Grok STT 1.0 через Tokenator API
Назначение модели
Grok STT — это модель преобразования речи в текст от SpaceXAI. Она поддерживает транскрипцию с временными метками на уровне слов, опциональную диаризацию говорящего и многоканальный звук.
Спецификация
| Полное название | Grok STT 1.0 |
| API ID | grok-stt-1.0 |
| Разработчик модели | xAI |
| Тип | Распознавание речи |
| Контекстное окно | 256K токенов |
| Форматы ответа | json |
| Формат по умолчанию | json |
| Множитель расхода Tokenator | 1.4× |
| Пометка | НОВОЕ |
| Модальности входа | audio |
| Поддерживаемые форматы API | /v1/audio/transcriptions |
| Апстрим-провайдеров | 1 |
| Текущий статус | доступна |
| Данные обновлены | 2026-11-05 |
Апстрим-провайдеры
| Провайдер | Множитель |
|---|---|
| FastCluster | 1.4× |
Запрос идёт к первому доступному провайдеру по приоритету; при его отказе Tokenator переключается на следующего.
Пример запроса
curl https://api.tokenator.top/v1/audio/transcriptions \ -H "Authorization: Bearer sk-your-tokenator-key" \ -F 'model=grok-stt-1.0' \ -F 'file=@recording.wav' \ -F 'response_format=json'
Смотрите также
Частые вопросы о Grok STT 1.0
Какой API ID у Grok STT 1.0?
grok-stt-1.0 — это значение подставляется в поле model запроса.
Как вызвать эту модель?
Отправьте POST /v1/audio/transcriptions с API ID модели. Примеры запросов и параметры есть в документации по аудио.
Почему модели нет в /v1/models?
У аудиомоделей отдельный каталог: GET /v1/audio/models. Фильтр ?task=tts выбирает синтез речи, ?task=stt — распознавание, ?task=music — генерацию музыки. Чат-эндпоинты аудиомодели не принимают.
Какой API-ключ использовать?
Используйте обычный ключ Tokenator с доступом к этой модели. Передайте его в заголовке Authorization: Bearer sk-your-tokenator-key.
Как отправить аудиофайл?
Передайте multipart/form-data: API ID в поле model, один непустой аудиофайл до 25 MiB — в file. Не задавайте Content-Type вручную: клиент добавит boundary.
Как получить расшифровку обычным текстом?
Укажите response_format=text. По умолчанию возвращается JSON с полем text; verbose_json добавляет сведения, если их вернула модель.
Можно ли указать язык записи?
Передайте language, если модель поддерживает этот параметр. Подсказка prompt и другие параметры также зависят от модели; подробнее — в документации по аудио.