Fala para textoSobre o Grok STT
O reconhecimento de fala Grok da xAI, disponível para todos desde abril de 2026: envie uma URL de áudio e receba a transcrição como texto. 25 idiomas com detecção automática, transcrição separada por canal, termos-chave e números escritos com algarismos.
Chame com o nome de modelo xai/grok-stt/speech-to-text em POST /jobs/createTask, a partir de 0,01 crédito por segundo (US$ 0,0001). Contas novas ganham 30 créditos grátis para você testar primeiro no Playground.
Por enquanto este guia está só em inglês. →
Parâmetros da requisição
| Parâmetro | Obrigatório | Descrição |
|---|---|---|
audio_url | Sim | A voz ou a música a usar. |
filler_words | Não | Keep filler words such as um and uh in the transcript. Padrão: false |
keyterms | Não | Names and terms to spell the way you list them, up to 100. Padrão: [] |
language | Não | O idioma da fala. 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 | Não | Transcribe each channel separately, one line per channel. Turn on when speakers are on separate channels. Padrão: false |
text_normalization | Não | Write spoken numbers, prices, dates and units in digits. Needs language. Padrão: false |
Preços
Os preços são em créditos, os mesmos que você usa no site (1 crédito = US$ 0,01). O valor é reservado quando a tarefa é aceita e acertado pelo custo real quando ela termina; tarefas com falha são reembolsadas.
| Opção | Créditos por segundo | ≈ USD |
|---|---|---|
| Padrão | 0,01 | US$ 0,0001 |
Para saber o valor exato antes de rodar, envie o mesmo corpo para POST /jobs/quote.
Início rápido da API
Chame a API do Grok STT em três passos
- Crie uma chave de API. Entre na PopNow e crie uma chave no console da API. As chaves começam com sk-popnow- e usam os mesmos créditos do site.
- Envie a requisição. Faça POST /jobs/createTask com model xai/grok-stt/speech-to-text e um objeto input conforme a tabela de parâmetros. A resposta traz um ID de tarefa na hora.
- Pegue o resultado. Consulte GET /jobs/recordInfo com o ID da tarefa, ou passe uma callBackUrl e enviamos o resultado para ela. Baixe os links de saída quando a tarefa der certo.
# 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 $POPNOW_API_KEY"Troque o prompt e os links pelos seus. A aba API traz a referência da resposta, do polling e do callback.
Perguntas sobre a API do Grok STT
Quanto custa a API do Grok STT?
O Grok STT custa 0,01 crédito (US$ 0,0001) por segundo. Os créditos são os mesmos do site (1 crédito = US$ 0,01), contas novas ganham 30 créditos grátis e tarefas que falham são reembolsadas.
Qual é o nome de modelo do Grok STT na API?
Coloque xai/grok-stt/speech-to-text para Fala para texto no campo model de POST /jobs/createTask.
O que volta?
A transcrição como texto no resultado da tarefa, mais uma transcrição estruturada (output.transcript) com o idioma detectado, a duração do áudio e cada palavra com seu tempo de início e fim em segundos — por canal quando multichannel está ativado. Não há arquivo para baixar. Rótulos de locutor não vêm no resultado.
Ele consegue diferenciar quem fala?
Não pela voz: rótulos de locutor não são devolvidos. Se cada pessoa foi gravada num canal separado, como em muitas gravações de chamadas, ative multichannel e cada canal volta na própria linha. Se você deixar desativado, um dos lados pode sumir: nos nossos dois testes com uma pessoa diferente em cada canal, uma delas ficou de fora da transcrição.
Que áudio posso enviar?
Um MP3 ou WAV enviado, ou uma URL pública para formatos comuns como MP3, WAV, M4A, FLAC, OGG, Opus, AAC, MP4 ou MKV, de 1 segundo a 2 horas. Áudio bruto sem cabeçalho de arquivo não é aceito.
Quais são os limites da API do Grok STT?
Maior upload: 90 MB; Idiomas: 25. Requisições fora desses limites são rejeitadas antes de qualquer cobrança.
Dá para testar o Grok STT sem escrever código?
Dá. O Playground roda o Grok STT com seus créditos da PopNow, não precisa de chave de API e mostra o código de cada geração.