xAI Grok STT 1.0

模型介绍

xAI 语音转文字模型，2026-07-23 正式可用，支持约 25 种语言，批量与流式（WebSocket）两种模式，含说话人分离、词级时间戳、数字格式化。

模型基础信息

模型系列Grok STT系列

开发机构xAI

发布时间2026-07

参数规模闭源（未公开）

上下文窗口语音转写（25 语种）

模型类型多模态（语音转文字）

中文能力良好

使用方式网页体验 / API调用

免费额度与收费政策

API 按量

免费规则详情

通过 xAI API 调用，按音频时长计费。

收费标准简介

批量约 $0.10/小时、流式约 $0.20/小时（按音频时长）。

模型能力介绍

✅ 核心优势

25 语种支持
批量 + 流式双模式
说话人分离与词级时间戳
Smart Turn 端点检测

⚠️ 短板与局限

闭源仅云端
国内直连受限
无独立网页 Demo

🎯 适用场景

电话录音转写
会议纪要
字幕生成
实时语音助手

模型使用教程

本章节整理 xAI Grok STT 1.0 的在线体验、API调用、本地部署全套入门教程，快速上手使用该模型。

体验网址：通过 xAI API 调用（无独立网页 Demo），或在支持的平台试用。
能力简介：xAI 语音转文字模型，2026-07-23 正式可用，支持约 25 种语言，批量与流式（WebSocket）两种模式，含说话人分离、词级时间戳、数字格式化。
适用场景：电话录音转写、会议纪要、字幕生成、实时语音助手、多语种内容整理。
使用建议：16kHz PCM 为原生采样率；100ms 分块可获得最佳延迟。
开发接入：REST POST /v1/stt 与流式 wss://api.x.ai/v1/stt。

注册 [xAI Console](https://console.x.ai) 创建 API Key。
配置环境变量：

export XAI_API_KEY=你的Key

批量转写

import requests
r = requests.post(
    "https://api.x.ai/v1/stt",
    headers={"Authorization": f"Bearer {os.environ['XAI_API_KEY']}"},
    files={"file": ("call.mp3", open("call.mp3", "rb"), "audio/mpeg")},
    data={"format": "true", "language": "en"},
)
print(r.json()["text"])

流式转写（WebSocket）

wscat -c "wss://api.x.ai/v1/stt?sample_rate=16000&encoding=pcm&interim_results=true" \
  -H "Authorization: Bearer $XAI_API_KEY"

> 提示：价格约批量 $0.10/小时、流式 $0.20/小时（按音频时长计费）。

💡 使用小技巧

16kHz PCM 为原生采样率；100ms 分块获得最佳延迟；REST POST /v1/stt 与流式 wss://api.x.ai/v1/stt。

❓ 常见问题 FAQ

Q1：支持多少语种？

A1：约 25 种语言。

Q2：如何流式调用？

A2：WebSocket wss://api.x.ai/v1/stt。

访问备注与注意事项

2026-07-23 正式可用，支持 12 种音频格式与 2-8 声道

xAI Grok STT 1.0 STT 1.0