SpaceXAI: Grok STT 1.0

SpaceXAI: Grok STT 1.0은 xAI의 음성-텍스트 변환 모델입니다. 전사(transcription) 카테고리에 속하며, 그 역할은 좁고 명확합니다. 오디오를 입력받아 전사 결과를 반환합니다. 범용 채팅이나 추론 모델이 아니므로, 대화를 나누는 대상이 아니라 파이프라인 안의 전용 구성 요소로 취급해야 합니다. 제공자 릴리스 날짜는 2026-07-23입니다.

이 모델은 입력 모달리티로 오디오를 받아들이고 출력으로 전사 결과를 생성합니다. 제공자 설명에 따르면 단어 수준 타임스탬프, 선택적 화자 분리(diarization), 다채널 오디오를 지원하는 전사를 제공합니다. 단어 수준 타임스탬프를 사용하면 텍스트를 녹음의 특정 지점에 다시 정렬할 수 있으며, 이는 자막을 동기화하거나, 통화의 특정 순간으로 이동하거나, 플레이어에서 구절을 강조 표시해야 할 때 중요합니다. 화자 분리는 선택 사항이므로, 누가 무엇을 말했는지 알아야 할 때 켜고 단일 평면 전사로 충분할 때는 꺼두면 됩니다. 다채널 오디오 지원은 채널이 둘 이상인 녹음을 무작정 다운믹스하지 않고 처리할 수 있다는 뜻입니다. 이 모델에는 컨텍스트 길이가 명시되어 있지 않고, 세부 정보 블록에는 최대 출력이 0으로 보고되므로, 여기서 계획할 만한 의미 있는 토큰 윈도 수치는 없습니다. 지원되는 파라미터 목록은 비어 있습니다.

실용적인 용도는 이러한 기능에서 바로 따라옵니다. 회의 및 통화 전사가 가장 명백한 용도이며, 화자 분리를 활성화하면 참가자를 구분하는 전사를 얻을 수 있는데, 이는 메모, 요약 또는 규정 준수 기록에 필요한 것입니다. 단어 수준 타임스탬프는 자막 및 캡션 생성, 검색 가능한 미디어 아카이브, 그리고 사용자가 텍스트 한 줄을 클릭하면 재생이 정확히 그 순간으로 이동하기를 기대하는 모든 인터페이스에 적합합니다. 다채널 오디오는 룸 마이크와 라인 피드처럼 서로 다른 소스에서 캡처한 녹음이나, 대화의 각 측이 자체 채널로 들어오는 컨택 센터 구성에 유용합니다. 출력이 생성된 산문이 아니라 전사 결과이기 때문에, 다운스트림 단계에도 깔끔하게 맞습니다. 먼저 전사한 다음, 요약, 번역 또는 인덱싱을 위해 텍스트를 다른 곳으로 보내면 됩니다.

모델 id "x-ai/grok-stt-1.0"을 사용하여 api14의 OpenAI 호환 API를 통해 호출합니다. 제공자는 REST /v1/stt 엔드포인트를 통해 모델을 노출하므로, 요청은 채팅 완성이 아니라 오디오 전사 호출입니다. 오디오를 보내고 응답에서 전사 결과를 읽으십시오. 이 모델의 지원되는 파라미터 목록은 비어 있으므로, 일반적인 샘플링이나 생성 노브를 전달할 수 있다고 가정하지 마십시오. 여기서 중요한 기능인 단어 수준 타임스탬프, 화자 분리, 다채널 처리는 제공된 데이터에서 조정 가능한 요청 파라미터가 아니라 모델의 전사 동작의 일부로 설명되어 있습니다.

나열된 사실 중 다른 곳으로 방향을 돌리게 할 만한 내용은 거의 없지만, 범위는 주목할 가치가 있습니다. 이것은 전사 전용 모델입니다. 오디오 입력, 전사 출력입니다. 작업이 텍스트 생성, 추론 또는 음성-텍스트 변환이 아닌 무엇이든이라면 다른 모델이 올바른 선택입니다. 요청 크기를 정하기 위해 문서화된 컨텍스트 윈도나 출력 토큰 예산이 필요하다면 여기에는 제시된 것이 없으므로, 통합에 가정을 넣기 전에 라이브 엔드포인트로 확인하십시오.