北京
IT时代网9月19日消息，当地时间9月18日，SpaceXAI发布了Grok Voice Transcribe 2.0语音转文本模型，在保持价格不变的前提下，错误率降低约一半。
官方表示，Grok Voice Transcribe 2.0基于Grok Voice底层的音频基础模型构建。目前Grok Voice已全面赋能实际业务：每天承接数万通客服电话，转录数百万小时的视频旁白，并驱动实体硬件中的各类语音智能体，其中包括特斯拉车辆中搭载的Grok助手。
在Artificial Analysis榜单中，Grok Voice Transcribe 2.0在全部32款流式模型中准确率高居榜首。
除公开基准外，SpaceXAI还基于线上实际业务中采样的四个内部数据集，对模型的词错误率进行了系统评测。这四个测试集分别涵盖客服电话音频、与Grok的日常对话（英语），以及电话号码、邮箱、地址等口述信息和多语种简短语音指令。在四个数据集的评测中，Grok Voice Transcribe 2.0的表现均全面超越1.0版本。
定价方面，Grok Voice Transcribe 2.0与1.0版本保持完全一致：批量转录为每小时音频0.10美元（约合0.67元人民币），实时流式转录为每小时0.20美元（约合1.3元人民币）。同时，说话人分离、精确时间戳以及自定义关键词功能均已全部包含在内，无需支付额外费用。
注：本文综合自IT之家等，文中包含AI辅助创作的内容。
编辑：林一舟
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
