Spacexai lanza grok voice transcribe 2.0 con mayor precisión y soporte multilingüe

SpaceXAI ha lanzado Grok Voice Transcribe 2.0, una API de conversión de voz a texto que afirma tener el doble de precisión que su predecesor, Grok Voice Transcribe 1.0, al mismo precio de $0.10 por hora. El modelo está diseñado para manejar entornos de audio desafiantes, incluyendo líneas telefónicas ruidosas, voces competidoras y acentos. Está disponible como una API alojada bajo el ID del modelo grok-voice-transcribe-2.0 y admite la transmisión y el procesamiento por lotes en tiempo real. El modelo se basa en el modelo de audio que está detrás de Grok Voice, que ya procesa decenas de miles de llamadas de atención al cliente diariamente y transcribe millones de horas de narración de vídeo. SpaceXAI informa que Grok Voice Transcribe 2.0 ocupa el primer lugar en precisión entre los 32 modelos de transmisión en el Artificial Analysis leaderboard. El modelo también mejora en 1.0 en cuatro conjuntos de datos internos, con una reducción significativa en la tasa de error de palabras para frases cortas, pasando del 20.6% al 6.8%. Admite 25 idiomas y detecta y maneja automáticamente los cambios de idioma durante la grabación. Atlassian Loom ahora utiliza la API para transcribir vídeos, citando una mayor precisión en comparación con su solución existente.