Grok STT 2.0 через Tokenator API

Назначение модели

Grok STT 2.0 — это модель преобразования речи в текст от SpaceXAI, являющаяся преемницей Grok STT 1.0. Она подходит для задач транскрипции, требующих временных меток на уровне слов, дополнительной возможности разделения речи по говорящим и многоканального звука.

Спецификация

Полное названиеGrok STT 2.0
API IDgrok-stt-2.0
Разработчик моделиxAI
ТипРаспознавание речи
Форматы ответаjson
Формат по умолчаниюjson
Базовая цена100 токенов за секунду входного аудио
Множитель расхода Tokenator1×
ПометкаНОВОЕ
Модальности входаaudio
Поддерживаемые форматы API/v1/audio/transcriptions
Апстрим-провайдеров1
Текущий статусдоступна
Данные обновлены2026-11-13

Апстрим-провайдеры

ПровайдерМножитель
Unified LLM API1×

Запрос идёт к первому доступному провайдеру по приоритету; при его отказе Tokenator переключается на следующего.

Пример запроса

curl
curl https://api.tokenator.top/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-your-tokenator-key" \
  -F 'model=grok-stt-2.0' \
  -F 'file=@recording.wav' \
  -F 'response_format=json'

Частые вопросы о Grok STT 2.0

Какой API ID у Grok STT 2.0?

grok-stt-2.0 — 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.