Grok STT: dokumentacja API

Jednym kluczem API PopNow wywołasz Grok STT z własnego kodu. Znajdziesz tu identyfikatory modelu, które trzeba wysłać, każde pole wejściowe, koszt zapytania w kredytach i gotowe zapytanie do wklejenia w terminalu.

Opisy parametrów pochodzą ze schematu wejściowego modelu i są dostępne tylko po angielsku.

W skrócie

Twórca: xAI
Wynik: Audio
Od: 0.01 kr. za sekundę wyniku ($0.0001)
Typowy czas: ok. 7 s
Identyfikatory modelu: xai/grok-stt/speech-to-text

1 kredyt = 0,01 USD. Po przyjęciu zadanie blokuje najwyższą możliwą kwotę, a na koniec rozlicza faktyczne zużycie, zaokrąglone w górę do pełnych kredytów; resztę zwalnia. Za zadania zakończone błędem nie płacisz. Dokładną kwotę przed uruchomieniem poda POST /api/v1/jobs/quote.

Mowa na tekst

xai/grok-stt/speech-to-text

Cena

Opcja	Kredyty (za sekundę wyniku)	Dolary USA
`Domyślnie`	0.01	$0.0001

Parametry

Pole	Typ	Domyślnie	Dozwolone wartości	Do czego służy
`audio_url`Wymagane	`string (uri)`	—	—	Audio to transcribe: an uploaded MP3 or WAV, or a public URL to a common audio or video format. 1 second to 2 hours.
`language`Opcjonalne	`string`	—	ar, cs, da, nl, en, fil, fr, de, hi, id, it, ja, ko, mk, … (+11)	Spoken language. Leave empty to detect it; required when text_normalization is on.
`text_normalization`Opcjonalne	`boolean`	`false`	—	Write spoken numbers, prices, dates and units in digits. Needs language.
`keyterms`Opcjonalne	`array<object>`	`[]`	do 100 elementów	Names and terms to spell the way you list them, up to 100.
`filler_words`Opcjonalne	`boolean`	`false`	—	Keep filler words such as um and uh in the transcript.
`multichannel`Opcjonalne	`boolean`	`false`	—	Transcribe each channel separately, one line per channel. Turn on when speakers are on separate channels.

Przykładowe zapytanie

To zapytanie działa w obecnej postaci; pominięte pola mają wartości domyślne. Najpierw zapisz klucz w zmiennej POPNOW_API_KEY.

Przykład używa w audio_url przykładowych plików PopNow. Zamień je na własne publiczne linki HTTPS, przesłane pliki albo zapisane zasoby.

POST /api/v1/jobs/createTask?wait=60

curl -X POST "https://api.popnow.ai/api/v1/jobs/createTask?wait=60" \
  -H "Authorization: Bearer $POPNOW_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: $(uuidgen)" \
  -d '{
  "model": "xai/grok-stt/speech-to-text",
  "input": {
    "audio_url": "https://media.popnow.ai/shortfilm/voices/Aoede-46e4c427.mp3"
  }
}'

Odpowiedź od razu zawiera taskId. Wynik pobierzesz przez GET /api/v1/jobs/recordInfo albo dodaj callBackUrl, by dostać powiadomienie.

GET /api/v1/jobs/recordInfo

curl "https://api.popnow.ai/api/v1/jobs/recordInfo?taskId=TASK_ID_FROM_CREATE_TASK" \
  -H "Authorization: Bearer $POPNOW_API_KEY"