18 апреля 2026 года компания xAI официально объявила о запуске общедоступного API Grok Speech to Text (STT). Новый сервис позволяет преобразовывать речь в текст с поддержкой 25 языков, в том числе русского.
Ключевые функции API включают пословные временные метки, работу с многоканальным аудио и точное разделение реплик разных участников разговора. По словам представителей xAI, сервис обеспечивает высокое качество транскрипции по конкурентной цене:
- Транскрипция файлов: 0,1 доллара за час аудио;
- Стриминг в реальном времени: 0,2 доллара за час аудио.
Это делает интеграцию передовых возможностей распознавания речи удобной для разработчиков. Запуск API соответствует стратегии компании по расширению функционала Grok.
Технология уже применяется в Grok Voice, автомобилях Tesla и службе поддержки Starlink, а теперь впервые становится доступна для сторонних разработчиков.
Ранее xAI, основанная Илоном Маском, представила Text-to-Speech API, который преобразует текст в естественную и выразительную речь.