Grok STT API 呼叫參考
附逐字時間碼的轉寫，支援 25 種語言
只要一把 PopNow API 金鑰，就能在自己的程式裡呼叫 Grok STT。以下列出要填的呼叫名稱、這個型號接受的每個輸入欄位、每次請求花多少點數，以及一段可以直接貼進終端機執行的請求。
參數說明直接取自型號的輸入 schema，目前只有英文。
總覽
- 開發商
- xAI
- 產出
- 音訊
- 起價
- 0.01 點 每秒成片 ($0.0001)
- 一般耗時
- 約 7 秒
1 點 = 0.01 美元。任務受理時會先保留可能的最高費用，完成後依實際用量結算、無條件進位到整點，多保留的會退回；失敗的任務不扣點數。想在執行前知道確切數字，請先呼叫 POST /api/v1/jobs/quote。
語音轉文字
xai/grok-stt/speech-to-text
價格
| 選項 | 點數 (每秒成片) | 美元 |
|---|---|---|
預設 | 0.01 | $0.0001 |
參數
| 欄位 | 型別 | 預設值 | 可用值 | 用途 |
|---|---|---|---|---|
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選填 | 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選填 | boolean | false | — | Write spoken numbers, prices, dates and units in digits. Needs language. |
keyterms選填 | array<object> | [] | 最多 100 項 | Names and terms to spell the way you list them, up to 100. |
filler_words選填 | boolean | false | — | Keep filler words such as um and uh in the transcript. |
multichannel選填 | boolean | false | — | Transcribe each channel separately, one line per channel. Turn on when speakers are on separate channels. |
請求範例
這段請求原樣就能執行，沒寫的欄位都用預設值。執行前請先把金鑰放進環境變數 POPNOW_API_KEY。
範例中的 audio_url 使用 PopNow 的範例素材，請換成你自己的公開 HTTPS 連結、上傳檔案或已儲存的素材。
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"
}
}'回應會立刻帶回 taskId。之後用 GET /api/v1/jobs/recordInfo 取得結果，或在請求裡加上 callBackUrl 等候通知。
curl "https://api.popnow.ai/api/v1/jobs/recordInfo?taskId=TASK_ID_FROM_CREATE_TASK" \
-H "Authorization: Bearer $POPNOW_API_KEY"