Загрузка...

Grok STT 1.0

Разработчик: xAI
Идентификатор:
Скопировано!

Характеристики Grok STT 1.0

Контекстное окно

Дата релиза 23 июля 2026

Мультимодальность

Входящие данные:

  • Аудио

Исходящие данные:

  • Транскрибация

Цены Grok STT 1.0 в рублях

Оплата производится по факту за использованные токены.

Тип
Стоимость
Аудио
Тарифицируется длительность входного аудио (в секундах) при расшифровке в текст.
0,17 ₽ / 1 минута аудио

Цены указаны в рублях и могут меняться в зависимости от курса валют

Что умеет Grok STT 1.0

Grok STT — это модель преобразования речи в текст от xAI, доступная через REST /v1/stt endpoint. Она поддерживает транскрипцию с временными метками на уровне слов, необязательную диаризацию говорящих и многоканальное аудио.

API Grok STT 1.0: подключение и примеры кода

Наш сервис предоставляет единый API, совместимый с OpenAI SDK. Просто укажите наш base_url и используйте ключ, полученный в личном кабинете.

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://routerai.ru/api/v1"
)

with open("audio.mp3", "rb") as f:
    transcription = client.audio.transcriptions.create(
        model="x-ai/grok-stt-1.0",
        file=f,
        language="ru"
    )

print(transcription.text)
import requests
import base64
import json

url = "https://routerai.ru/api/v1/audio/transcriptions"
headers = {
    "Authorization": "Bearer YOUR_API_KEY",
    "Content-Type": "application/json"
}

# Читаем аудиофайл и кодируем в base64
with open("audio.mp3", "rb") as f:
    audio_base64 = base64.b64encode(f.read()).decode("utf-8")

data = {
    "model": "x-ai/grok-stt-1.0",
    "input_audio": {
        "data": audio_base64,
        "format": "mp3"
    },
    "language": "ru"
}

response = requests.post(url, headers=headers, json=data)
result = response.json()
print(json.dumps(result, indent=2, ensure_ascii=False))
# Вариант 1: multipart/form-data (OpenAI-совместимый) — файл как есть
curl -X POST "https://routerai.ru/api/v1/audio/transcriptions" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -F "file=@audio.mp3" \
  -F "model=x-ai/grok-stt-1.0" \
  -F "language=ru"

# Вариант 2: JSON с аудио в base64
curl -X POST "https://routerai.ru/api/v1/audio/transcriptions" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "x-ai/grok-stt-1.0",
    "input_audio": {
      "data": "'"$(base64 -w0 audio.mp3)"'",
      "format": "mp3"
    },
    "language": "ru"
  }'

Эндпоинт API

Audio Transcriptions

Расшифровывает аудио в текст. Принимает аудио в base64, возвращает JSON с текстом и usage.

POST https://routerai.ru/api/v1/audio/transcriptions
Документация
Authorization
Bearer YOUR_API_KEY
Content-Type
application/json
Model
x-ai/grok-stt-1.0

Поддерживаемые параметры запроса

Параметр
Тип
По умолчанию
Описание
max_tokens
integer
Верхний предел количества токенов, которые модель может сгенерировать в ответе.
temperature
float
1
Влияет на разнообразие ответов модели: чем выше, тем более случайным будет вывод.
top_p
float
1
Ограничивает выбор модели долей наиболее вероятных токенов: учитываются только токены, чьи вероятности в сумме дают P.
seed
integer
Если задан, инференс выполняется детерминированно — повторные запросы с тем же seed и параметрами должны давать одинаковый результат.
logprobs
boolean
Возвращать ли логарифмы вероятностей выходных токенов.
top_logprobs
integer
Число от 0 до 20: сколько наиболее вероятных токенов возвращать на каждой позиции, каждый с логарифмом вероятности.
response_format
map
Заставляет модель выдавать ответ в определённом формате.
stop
array
Немедленно останавливает генерацию, если модель встречает любой из токенов, указанных в массиве stop.
frequency_penalty
float
0
Управляет повторением токенов в зависимости от того, как часто они встречаются во входных данных.
presence_penalty
float
0
Регулирует, насколько часто модель повторяет токены, уже встречавшиеся во входных данных.