💡
原文中文，约2200字，阅读约需6分钟。
📝
内容提要
埃隆·马斯克的 AI 公司 xAI 发布了两款音频 API：语音转文本（STT）和文本转语音（TTS）。STT 支持 25 种语言，提供实时和批量转录，错误率为 5.0%。TTS 支持 20 种语言，提供多种声音选择，定价为每百万字符 4.20 美元。这标志着 xAI 进军语音 API 市场。
🎯
关键要点
- xAI 发布了两款音频 API：语音转文本（STT）和文本转语音（TTS）。
- Grok STT API 支持 25 种语言，提供实时和批量转录，错误率为 5.0%。
- STT API 提供词级时间戳、说话人分割和多声道支持，支持 12 种音频格式。
- Grok TTS API 支持 20 种语言，提供五种声音选择，定价为每百万字符 4.20 美元。
- TTS API 允许开发者使用内联和包裹式语音标签来控制语音表达。
❓
延伸问答
xAI的Grok STT API支持哪些功能？
Grok STT API支持25种语言的实时和批量转录，提供词级时间戳、说话人分割和多声道支持，支持12种音频格式。
Grok TTS API的定价是多少？
Grok TTS API的定价为每百万字符4.20美元。
Grok STT API的错误率如何？
Grok STT API在电话通话实体识别中的错误率为5.0%，优于其他竞争对手。
Grok TTS API支持哪些语言和声音选择？
Grok TTS API支持20种语言，并提供五种声音选择：Ara、Eve、Leo、Rex和Sal。
Grok STT API的批量和流式转录有什么区别？
批量模式用于处理预录制的音频文件，而流式模式可实时转录音频采集。
Grok TTS API如何控制语音表达？
开发者可以使用内联和包裹式语音标签来控制语音表达，如[laugh]、[sigh]和<whisper>文本</whisper>。
➡️
