Il modello di trascrizione automatica di xAI, Grok STT 1.0, e' arrivato su OpenRouter il 23 luglio 2026 — un giorno prima dell'annuncio pubblico dell'azienda di Elon Musk. La mossa e' piccola ma significativa: apre le capacita' di trascrizione di Grok a una platea molto piu' ampia di sviluppatori, senza bisogno di aprire un account diretto con l'API di xAI e di gestire una fatturazione separata.
Grok STT (da speech-to-text, cioe' "da voce a testo") trasforma l'audio in testo scritto attraverso l'endpoint REST /v1/stt. Supporta la trascrizione in 25 lingue, i timestamp a livello di singola parola, la diarizzazione opzionale (cioe' l'attribuzione delle frasi ai diversi interlocutori) e l'audio multicanale. In pratica copre note vocali, registrazioni di chiamate, podcast, interviste e qualsiasi audio registrato che debba diventare testo cercabile.
Quanto costa e come si confronta con ElevenLabs e Deepgram
Il prezzo e' il punto di forza. La trascrizione costa 0,10 dollari all'ora in modalita' batch (file gia' registrati) e 0,20 dollari all'ora in streaming (audio in tempo reale). Sono tariffe aggressive per un mercato in cui i concorrenti storici si posizionano piu' in alto, e cambiano il calcolo di convenienza per chi deve trascrivere migliaia di ore.
Sul fronte qualita', xAI rivendica risultati particolarmente buoni nel riconoscimento delle entita' nelle chiamate telefoniche — nomi, numeri di conto, date, gli elementi che i modelli sbagliano piu' spesso. Secondo i dati dell'azienda, Grok STT dichiara un tasso di errore del 5,0% su questo compito, contro il 12,0% di ElevenLabs, il 13,5% di Deepgram e il 21,3% di AssemblyAI. Come sempre, sono numeri interni comunicati dal fornitore: vanno verificati sui propri dati reali prima di scegliere il modello per la produzione, perche' le prestazioni cambiano molto con la qualita' della registrazione, il rumore di fondo e l'accento dei parlanti.
Come provarlo: la chiamata via OpenRouter
Il modo piu' rapido di provare Grok STT senza account xAI e' passare da OpenRouter, che espone il modello con l'identificativo x-ai/grok-stt-1.0. Servono un account OpenRouter e una chiave API. Ecco un esempio di trascrizione batch di un file audio locale con curl:
curl -s https://openrouter.ai/api/v1/audio/transcriptions \
-H "Authorization: Bearer $OPENROUTER_API_KEY" \
-F model="x-ai/grok-stt-1.0" \
-F file=@riunione.mp3 \
-F "response_format=verbose_json"Il risultato atteso e' un oggetto JSON con il testo completo della trascrizione e, se richiesto, i timestamp parola per parola. Con la diarizzazione attiva, ogni segmento riporta anche l'etichetta del parlante (Speaker 1, Speaker 2), utile per verbalizzare riunioni e interviste. Per l'uso in tempo reale — per esempio sottotitoli dal vivo o un assistente vocale — si usa invece l'endpoint di streaming, con la tariffa raddoppiata a 0,20 dollari l'ora.
Non solo trascrizione: il tassello TTS
Grok STT non nasce da solo. xAI lo aveva lanciato insieme a un modello di text-to-speech (da testo a voce), pensato per completare lo stack vocale: un'azienda puo' cosi' costruire un intero flusso — ascolta l'utente con STT, elabora la richiesta con un modello Grok, risponde a voce con il TTS. E' la stessa strategia "stack audio completo" che stanno seguendo concorrenti come ElevenLabs, segno di un mercato in cui la voce sta diventando l'interfaccia principale per gli agenti IA rivolti ai clienti, dai contact center agli assistenti telefonici.
A chi serve e quando conviene
Grok STT ha senso per chi costruisce prodotti vocali su volumi alti: contact center, strumenti di sbobinatura per giornalisti e ricercatori, app di note vocali, sistemi di analisi delle chiamate per il servizio clienti. Il prezzo a 0,10 dollari l'ora rende sostenibile trascrivere migliaia di ore, terreno su cui i servizi piu' costosi diventano proibitivi.
Restano due avvertenze. La prima: chi ha bisogno di trascrizione totalmente gratuita e locale, magari per motivi di privacy o riservatezza delle fonti, ha alternative open come Whisper di OpenAI, che gira sul proprio computer senza inviare l'audio a terzi. La seconda: affidare a xAI registrazioni sensibili significa mandarle su un servizio cloud, con tutte le valutazioni sul trattamento dei dati che ne conseguono, a maggior ragione in Europa dove il GDPR impone vincoli precisi sui dati personali contenuti in una registrazione. Per la maggior parte degli usi commerciali su larga scala, pero', l'arrivo su OpenRouter rende Grok STT una delle opzioni piu' economiche oggi disponibili sul mercato.
