Ten poradnik jest na razie tylko po angielsku. →
Parametry żądania
| Parametr | Wymagany | Opis |
|---|---|---|
audio_url | Tak | Głos lub muzyka do użycia. |
filler_words | Nie | Keep filler words such as um and uh in the transcript. Domyślnie: false |
keyterms | Nie | Names and terms to spell the way you list them, up to 100. Domyślnie: [] |
language | Nie | Język wypowiedzi. 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 | Nie | Transcribe each channel separately, one line per channel. Turn on when speakers are on separate channels. Domyślnie: false |
text_normalization | Nie | Write spoken numbers, prices, dates and units in digits. Needs language. Domyślnie: false |
Ceny
Ceny podajemy w kredytach, tych samych, których używasz na stronie (1 kredyt = 0,01 $). Kwota jest rezerwowana, gdy zadanie zostaje przyjęte, a po zakończeniu rozliczana według rzeczywistego kosztu; za nieudane zadania kredyty wracają.
| Opcja | Kredyty za sekundę | ≈ USD |
|---|---|---|
| Standard | 0,01 | 0,0001 USD |
Żeby poznać dokładną kwotę przed uruchomieniem, wyślij to samo body na POST /jobs/quote.
Szybki start z API
Wywołaj API Grok STT w trzech krokach
- Utwórz klucz API. Zaloguj się do PopNow i utwórz klucz w konsoli API. Klucze zaczynają się od sk-popnow- i korzystają z tych samych kredytów co strona.
- Wyślij żądanie. Wyślij POST /jobs/createTask z model xai/grok-stt/speech-to-text i obiektem input zgodnym z tabelą parametrów. Odpowiedź od razu zwraca ID zadania.
- Odbierz wynik. Odpytuj GET /jobs/recordInfo po ID zadania albo podaj callBackUrl, a wyślemy tam wynik. Gdy zadanie się powiedzie, pobierz pliki z linków wyjściowych.
# 1. Create the task. Keep the Idempotency-Key if you retry after a network error.
export IDEMPOTENCY_KEY="$(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"Podmień prompt i linki na własne. Odniesienie do odpowiedzi, odpytywania i callbacku znajdziesz na karcie API.
Pytania o API Grok STT
Ile kosztuje API Grok STT?
Grok STT kosztuje 0,01 kredytu (0,0001 USD) za sekundę. Kredyty są te same co na stronie (1 kredyt = 0,01 USD), nowe konta dostają 30 darmowych kredytów, a nieudane zadania są zwracane.
Jaka jest nazwa modelu Grok STT w API?
Wpisz xai/grok-stt/speech-to-text do zadania Mowa na tekst w polu model żądania POST /jobs/createTask.
Co jest zwracane?
Transkrypcja jako tekst w wyniku zadania oraz transkrypcja strukturalna (output.transcript) z wykrytym językiem, długością nagrania i każdym słowem z czasem początku i końca w sekundach — osobno dla każdego kanału, gdy włączone jest multichannel. Nie ma pliku do pobrania. Oznaczenia mówców nie są częścią wyniku.
Czy rozróżnia mówców?
Nie po głosie: oznaczenia mówców nie są zwracane. Jeśli każda osoba była nagrywana na osobnym kanale, jak w wielu nagraniach rozmów, włącz multichannel, a każdy kanał wróci w osobnej linii. Przy wyłączonej opcji jedna strona może zniknąć: w naszych dwóch testach z inną osobą na każdym kanale jedna z nich wypadła z transkrypcji.
Jakie nagrania mogę wysłać?
Przesłany plik MP3 lub WAV albo publiczny adres URL do popularnych formatów, takich jak MP3, WAV, M4A, FLAC, OGG, Opus, AAC, MP4 czy MKV, o długości od 1 sekundy do 2 godzin. Surowy dźwięk bez nagłówka pliku nie jest przyjmowany.
Jakie limity ma API Grok STT?
Największy przesyłany plik: 90 MB; Języki: 25. Żądania poza tymi limitami są odrzucane, zanim cokolwiek zostanie pobrane.
Czy mogę wypróbować Grok STT bez pisania kodu?
Tak. Playground uruchamia Grok STT na twoich kredytach PopNow, nie wymaga klucza API i pokazuje kod do każdej generacji.