ГлавнаяМоделиГенерация аудиоGrok STT

Grok STT API

ПровайдерXai

xai-stt — генерация аудио-модель от Xai.

audio_input

Что умеет Grok STT

  • Audio Input

Стоимость

за минуту
estimate
13.21 ₽

Цены указаны в рублях и списываются с баланса проекта за успешные запросы. Надбавки (+) суммируются с базовой ставкой.

Технические характеристики

Vendor
xai
Modality
audio

Grok STT для распознавания речи

Grok STT — модель распознавания речи от xAI, компании из США, представленная 17 апреля 2026 года. Она преобразует крупные аудиофайлы в текст через REST API и поддерживает потоковую транскрибацию по WebSocket с низкой задержкой. Среди особенностей — многоязычное распознавание, временные метки на уровне слов, диаризация спикеров и работа с многоканальным аудио.

Параметры запроса

Параметры, которые принимает модель. Передаются в теле запроса.

ПараметрТипДиапазон / значенияПо умолчаниюОписание
filereq
string
—
—
Аудио-файл для транскрипции (multipart/form-data, не JSON). Форматы: mp3, wav, m4a, flac, ogg, webm.
language
string
—
—
ISO 639-1 код языка для улучшения точности.
3 примеров
Примеры
en
ru
ja
prompt
string
—
—
Опциональный prompt-подсказка стиля или vocabulary hint.
response_format
enum
json, text, srt, verbose_json, vtt
json
Формат ответа: json — стандарт, text — только текст, srt/vtt — субтитры, verbose_json — с таймкодами и сегментами.
temperature
number
min: 0 · max: 1
0
Sampling temperature 0..1.
timestamp_granularities
array of strings
—
—
Таймкоды: word и/или segment. ТРЕБУЕТ response_format=verbose_json.
2 примеров
Примеры
[
  "segment"
]
[
  "word",
  "segment"
]

Параметры ответа

Что возвращает API. У медиа-моделей формат зависит от режима: sync — сразу результат, async — task_id для опроса через GET /v1/tasks/{id}.

Sync (HTTP 200)

Для TTS короткого input: HTTP 200, **binary audio** (Content-Type: audio/mpeg / audio/wav / ...). Это НЕ JSON — это байты файла.

Binary response. Content-Type: audio/mpeg, audio/wav, audio/opus, audio/ogg

Async (HTTP 202)

Если is_async_only=1 (music gen) или async:true в запросе. HTTP 202 + JSON.

ПолеТипЗначенияОписание
id
string
—
task_id для GET /v1/tasks/{id}.
object
string
audio.task
status
enum
queued, processing, completed, failed
model
string
—
created
integer
—

Опрос статуса (GET /v1/tasks/{id})

GET /v1/tasks/{id}.

ПолеТипЗначенияОписание
id
string
—
status
enum
queued, processing, completed, failed, canceled
modality
string
audio
model
string
—
data
array
—
Каждый элемент:
  • url— string · CDN URL .mp3 / .wav. Для Suno music — 1-2 файла (варианты трека).
error
string
—

Пример кода

xai-stt_example.py
from openai import OpenAI

client = OpenAI(api_key="rk_live_...", base_url="https://api.ranvik.ru/v1")
resp = client.audio.speech.create(
    model= "xai-stt",
    file= "value",
    language= "value",
    prompt= "Пример промпта",
    response_format= "json",
    temperature= 0,
    timestamp_granularities= [],
)
print(resp)
Полная документация модели

Частые вопросы о Grok STT

Grok STT — модель распознавания речи от xAI, которая преобразует аудиозаписи и голосовые потоки в текст с полезными данными для анализа диалогов.
Модель помогает автоматизировать расшифровку звонков, интервью, подкастов и голосовых заметок, ускоряя поиск информации и подготовку текстовых материалов.
Подключите Grok STT через Ranvik API: сервис предоставляет единый ключ для запросов, удобное пополнение баланса и быстрый старт для разработки.
В Ranvik API можно подключать Grok STT из России без VPN: зарегистрируйтесь, пополните баланс, создайте ключ и отправляйте аудио в API.
Да, в Ranvik API доступно пополнение баланса в российских рублях. Это упрощает оплату Grok STT и помогает контролировать расходы команды.
Grok STT поддерживает транскрибацию через REST API и WebSocket, временные метки слов, диаризацию спикеров, многоканальное и многоязычное аудио.