用途：在已有应用中接入 Grok Speech to Text，实现麦克风听写、实时字幕或录音转写。通过 /add-dictation、输入 Dictate 或明确“转写”意图触发；注意 Cursor 自身无麦克风，接入的是应用而非 IDE。
主要能力：批处理路径（默认）把 MediaRecorder 录音 POST 到 https://api.x.ai/v1/stt，可自动识别 WAV、MP3、OGG、Opus、FLAC、AAC、MP4、M4A、MKV、WebM，支持 file 或 url，最大 500 MB。流式路径经后端中继连接 wss://api.x.ai/v1/stt，实现边说话边出字、长听写或按键说话。
用法要点：调用前先阅读官方 model-selection 文档并传入最新列出模型；当前列出 grok-voice-transcribe-2.0（最佳）与 grok-voice-transcribe-1.0（省略 model 时的 API 默认）。批处理表单字段在前、file 在后；format=true 需配合 language。流式需 PCM16 小端、单声道、16 kHz、每帧 100 ms（3,200 字节），等待 transcript.created 后再发送，停止时发送 audio.done。
认证：使用 Bearer XAI_API_KEY，仅限服务端。文档未提供临时令牌流程，浏览器无法设置 WebSocket 头，故浏览器流式必须经自有后端中继。禁止把密钥放入客户端包或在聊天中粘贴。
限制与范围：不涉及语音回话（/add-voice）与朗读文本（/add-read-aloud）；不得虚构令牌流程、端点、模型 id 或事件名；选项与事件须以官方文档为准。