Grok STT API 调用参考
带逐词时间戳的转写，支持 25 种语言
用一个 PopNow API 密钥，就能在自己的代码里调用 Grok STT。下面列出要填的调用名、这个型号接受的每个输入字段、每次请求花多少积分，以及一段可以直接粘进终端运行的请求。
参数说明直接取自型号的输入 schema，暂时只有英文。
一览
- 出品方
- xAI
- 产出
- 音频
- 起价
- 0.01 积分 每秒成片 ($0.0001)
- 一般耗时
- 约 7 秒
1 积分 = 0.01 美元。任务受理时先冻结可能的最高费用，完成后按实际用量结算、向上取整到整积分，多冻的退回；失败的任务不扣积分。想在运行前知道确切数字，先调 POST /api/v1/jobs/quote。
语音转文字
xai/grok-stt/speech-to-text
价格
| 选项 | 积分 (每秒成片) | 美元 |
|---|---|---|
默认 | 0.01 | $0.0001 |
参数
| 字段 | 类型 | 默认值 | 取值范围 | 作用 |
|---|---|---|---|---|
audio_url必填 | 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可选 | 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可选 | boolean | false | — | Write spoken numbers, prices, dates and units in digits. Needs language. |
keyterms可选 | array<object> | [] | 最多 100 项 | Names and terms to spell the way you list them, up to 100. |
filler_words可选 | boolean | false | — | Keep filler words such as um and uh in the transcript. |
multichannel可选 | boolean | false | — | Transcribe each channel separately, one line per channel. Turn on when speakers are on separate channels. |
请求示例
这段请求原样就能运行，没写的字段都用默认值。运行前先把密钥放进环境变量 POPNOW_API_KEY。
示例里的 audio_url 用的是 PopNow 的示例素材，换成你自己的公开 HTTPS 链接、上传文件或已保存的素材即可。
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"
}
}'响应里会立刻带回 taskId。之后用 GET /api/v1/jobs/recordInfo 取结果，或者在请求里加上 callBackUrl 等通知。
curl "https://api.popnow.ai/api/v1/jobs/recordInfo?taskId=TASK_ID_FROM_CREATE_TASK" \
-H "Authorization: Bearer $POPNOW_API_KEY"