SpaceXAI 发布 Grok Voice Transcribe 2.0，语音转文本准确率较 1.0 版翻倍

Techub News 消息，SpaceXAI 发布了其最新的语音转文本模型 Grok Voice Transcribe 2.0。该模型基于 Grok Voice 的音频基础模型构建，开发团队声称其在相同价格下，准确率是 1.0 版本的两倍，尤其擅长处理嘈杂电话线、多人对话、地方口音等复杂音频。 模型支持批处理和实时流式转录，通过 API 提供服务，定价与 1.0 版本相同，为每音频小时 0.10 美元（批处理）。SpaceXAI 报告称，该模型在公开的 Artificial Analysis 流式模型排行榜上位列第一，并在内部测试的多个数据集上均优于 1.0 版本。 该模型支持数十种语言的转录和自动语言检测，并能在单次处理中跟随录音中途的语言切换。开发者功能包括词级时间戳、说话人分离、多通道转录、关键词偏向和填充词移除等。（MarkTechPost）