批量模式
批量模式适用于转录已录制好的音频文件：
Python
import os
from xai_sdk import Client
client = Client(api_key=os.getenv("XAI_API_KEY"))
# 批量模式
transcript = client.stt.transcribe(
audio=open("audio.wav", "rb"),
model="grok-stt",
)
print(transcript.text)流式模式
流式模式适用于实时转录 — 音频在录制时即时转录：
Python
import os
from xai_sdk import Client
client = Client(api_key=os.getenv("XAI_API_KEY"))
# 流式模式
stream = client.stt.transcribe_stream(
audio_stream=audio_generator, # 音频流生成器
model="grok-stt",
)
for chunk in stream:
print(chunk.text, end="", flush=True)模式对比
| 批量模式 | 流式模式 | |
|---|---|---|
| 费用 | $0.10 / 小时 | $0.20 / 小时 |
| 延迟 | 高（等待完整文件） | 低（实时转录） |
| 适用场景 | 离线转录、文件处理 | 实时字幕、语音助手 |
| 支持格式 | WAV, MP3, FLAC 等 | PCM 流 |
支持的语言
STT API 支持多种语言的语音转录，包括中文、英文、日语、韩语、法语、德语、西班牙语等。
最佳实践
- 使用清晰的音频输入以获得更好的转录质量
- 批量模式适合处理大量预录制音频
- 流式模式适合需要实时反馈的应用
- 对于嘈杂环境中的音频，可以使用降噪预处理