TranscriptionÀ propos de Grok STT
La reconnaissance vocale Grok de xAI, disponible pour tous depuis avril 2026 : envoyez une URL audio et recevez la transcription sous forme de texte. 25 langues avec détection automatique, une transcription par canal, des termes clés à privilégier et les nombres écrits en chiffres.
Appelez-le avec le nom de modèle xai/grok-stt/speech-to-text sur POST /jobs/createTask, à partir de 0,01 crédit par seconde (0,0001 $US). Les nouveaux comptes reçoivent 30 crédits gratuits pour l’essayer d’abord dans le Playground.
Ce guide n'est disponible qu'en anglais pour le moment. →
Paramètres de requête
| Paramètre | Requis | Description |
|---|---|---|
audio_url | Oui | La voix ou la musique à utiliser. |
filler_words | Non | Keep filler words such as um and uh in the transcript. Par défaut: false |
keyterms | Non | Names and terms to spell the way you list them, up to 100. Par défaut: [] |
language | Non | La langue de la voix. ar · cs · da · nl · en · fil · fr · de · hi · id · it · ja · ko · mk · ms · fa · pl · pt · ro · ru · es · sv · th · tr · vi |
multichannel | Non | Transcribe each channel separately, one line per channel. Turn on when speakers are on separate channels. Par défaut: false |
text_normalization | Non | Write spoken numbers, prices, dates and units in digits. Needs language. Par défaut: false |
Tarifs
Les prix sont en crédits, les mêmes que ceux que vous utilisez sur le site (1 crédit = 0,01 $). Le montant est réservé à l'acceptation de la tâche, puis réglé au coût réel à la fin ; les tâches en échec sont remboursées.
| Option | Crédits par seconde | ≈ USD |
|---|---|---|
| Standard | 0,01 | 0,0001 $US |
Pour obtenir un montant exact avant de lancer, envoyez le même corps à POST /jobs/quote.
Démarrage rapide de l'API
Appeler l’API Grok STT en trois étapes
- Créer une clé API. Connectez-vous à PopNow et créez une clé dans la console API. Les clés commencent par sk-popnow- et utilisent les mêmes crédits que le site.
- Envoyer la requête. Envoyez POST /jobs/createTask avec model xai/grok-stt/speech-to-text et un objet input conforme au tableau des paramètres. La réponse renvoie aussitôt un ID de tâche.
- Récupérer le résultat. Interrogez GET /jobs/recordInfo avec l’ID de tâche, ou passez une callBackUrl et nous y envoyons le résultat. Téléchargez les liens de sortie quand la tâche réussit.
# 1. Create the task. Keep the Idempotency-Key if you retry after a network error.
export IDEMPOTENCY_KEY="$(uuidgen)"
curl -X POST https://api.popnow.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $POPNOW_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $IDEMPOTENCY_KEY" \
-d '{
"model": "xai/grok-stt/speech-to-text",
"input": {
"audio_url": "https://media.popnow.ai/shortfilm/voices/Aoede-46e4c427.mp3"
}
}'
# 2. Copy data.taskId from the response, then poll until state is succeeded, failed, canceled or expired.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.popnow.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $POPNOW_API_KEY"Remplacez le prompt et les liens par les vôtres. L'onglet API contient la référence pour la réponse, le polling et le callback.
Questions sur l’API Grok STT
Combien coûte l’API Grok STT ?
Grok STT coûte 0,01 crédit (0,0001 $US) par seconde. Les crédits sont les mêmes que sur le site (1 crédit = 0,01 $), les nouveaux comptes reçoivent 30 crédits offerts et les tâches échouées sont remboursées.
Quel est le nom de modèle de Grok STT dans l’API ?
Indiquez xai/grok-stt/speech-to-text pour Transcription dans le champ model de POST /jobs/createTask.
Qu’est-ce qui est renvoyé ?
La transcription sous forme de texte dans le résultat de la tâche, plus une transcription structurée (output.transcript) avec la langue détectée, la durée de l’audio et chaque mot avec son heure de début et de fin en secondes — par canal quand multichannel est activé. Il n’y a pas de fichier à télécharger. Les étiquettes de locuteur ne sont pas incluses.
Peut-il distinguer les locuteurs ?
Pas à la voix : les étiquettes de locuteur ne sont pas renvoyées. Si chaque locuteur a été enregistré sur un canal distinct, comme dans de nombreux enregistrements d’appels, activez multichannel et chaque canal revient sur sa propre ligne. Sans cela, un côté peut manquer : lors de nos deux tests avec un locuteur différent sur chaque canal, l’un d’eux a disparu de la transcription.
Quel audio puis-je envoyer ?
Un MP3 ou WAV téléversé, ou une URL publique vers des formats courants comme MP3, WAV, M4A, FLAC, OGG, Opus, AAC, MP4 ou MKV, d’une durée de 1 seconde à 2 heures. L’audio brut sans en-tête de fichier n’est pas accepté.
Quelles sont les limites de l’API Grok STT ?
Taille maximale d’envoi: 90 MB; Langues: 25. Les requêtes hors de ces limites sont refusées avant tout débit.
Puis-je essayer Grok STT sans écrire de code ?
Oui. Le Playground lance Grok STT avec vos crédits PopNow, sans clé API, et affiche le code correspondant à chaque génération.