Da voce a testoInformazioni su Grok STT
Il riconoscimento vocale Grok di xAI, disponibile per tutti da aprile 2026: invia un URL audio e ricevi la trascrizione come testo. 25 lingue con rilevamento automatico, trascrizioni separate per canale, termini chiave da privilegiare e numeri scritti in cifre.
Lo chiami con il nome di modello xai/grok-stt/speech-to-text su POST /jobs/createTask, da 0,01 crediti al secondo (0,0001 USD). I nuovi account ricevono 30 crediti gratuiti per provarlo prima nel Playground.
Per ora questa guida è solo in inglese. →
Parametri della richiesta
| Parametro | Obbligatorio | Descrizione |
|---|---|---|
audio_url | Sì | La voce o la musica da usare. |
filler_words | No | Keep filler words such as um and uh in the transcript. Predefinito: false |
keyterms | No | Names and terms to spell the way you list them, up to 100. Predefinito: [] |
language | No | La lingua del parlato. 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 | No | Transcribe each channel separately, one line per channel. Turn on when speakers are on separate channels. Predefinito: false |
text_normalization | No | Write spoken numbers, prices, dates and units in digits. Needs language. Predefinito: false |
Prezzi
I prezzi sono in crediti, gli stessi che usi sul sito (1 credito = 0,01 $). L'importo viene trattenuto quando il task è accettato e regolato sul costo reale al termine; i task falliti vengono rimborsati.
| Opzione | Crediti al secondo | ≈ USD |
|---|---|---|
| Standard | 0,01 | 0,0001 USD |
Per avere la cifra esatta prima di eseguire, invia lo stesso body a POST /jobs/quote.
Guida rapida all'API
Chiama l'API di Grok STT in tre passaggi
- Crea una chiave API. Accedi a PopNow e crea una chiave nella console API. Le chiavi iniziano con sk-popnow- e usano gli stessi crediti del sito.
- Invia la richiesta. Invia POST /jobs/createTask con model xai/grok-stt/speech-to-text e un oggetto input secondo la tabella dei parametri. La risposta restituisce subito un ID attività.
- Recupera il risultato. Interroga GET /jobs/recordInfo con l'ID attività, oppure passa una callBackUrl e ti inviamo lì il risultato. Scarica i link di output quando l'attività riesce.
# 1. Create the task. Keep the Idempotency-Key if you retry after a network error.
export IDEMPOTENCY_KEY="$(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"Sostituisci il prompt e gli eventuali link con i tuoi. La scheda API contiene il riferimento per risposta, polling e callback.
Domande sull’API di Grok STT
Quanto costa l’API di Grok STT?
Grok STT costa 0,01 crediti (0,0001 USD) al secondo. I crediti sono gli stessi del sito (1 credito = 0,01 $), i nuovi account ricevono 30 crediti gratuiti e i task falliti vengono rimborsati.
Qual è il nome del modello di Grok STT nell’API?
Inserisci xai/grok-stt/speech-to-text per Da voce a testo nel campo model di POST /jobs/createTask.
Cosa viene restituito?
La trascrizione come testo nel risultato del task, più una trascrizione strutturata (output.transcript) con la lingua rilevata, la durata dell'audio e ogni parola con il suo tempo di inizio e di fine in secondi, per canale quando multichannel è attivo. Non c'è un file da scaricare. Le etichette dei parlanti non sono incluse.
Sa distinguere chi parla?
Non dalla voce: le etichette dei parlanti non vengono restituite. Se ogni parlante è stato registrato su un canale separato, come in molte registrazioni di chiamate, attiva multichannel e ogni canale torna su una riga propria. Se lo lasci disattivato, un lato può mancare: nei nostri due test con un parlante diverso su ogni canale, uno dei due è sparito dalla trascrizione.
Che audio posso inviare?
Un MP3 o WAV caricato, oppure un URL pubblico verso formati comuni come MP3, WAV, M4A, FLAC, OGG, Opus, AAC, MP4 o MKV, da 1 secondo a 2 ore. L'audio grezzo senza intestazione di file non è accettato.
Quali sono i limiti dell’API di Grok STT?
Caricamento massimo: 90 MB; Lingue: 25. Le richieste fuori da questi limiti vengono rifiutate prima di qualsiasi addebito.
Posso provare Grok STT senza scrivere codice?
Sì. Il Playground esegue Grok STT con i tuoi crediti PopNow, non richiede una chiave API e mostra il codice di ogni generazione.