपुट generated prose नहीं बल्कि transcription है, यह downstream चरणों में भी साफ़ तौर पर फिट होता है: आप पहले transcribe करते हैं, फिर summarization, translation, या indexing के लिए टेक्स्ट कहीं और भेजते हैं।

आप इसे api14 के OpenAI-compatible API के ज़रिए model id "x-ai/grok-stt-1.0" का उपयोग करके कॉल करते हैं। Provider इस मॉडल को REST /v1/stt endpoint के ज़रिए उपलब्ध कराता है, इसलिए request chat completion नहीं बल्कि audio transcription call है। अपना ऑडियो भेजें और response से transcription पढ़ें। इस मॉडल के लिए समर्थित parameters की सूची खाली है, इसलिए यह न मानें कि आप सामान्य sampling या generation knobs पास कर सकते हैं; यहाँ जो चीज़ें मायने रखती हैं, word-level timestamps, speaker diarization, और multichannel handling, उन्हें दिए गए डेटा में tunable request parameters के रूप में नहीं, बल्कि मॉडल के transcription व्यवहार के हिस्से के रूप में बताया गया है।

सूचीबद्ध तथ्यों में आपको कहीं और ले जाने वाली बहुत कम बातें हैं, लेकिन scope पर ध्यान देना उचित है। यह transcription-only मॉडल है: ऑडियो अंदर, transcription बाहर। यदि आपका काम text generation, reasoning, या speech-to-text के अलावा कुछ और है, तो कोई दूसरा मॉडल सही चुनाव है। यदि request का आकार तय करने के लिए आपको documented context window या output token budget चाहिए, तो यहाँ कोई नहीं दिया गया है, इसलिए अपने integration में धारणाएँ बनाने से पहले live endpoint के विरुद्ध सत्यापित करें।

SpaceXAI: Grok STT 1.0 API कैसे कॉल करें

अपने dashboard में API key बनाएं।
अपनी भाषा के लिए आधिकारिक openai SDK इंस्टॉल करें।
baseURL को https://api14.com/api/v1 और model को "x-ai/grok-stt-1.0" पर सेट करें।

import fs from "node:fs";
import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api14.com/api/v1",
  apiKey: process.env.API14_API_KEY,
});

const result = await client.audio.transcriptions.create({
  model: "x-ai/grok-stt-1.0",
  file: fs.createReadStream("audio.mp3"),
});
console.log(result.text);

स्पेसिफिकेशन

इनपुट: audio
आउटपुट: transcription

api14 पर requests · पिछले 7 दिन

SpaceXAI: Grok STT 1.0: अक्सर पूछे जाने वाले सवाल

SpaceXAI: Grok STT 1.0 API की कीमत कितनी है?: SpaceXAI: Grok STT 1.0 की कीमत ऑडियो $0.00583 / मिनट है। शुल्क आपके USD बैलेंस से सिर्फ सफल requests के लिए कटता है; फेल हुई requests मुफ्त हैं।
SpaceXAI: Grok STT 1.0 क्या कर सकता है?: SpaceXAI: Grok STT 1.0 audio स्वीकार करता है और transcription लौटाता है।
अपने कोड से SpaceXAI: Grok STT 1.0 कैसे कॉल करूं?: किसी भी OpenAI SDK को https://api14.com/api/v1 पर पॉइंट करें और model को "x-ai/grok-stt-1.0" पर सेट करें, कोड में और कोई बदलाव नहीं। इस पेज के कोड पैनल से तैयार उदाहरण कॉपी करें।
SpaceXAI: Grok STT 1.0 के विकल्प क्या हैं?: मिलती-जुलती कीमत वाले ट्रांसक्रिप्शन मॉडल: NVIDIA: Parakeet TDT 0.6B v3, Mistral: Voxtral Mini 3B 2507, Qwen: Qwen3 ASR 1.7B। सभी एक ही API key से चलते हैं, इसलिए बदलना बस एक string बदलना है।

SpaceXAI: Grok STT 1.0 कम्युनिटी

नया टॉपिक

इस कम्युनिटी में अभी कोई टॉपिक नहीं है। SpaceXAI: Grok STT 1.0 के बारे में पहला टॉपिक खोलें।