xAI Grok STT
STT haute précision — 6.9% WER global, 25+ langues, diarisation, ITN avancée, $0.10/h batch
Scores comparatifs
Architecture
Pertinence moyenne : prix compétitif ($0.10/h) et précision solide méritent évaluation. Cependant, hébergement US uniquement et absence de documentation RGPD sont des blocants pour un déploiement suisse/EU. À évaluer plutôt dans le cadre du pipeline S2S Grok Voice Think Fast 2.0 ($0.08/min tout compris).
Analyse
Grok STT est l'API de transcription standalone construite sur le même stack que Grok Voice Think Fast 2.0. Elle atteint 6.9% WER global sur appels téléphoniques, réunions, vidéos/podcasts et téléphonie — surpassant ElevenLabs Scribe v2 (9.0%), Deepgram Nova-3 (11.0%) et AssemblyAI (12.9%) dans le benchmark interne xAI. Particulièrement forte sur la reconnaissance d'entités grâce à l'ITN avancée. 25+ langues, timestamps mot par mot, diarisation, audio multicanal, keyterm biasing. Tarif $0.10/h batch — parmi les plus compétitifs. À évaluer plutôt dans le cadre du pipeline S2S Grok Voice Think Fast 2.0 ($0.08/min tout compris).
Points forts
- 6.9% WER global — surpasse Deepgram, ElevenLabs, AssemblyAI (benchmark xAI)
- ~10× plus précis en environnement bruité
- ITN avancée — entités, dates, devises
- Diarisation + timestamps mot par mot + multicanal
- 25+ langues
- $0.10/h batch — très compétitif
- Même stack que Grok Voice Think Fast 2.0
Limitations
- Benchmark interne xAI — validation AA indépendante à confirmer
- Cloud US uniquement — pas de région EU, RGPD à vérifier
- Pas d'option on-premise
- Pay-as-you-go uniquement — pas de plan d'abonnement
- Écosystème intégrations tiers moins mature que Deepgram
Capacités STT
WebSocket streaming temps réel. REST API pour batch. VAD serveur intégré. Formats : PCM, PCMU, PCMA, Opus. Keyterms (100 termes max) pour biais de transcription.
25+ langues
Tarification
$0.10/h batch ($0.00167/min), $0.20/h streaming ($0.00333/min). Pay-as-you-go uniquement — pas de plan d'abonnement avec minutes incluses.
| Plan | Abonnement/mois | Inclus | Dépassement/min |
|---|---|---|---|
StreamingRecommandé $0.20/h streaming ($0.00333/min) | Gratuit | Pay-as-you-go | $0.0033 |
Batch $0.10/h batch ($0.00167/min) | Gratuit | Pay-as-you-go | $0.0017 |
Souveraineté & Conformité
Cloud uniquement (US). Pas d'option on-premise documentée.
Résidence des données : US (xAI). Pas de région EU documentée. RGPD à vérifier.
Cloud uniquement. Pas d'option on-premise documentée.
Vérification de cette fiche
xAI internal benchmark (avril 2026) — validation Artificial Analysis indépendante à confirmer
Note de mise à jour : Ajout initial — lancement standalone STT/TTS API xAI (17 avril 2026). Grok Voice Think Fast 2.0 lancé le 29 juillet 2026.
Cette date concerne les prix, capacités et notes propres à cette fiche. Les benchmarks de comparaison suivent la synchronisation et la méthode indiquées dans le bloc au-dessus.
Benchmarks ELO / indices : Artificial Analysis