Grok Voice API

概要

Grokの新しい STT/TTS APIは、リアルタイムとバッチの文字起こし、複数話者識別、マルチチャンネル音声、テキスト整形、話者タグ付きの表現豊かな TTS、多言語対応を1つのプラットフォームで提供します。

主な特徴

• 高速・正確な STT/TTS
• WebSocketによるリアルタイムストリーミング
• 内蔵の話者識別（会議に必須）
• テキストの自動フォーマット
• 多言語対応・従量課金制

価格とユースケース

• バッチ0.10 USD/時、ストリーミング0.20 USD/時
• コストパフォーマンスの高い実用的な機能群