Grok Voice API

Para developer di komunitas teknologi sedang membicarakan langkah besar Grok dalam ekosistem Voice AI. Mereka mengamati bahwa Grok kini melakukan serangan sistematis untuk menguasai seluruh spektrum teknologi suara, dimulai dari API transcription dan Voice Agent. Banyak yang terkesan dengan fitur Speech-to-Text yang dirilis karena membawa seperangkat kemampuan pragmatis yang sangat berguna untuk implementasi nyata.

Fitur native WebSocket untuk streaming real-time menjadi sorotan utama, begitu juga dengan built-in speaker diarization yang biasanya harus diproses terpisah. Kemampuan ini dianggap sebagai nilai tambah yang sangat dihargai dalam lingkungan production. Formatting teks cerdas yang secara otomatis menangani angka dan mata uang juga dipuji karena kemudahan yang ditawarkannya.

Namun ada juga yang penasaran tentang konsistensi akurasi speaker diarization di berbagai bahasa. Dalam pengalaman produksi, biasanya celah performa masih muncul di bahasa selain Inggris. Meski begitu, harga yang ditawarkan Grok dianggap sangat kompetitif dan memberikan tekanan nyata kepada pemain lama seperti Deepgram dan Whisper API.