产品介绍
Grok 现已为开发者提供独立的语音转文字和文字转语音 API。新的语音技术栈覆盖实时与批量转写、多说话人区分、多声道音频、文本格式化、支持语音标签的表现型 TTS、多语言支持，以及简单的按量计费模式。
适合谁关注
- 开发者和技术团队
- 设计师、内容创作者和视觉团队
- 教育产品团队和学习工具用户
- 正在评估 AI 工具或智能体落地的团队
可借鉴场景
- 快速理解 Grok Voice API 的定位、核心能力和 Product Hunt 热度
- 判断“以最佳价格提供快速、准确的 STT 与 TTS API”这类需求是否值得做竞品调研
- 沿着 开发者工具、AI 与智能体 继续发现同类产品和替代方案
- 筛选高票产品，观察海外用户当前愿意投票支持的产品形态
106
投票数
6
评论数
4月18日
发布日期
作者自荐
总结
Grok Voice API 瞄准的是语音 AI 基础设施市场，价值不只在转写和合成本身，更在于把实时流式、批量处理、多说话人区分、多声道音频和文本格式化整合进同一套 API，显著降低了开发者构建会议纪要、客服质检、语音助手等应用的接入成本。低价按量计费对预算敏感的创业团队很有吸引力，但长期竞争仍取决于识别准确率、延迟表现、多语言质量，以及平台生态能否持续扩展。
GitMemo免费开源
把 AI 对话保存到你的 Git 知识库
本地优先，支持 macOS 与 Android。剪贴板、截图、笔记和文件都能集中保存、搜索、同步。
获取安装包
大家好！ 随着新的转写（语音转文字）API 上线，再结合 Voice Agent 能力，可以明显看出 @Grok 正在系统性发力，试图覆盖整个语音 AI 生态。 具体看 STT 模型，这次推出的功能集合非常务实。它原生支持 WebSocket 实时流传输，内置说话人区分功能（会议场景几乎是刚需），还提供智能文本格式化，能自动处理数字和货币（这个功能很酷，在生产环境里也相当实用）。 定价也非常激进：批量模式每小时 $0.10，流式模式每小时 $0.20。xAI 再次给市场带来了实打实的价格压力，不是吗？