xAI: Grok Voice STT 1.0

Grok Voice STT 1.0 是 xAI 的语音转文本模型。它支持带有字级时间戳的转录、可选的说话者分类和多通道音频。

研发机构
xAI
模型系列
—
输入与输出音频 → 文本
上下文窗口15,000
最大输出15,000

快速接入

使用你的 Moduck API Key,将 API 基础地址设置为 https://api.moduck.ai/v1,并将 model 参数设置为 xai/grok-voice-stt-1.0。

import os
import requests

base_url = "https://api.moduck.ai/v1"
api_key = os.environ["MODUCK_API_KEY"]
model_id = "xai/grok-voice-stt-1.0"

response = requests.post(
    f"{base_url}/chat/completions",
    headers={
        "Authorization": f"Bearer {api_key}",
        "Content-Type": "application/json",
    },
    json={
        "model": model_id,
        "messages": [{"role": "user", "content": "Hello!"}],
        "stream": False,
    },
    timeout=60,
)
response.raise_for_status()
print(response.json())

采用 OpenAI 风格的聊天请求格式,沿用熟悉的调用方式,让模型接入更简单。

Grok Voice STT 1.0 API 价格

价格暂未提供

性能

性能走势

输出速度87.9 tok/s当前
首 token 延迟1.4 s当前
端到端延迟7.4 s当前
输出速度
当前87.9 tok/s
窗口均值89.4 tok/s
首 token 延迟
当前1.4 s
窗口均值1.4 s
端到端延迟
当前7.4 s
窗口均值7.5 s
长尾延迟(P99)
当前15.5 s
窗口均值17.1 s
提示词缓存命中率
当前18.0%
窗口均值24.7%
错误率
当前0.0%
窗口均值0.1%

可用性

运行时间100%至少一个服务方有响应
可用率100%实际成功服务的请求
错误率0%失败请求占比
服务请求 · 按小时
24 小时前现在

Grok Voice STT 1.0 模型对比

模型输入价格输出价格上下文窗口主要能力
Grok Voice STT 1.0当前模型价格暂未提供价格暂未提供15,000文本输出
Gemini 3.5 Transcribe LiveUSD 0.00012 / 秒 · 按输入音频时长计费不按输出计费—文本输出
GPT Realtime WhisperUSD 0.0002272 / 秒 · 按输入音频时长计费不按输出计费16,000文本输出
Whisper 3 LargeUSD 0.00184 / 1M tokenUSD 0.00184 / 1M token448文本输出
Whisper Large v3 TurboUSD 0.00184 / 1M tokenUSD 0.00184 / 1M token448文本输出

模型规格

输入
音频
输出
文本
上下文窗口
15,000
最大输出
15,000
发布日期
2026-08-04
附件输入
支持
推理
不支持
工具调用
不支持
温度参数
不支持
开放权重
不支持

常见问题

Grok Voice STT 1.0 适合做什么?

Grok Voice STT 1.0 是 xAI 的语音转文本模型。它支持带有字级时间戳的转录、可选的说话者分类和多通道音频。

Grok Voice STT 1.0 支持哪些输入和输出?

资料记录的输入:音频;输出:文本。

Grok Voice STT 1.0 如何计费?

本页暂未列出这款模型的价格。

Grok Voice STT 1.0 的已记录规格是什么?

当前资料记录:上下文窗口 15,000 tokens;最大输出 15,000 tokens。

快速接入示例中的 model 参数是什么?

示例使用 xai/grok-voice-stt-1.0。这个值来自页面标识,尚未核定为可调用的 Moduck 公共 ID。

现在能通过 Moduck API 调用这款模型吗?

本页没有这款模型已通过 Moduck API 实际调用的验证记录。接入示例和预留 ID 不代表已经开放,请以账户可用模型列表为准。