18 апреля 2026 года компания xAI объявила о запуске общедоступного API Grok Speech to Text (STT). Новый сервис поддерживает распознавание речи на 25 языках, в числе которых имеется и русский язык.

Ключевые особенности API включают пословные временные метки, возможность обработки многоканального аудио и точное разделение реплик разных участников разговора. Такие функции позволяют добиться максимальной точности и удобства использования.

По информации от xAI, сервис предлагает одни из лучших условий на рынке: транскрипция аудиофайлов стоит всего $0,1 за час, а функция стриминга в реальном времени — $0,2 за час аудио.

Это решение облегчает разработчикам интеграцию продвинутых возможностей распознавания речи в их приложения и сервисы. Запуск API соответствует стратегии компании по расширению функционала Grok.

Технология Grok уже применяется в Grok Voice, автомобилях Tesla, а также в службе поддержки Starlink. Теперь эта инфраструктура становится доступной для сторонних разработчиков впервые.

Ранее компания Илона Маска xAI представила Text-to-Speech API — инструмент, превращающий текст в выразительную и живую речь, что дополняет возможности Grok.